如果要统对hbase中的数据，进行某种统计，比如统计某个字段最大值，统计满足某种条件的记录数，统计各种记录特点，并按照记录特点分类（类似于sql的group by）~ 常规的做法就是把hbase中整个表的数据scan出来，或者稍微环保一点，加一个filter，进行一些初步
如果要统对hbase中的数据，进行某种统计，比如统计某个字段最大值，统计满足某种条件的记录数，统计各种记录特点，并按照记录特点分类（类似于sql的group by）~
常规的做法就是把hbase中整个表的数据scan出来，或者稍微环保一点，加一个filter，进行一些初步的过滤（对于rowcounter来说，就加了FirstKeyOnlyFilter），但是这么做来说还是会有很大的副作用，比如占用大量的网络带宽（当标级别到达千万级别，亿级别之后）尤为明显，RPC的量也是不容小觑的。
理想的方式应该是怎样？
拿row counter这个简单例子来说，我要统计总行数，如果每个region 告诉我他又多少行，然后把结果告诉我，我再将他们的结果汇总一下，不就行了么？
现在的问题是hbase没有提供这种接口，来统计每个region的行数，那是否我们可以自己来实现一个呢？
没错，正如本文标题所说，我们可以自己来实现一个Endpoint，然后让hbase加载起来，然后我们远程调用即可。
什么是Endpoint？
先弄清楚什么是hbase coprocessor
hbase有两种coprocessor，一种是Observer（观察者），类似于关系数据库的trigger（触发器），另外一种就是EndPoint，类似于关系数据库的存储过程。
观察者这里就多做介绍了，这里介绍Endpoint。
EndPoint是动态RPC插件的接口，它的实现代码被部署在服务器端（regionServer），从而能够通过HBase RPC调用。客户端类库提供了非常方便的方法来调用这些动态接口，它们可以在任意时候调用一个EndPoint，它们的实现代码会被目标region远程执行，结果会返回到终端。用户可以结合使用这些强大的插件接口，为HBase添加全新的特性。
怎么实现一个EndPoint
1. 定义一个新的protocol接口，必须继承CoprocessorProtocol.
2. 实现终端接口，继承抽象类BaseEndpointCoprocessor，改实现代码需要部署到
3. 在客户端，终端可以被两个新的HBase Client API调用 。单个region：HTableInterface.coprocessorProxy(Class
如图
public interface CounterProtocol extends CoprocessorProtocol {
public long count(byte[] start, byte[] end) throws IOException;
}
public class CounterEndPoint extends BaseEndpointCoprocessor implements CounterProtocol {
@Override
public long count(byte[] start, byte []end) throws IOException {
// aggregate at each region
Scan scan = new Scan();
long numRow = 0;
InternalScanner scanner = ((RegionCoprocessorEnvironment) getEnvironment()).getRegion()
.getScanner(scan);
try {
List curVals = new ArrayList();
boolean hasMore = false;
do {
curVals.clear();
hasMore = scanner.next(curVals);
if (Bytes.compareTo(curVals.get(0).getRow(), start)= 0) {
break;
}
numRow++;
} while (hasMore);
} finally {
scanner.close();
}
return numRow;
}
}
public class CounterEndPointDemo {
public static void main(String[] args) throws IOException, Throwable {
final String startRow = args[0];
final String endRow = args[1];
@SuppressWarnings("resource")
HTableInterface table = new HTable(HBaseConfiguration.create(), "tc");
Map results;
// scan: for all regions
results = table.coprocessorExec(CounterProtocol.class, startRow.getBytes(),
endRow.getBytes(), new Batch.Call() {
public Long call(CounterProtocol instance) throws IOException {
return instance.count(startRow.getBytes(), endRow.getBytes());
}
});
long total = 0;
for (Map.Entry e : results.entrySet()) {
System.out.println(e.getValue());
total += e.getValue();
}
System.out.println("total:" + total);
}
}
整个程序的框架其实又是另外一个mapreduce，只是运行在region server上面，reduce运行在客户端，其中map计算量较大，reduce计算量很小！
在现实生活中的购物过程，购物者需要先到商场，找到指定的产品柜台下，查看产品实体以及标价信息，如果产品合适，就将该产品放到购物车中，到收款处付款结算。电子商务网站通过虚拟网页的形式在计算机上摸拟了整个过程，首先电子商务设计人员将产品信息分类显示在网页上，用户查看网页上的产品信息，当用户看到了中意的产品后，可以将该产品添加到购物车，最后使用网上支付工具进行结算，而货物将由公司通过快递等方式发送给购物者
另外需要提醒的是：
protocol的返回类型，可以是基本类型。
如果是一个自定义的类型需要实现org.apache.hadoop.io.Writable接口。
关于详细的支持类型，请参考代码hbase源码：org.apache.hadoop.hbase.io.HbaseObjectWritable
怎么部署？
1. 通过hbase-site.xml增加
hbase.coprocessor.region.classes xxxx.CounterEndPoint
- 如果要配置多个，就用逗号（,)分割。
- 包含此类的jar必须位于hbase的classpath
- 这种coprocessor是作用于所有的表，如果你只想作用于部分表，请使用下面一种方式。
2. 通过shell方式
增加：
hbase(main):005:0> alter 't1', METHOD => 'table_att', 'coprocessor'=>'hdfs:///foo.jar|com.foo.FooRegionObserver|1001|arg1=1,arg2=2' Updating all regions with the new schema... 1/1 regions updated. Done. 0 row(s) in 1.0730 seconds
coprocessor格式为：
[FilePath]|ClassName|Priority|arguments
arguments: k=v[,k=v]+
- 其中FilePath是hdfs路径，例如/tmp/zhenhe/cp/zhenhe-1.0.jar
- ClassNameEndPoint实现类的全名
- Priority为，整数，框架会根据这个数据决定多个cp的执行顺序
- Arguments，传给cp的参数
- 如果hbase的classpath包含改类，FilePath可以留空
卸载：
- 先describe “tableName‘，查看你要卸载的cp的编号
- 然后alter 't1', METHOD => 'table_att_unset', NAME=> 'coprocessor$3'，coprocessor$3可变。
应用场景
这是一个最简单的例子，另外还有很多统计场景，可以用在这种方式实现，有如下好处：
- 节省网络带宽
- 减少RPC调用（scan的调用随着CacheSzie的变小而线性增加），减轻hbase压力
- 可以提高统计效率，那我之前写过的一个groupby类型的例子来说，大约可以提高50%以上的统计速度。
其他应用场景？
- 一个保存着用户信息的表，可以统计每个用户信息（counter job）
- 统计最大值，最小值，平均值，参考：https://issues.apache.org/jira/browse/HBASE-1512
- 批量删除记录，批量删除某个时间戳的记录
参考：
1. http://blogs.apache.org/hbase/entry/coprocessor_introduction
2. https://issues.apache.org/jira/browse/HBASE-1512
原文地址：使用HBase EndPoint（coprocessor）进行计算, 感谢原作者分享。
