使用CDH提供的 Cloudera Search创建二级索引：

近实时索引常使用Apache Flume或Apache Kafka来不断的摄取并索引数据。

Lily HBase NRT Indexer既可以用在近实时索引又可用在批索引。

Lily HBase NRT Indexer服务是灵活的、可扩展的、容错的、具有事物性、近实时的系统，解决更新HBase数据的时候，同步更新索引数据。可以使用它为HBase构建二级索引。

它使用SolrCloud来索引存储在HBase中的数据，当HBase执行插入、更新、删除操作的时候，利用标准HBase复制功能，索引器保证SolrCloud中的索引数据和HBase中的数据一致。

索引器支持自定义，使其可以按照应用相关的规则对存储在HBase的数据抽取、转换，并插入Solr中。

尽可能多地在不同的主机上运行Lily HBase NRT Indexer，因为创建索引的任务被共享给所有的索引器，可以通过更多的索引器扩展构建索引的能力，建议一个HBase RegionServer一个Indexer，不过在高可用系统中，最少应该开启5个Indexer。

1准备工作

开启集群范围内的HBase复制功能

Cloudera Manager:

1)依次操作HBase service > Configuration > Category > Backup

2)勾选Enable Replication(启用复制)

3)设置Replication Source Ratio(复制来源比例)为1

4)设置Replication Batch Size(复制批大小)为1000

5)点击Save Changes(保存变更)

6)重启HBase集群

添加Lily HBase NRT Indexer服务

在Cloudera Manager中，Lily HBase NRT Indexer服务被称为Key-Value Store Indexer，在服务角色类型中被称为Lily HBase Indexer，如果在部署集群的时候没有将这个服务加进来，那么使用Cloudera Manager将其加进来就可以了。

为Lily HBase NRT Indexer配置HBase依赖

在启动Lily HBase NRT Indexer服务之前，必须使用目标HBase集群使用的ZooKeeper的位置配置各个服务，如果使用Cloudera Manager管理集群，那么当你设置HBase Service的依赖时这一步会自动完成(Key-Value Store Indexer service > Configuration)

启动Lily HBase NRT Indexer

如果使用Cloudera Manager管理集群，就可以使用Cloudera Manager启动服务了，官网文档也提供了不使用Cloudera Manager的情况下如何启动服务。

2使用Lily HBase NRT Indexer服务

2.1启用HBase列族复制功能

对于每一个已存在的表，为表的每个列族设置REPLICATION_SCOPE，如：

hbase shell

hbase shell> disable 'sample_table'

hbase shell> alter 'sample_table', {NAME => 'columnfamily1', REPLICATION_SCOPE => 1}

hbase shell> enable 'sample_table'

对于每一个新表，为表的每个列族设置REPLICATION_SCOPE：

hbase shell

hbase shell> create 'test_table', {NAME => 'testcolumnfamily', REPLICATION_SCOPE => 1}

2.2在Cloudera Search中创建一个聚集

搜索用的聚集必须具有Solr模式，适配被索引的HBase列族和列。我们先看看包括所有HBase列族和列的Solr模式。例如，使用下面的命令创建：

solrctl instancedir --generate $HOME/hbase_collection_config

## Edit $HOME/hbase_collection_config/conf/schema.xml as needed ##

## If you are using Sentry for authorization, copy solrconfig.xml.secure to solrconfig.xml as follows: ##

## cp $HOME/hbase_collection_config/conf/solrconfig.xml.secure $HOME/hbase_collection_config/conf/solrconfig.xml ##

solrctl instancedir --create hbase_collection_config $HOME/hbase_collection_config

solrctl collection --create hbase_collection -s -c hbase_collection_config

2.3创建Lily HBase Indexer配置文件

使用hbase-indexer命令行工具创建单独的Lily HBase Indexer，一般地为每一个HBase表配备一个Lily HBase Indexer配置文件。Lily HBase Indexer配置文件是一个XML文件，例如morphline-hbase-mapper.xml。每个Lily HBase Indexer配置文件都涉及到MorphlineResultToSolrMapper的实现，并指向Morphline配置文件的位置，例如下面的morphline-hbase-mapper.xml。

我们一般使用Cloudera Manager来管理集群，所以设置morphlineFile为morphlines.conf相对路径。如果不使用Cloudera Manager来管理集群，那么设置morphlineFile为Lily HBase Indexer主机上的morphlines.conf文件绝对路径。要确保这个文件可被HBase系统读取。

Lily HBase Indexer配置文件英文说明见：https://github.com/NGDATA/hbase-indexer/wiki/Indexer-configuration#table

最基本的配置文件只需要一个表名和一个字段。

全局的索引属性

顶级元素的属性如下：

table

需要索引的HBase表名。

mapping-type

这个属性可能有两个值：row, 或column。这个属性指明是基于行还是列做二级索引。

基于行做索引是将HBase表中的一行作为单个solr文档的输入。这种索引方式用于每一行都代表一个独立实体的情形。这是，默认的mapping-type配置值。

基于列做索引是将HBase表中的每个Cell作为单个solr文档的输入。这种索引方式用于，例如，一个用户的所有信息都存储在为一行，并且每一个信息存储在一个Cell中。

read-row

这个属性有两个值dynamic(默认的设置),或never。

只有当基于行做索引时，这个属性才是重要的。它指明索引器是否应该重新读取HBase数据以便执行索引。

当设置为dynamic时，如果一行的一部分数据被更新了，索引器将从这一行中读取必要的数据。在dynamic模式下，如果所有待索引数据都包含在行更新中，那么这行不会被重新读取。

如果设置为never，永远都不会重新读取一行。

mapper

允许用户使用自定义的mapper类，这个mapper类会根据HBase结果对象创建一个solr文档。自定义的mapper类必须实现com.ngdata.hbaseindexer.parse.ResultToSolrMapper接口。

