HBase一个令人惋惜的地方，就是不支持二级索引。因此，社区有了很多补充方案来填补HBase的二级索引能力的缺陷。
今天，我们就来看看有哪些二级索引方案，通过对比各个方案的优缺点，并结合我们的具体场景做出二级索引方案选型。
1.为什么需要二级索引
HBase系统单纯从解决大数据实时读写问题角度出发，重点关注于分布式存储的扩展性、容错性、读写性能等方面，为此也牺牲了很多传统关系型数据库的功能，比如事务，SQL表达与分析等。
实际上，这是NoSQL最初的含义，以解决大数据的实时存取为首要目标，提供简单的Get，Put，Scan接口，解决用户的大数据量存储的需求。因此，HBase完全是一个非常优秀的大数据实时存取引擎，解决了传统数据库的容量问题。
就目前官方的HBase系统来说，并不支持二级索引，只有rowkey作为一级索引， 如果要对库里的非rowkey字段进行数据检索和查询， 往往要通过MapReduce/Spark等分布式计算框架进行，硬件资源消耗和时间延迟都会比较高。
为了HBase的数据查询更高效、适应更多的场景， 诸如使用非rowkey字段检索也能做到秒级响应，或者支持各个字段进行模糊查询和多字段组合查询等， 因此需要在原生HBase基础上构建二级索引， 以满足现实中更复杂多样的业务需求。一般有以下三类方案：
- 基于HBase的Coprocessor的方案（典型代表phoenix）
- 云厂商自研的二级索引（阿里云目前有自研增强版二级索引）
- 基于搜索平台的索引方案（如solr、ES等）。
2.如何选择二级索引方案
我们从读写性能、使用限制、学习成本、社区活跃等角度，对三类方案做对比。
基于HBase的Coprocessor的方案（典型代表phoenix）
- 官方文档：http://phoenix.apache.org/secondary_indexing.html
- 读写性能：有一定读写性能损害，索引越多，写入性能影响越大
- TTL功能：支持比较好
- 索引的使用限制：一个表的索引数不要超过10个
- 索引类型：全局索引、本地索引、覆盖索引
- 学习成本：类JDBC的sql语法，多参考官方的语法（http://phoenix.apache.org/language/index.html）
- 开源/社区活跃程度：开源，目前社区不太活跃
- 优点：社区文档多、使用简单、实时查询无延迟
- 缺点：非商业化方案，没有专门的技术支持
云厂商自研的二级索引（典型代表阿里云自研增强版二级索引）
- 官方文档：https://help.aliyun.com/document_detail/144577.html?spm=a2c4g.11174283.6.576.4999363f2uZWt0
- 读写性能：二级索引内置于HBase，官方的性能评测文档说比Phoenix好
- TTL功能：只能在单列索引上生效
- 索引的使用限制：一个表的索引个数最多不超过5个、组合索引的列最多不要超过3个
- 索引类型：全局索引、本地索引、覆盖索引
- 学习成本：内部封装的很简单，在使用上就是HBase的原生用法
- 开源/社区活跃程度：非开源、阿里云私有
- 优点：性能好、实时查询无延迟
- 缺点：被云厂商锁定
基于搜索平台的二级索引方案（以Solr为例）
- 官方文档：http://phoenix.apache.org/secondary_indexing.html
- 读写性能：有一定读写性能损害、数据同步的延迟需要考虑
- TTL功能：HBase是单个KV过期，而Solr中只能按照Document（对应HBase的一行）过期，过期的时间不完全一致
- 索引的使用限制：没有限制，完全取决于solr
- 索引类型：非常灵活
- 学习成本：需要熟悉solr语法
- 开源/社区活跃程度：开源 社区活跃
- 优点：查询方式更加灵活
- 缺点：引入搜索引擎组件、太重了，而且有明显的延迟问题
总结一下（特别重要的技术选型策略）：
- 为了不被云厂商锁定，所以不采用云厂商独有的二级索引方案
- 对于实时性要求高、索引数量少的场景，完全可以使用phoenix，简单而又丝滑
- 对于实时性要求不高、搜索场景比较复杂的，需要引入搜索引擎，如solr或者es进行索引构建
一般来说，为了满足实时需求，我们会使用phoenix。
3.简单了解下phoenix
为了让HBase更强大，更好用，门槛更低，让HBase帮助更多的用户解决他们遇到的实际问题。于是，phoenix带着SQL诞生了。众所周知，SQL是数据处理领域的语言标准，简单，好用，表达力强，用户使用广泛。当然，HBase SQL的实现和发展跟传统单机数据库有很多不同，便于区别，我们称之为NewSQL。这也是社区尝试HBase二级索引的初衷，如果说HBase是功能强大的存储引擎，那么支持NewSQL之后，就变成了新一代的大飞机。
Phoenix作为应用层和HBASE之间的中间件,以下特性使它在大数据量的简单查询场景有着独有的优势
- 二级索引支持(global index + local index)
- 编译SQL成为原生HBASE的可并行执行的scan
- 在数据层完成计算，server端的coprocessor执行聚合
- 下推where过滤条件到server端的scan filter上
- skip scan功能提高扫描速度
下一期，我们将结合实践，来说明phoenix的原理和最佳实践，敬请期待！
看到这里了，原创不易，点个关注、点个赞吧，你最好看了～
知识碎片重新梳理，构建Java知识图谱：https://github.com/saigu/JavaKnowledgeGraph（历史文章查阅非常方便）