默认地使用内建的com.ngdata.hbaseindexer.parse.DefaultResultToSolrMapper

unique-key-formatter

指定Solr中使用的文档标识符字段的名称。默认是“id”。

row-field

指定用于存储HBase行键的Solr字段的名称。这个属性仅在基于列索引时才起作用。为了使索引器能够从索引中删除单行的所有文档，它需要能够在Solr中找到该行的所有文档。在索引器定义中填充此属性时，它的值将用作Solr中字段的名称以存储编码的行键。默认情况下，此属性为空，表示行键未存储在Solr中。 这样做的结果是删除HBase中的完整行或完整列族不会删除Solr中的索引文档。

column-family-field

用于存储HBase列族名称的Solr字段名称。详见row-field属性。默认为空。

table-name-field

指定Solr字段的名称，该字段用于存储HBase表名，默认为空，因此除非在索引器配置中显式设置此属性，否则不会存储HBase表名。

用于索引器定义的元素

field元素定义要在Solr中索引的单个字段，以及从HBase获取和解释其内容的位置。 索引器配置中通常会列出一个或多个字段 - 每个字段用于存储每个Solr字段。

field元素有四个属性：name、value、source、type。

name

name属性指定用于存储数据的Solr字段的名称。应在Solr模式中定义具有匹配名称的字段。name属性是必需的。

value

value属性指定用来填充Solr字段的来自HBase中数据，它采用列族名称(column family )和限定符(qualifier)的形式，用冒号分隔。

限定符部分可以以星号结尾，星号被解释为通配符。 在这种情况下，将使用所有匹配的列族和限定符表达式。

下面是几个例子：

mycolumnfamily:myqualifier

mycolumnfamily:my*

mycolumnfamily:*

source

source属性确定HBase KeyValue的哪个部分将用作索引内容。

这个属性可能值为：value、qualifier。

如果指定为value，那么Cell的值将被索引。

如果指定位qualifier，column qualifier将被索引。

type

定义HBase中内容的数据类型。

因为所有数据都作为字节数组存储在HBase中，但Solr中的所有内容都被索引为文本，因此需要一种从字节数组转换为实际数据类型的方法。

此字段的值可以是HBase Bytes类支持的任何数据类型之一：int，long，string，boolean，float，double，short或bigdecimal。

如果基于字节的表示尚未用于HBase中存储数据，可为这个属性指定自定义名称。自定义类必须实现com.ngdata.hbaseindexer.parse.ByteArrayValueMapper接口。

元素

元素定义了一个键值对，它将提供给实现com.ngdata.hbaseindexer.Configurable接口的自定义类。

元素也可以嵌套在元素中。

该元素有两个属性：name和value。 两者都是强制性的

看看给出的例子：

2.4创建Morphline配置文件

创建完索引器配置文件后，可以在morphlines.conf配置文件中配置morphline ETL转换命令，morphlines.conf配置文件可以包含任何数量的morphline ETL转换命令。一般地，extractHBaseCells是第一个命令，readAvroContainer或 readAvro这两个morphline命令被用与从HBase字节数组中提取Avro数据。此配置文件可以在使用morphlines的不同应用程序之间共享。

如果使用Cloudera Manager，依次点击Key-Value Store Indexer service > Configuration > Category > Morphlines > Morphlines File，就可以编辑morphlines.conf了。

2.5理解Morphline 命令extractHBaseCells

extractHBaseCells抽取HBase数据，并将其转换为SolrInputDocument。这个命令有0个或多个命令规范组成。

对于每个映射都有：

1)inputColumn参数

指定要填充到Solr字段的HBase数据。它具有列族名称和限定符的形式，以冒号分隔列族名称和限定符。限定符部分可以以星号结尾，星号被解释为通配符。在这种情况下，将使用所有匹配的列族和限定符表达式。下例为有效inputColumn值：

mycolumnfamily:myqualifier

mycolumnfamily:my*

mycolumnfamily:*

2)outputField参数

指定morphline记录字段，这些记录要被添加到输出值中。morphline记录字段也被称为Solr文档字段。

以*结尾的outputField参数可以开启动态输出字段。例如：

inputColumn : "mycolumnfamily:*"

outputField : "belongs_to_*"

这样如果在HBase中执行Put操作：

put 'table_name' , 'row1' , 'mycolumnfamily:1' , 'foo'

put 'table_name' , 'row1' , 'mycolumnfamily:9' , 'bar'

那么solr文档字段为：

belongs_to_1 : foo

belongs_to_9 : bar

3)type参数

定义了存储在HBase中的内容的类型。HBase中的数据都是字节数组，而Solr中的索引文件是文本文档。所以需要一个方法将字节数组转换为实际类型。type参数可以是类型名称，org.apache.hadoop.hbase.util.Bytes.to*要支持这种类型(目前包括byte[], int, long, string, boolean, float, double, short, 和bigdecimal)。使用类型byte[]传递字节数组给morphline而不用转换。

type:byte[]，将字节数组不加修改地拷贝到记录的输出字段。其他是调用相应的方法进行转换。例如使用org.apache.hadoop.hbase.util.Bytes.toInt转换int。或者type是实现了com.ngdata.hbaseindexer.parse.ByteArrayValueMapper接口的Java类的名称。HBase数据格式化并不总是与org.apache.hadoop.hbase.util.Bytes指定的格式相匹配。可以通过转换数据来索引这个HBase数据。可以使用下面的方式：

• 使用Java morphline命令来解析输入数据

{

imports : "import java.util.*;" code: """ // manipulate the contents of a record field

String stringAmount = (String) record.getFirstValue("amount");

Double dbl = Double.parseDouble(stringAmount); record.replaceValues("amount