1.起因(why hbase coprocessor)hbase作为列族数据库最经常被人诟病的特性包括：无法轻易建立“二级索引”，难以执行求和、计数、排序等操作。比如，在旧版本的(
2.灵感来源( source of inspration)hbase协处理器的灵感来自于jeff dean 09年的演讲( p66-67)。它根据该演讲实现了类似于bigtable的协处理器，包括以下特性:
每个表服务器的任意子表都可以运行代码客户端的高层调用接口(客户端能够直接访问数据表的行地址，多行读写会自动分片成多个并行的rpc调用)提供一个非常灵活的、可用于建立分布式服务的数据模型能够自动化扩展、负载均衡、应用请求路由hbase的协处理器灵感来自bigtable，但是实现细节不尽相同。hbase建立了一个框架，它为用户提供类库和运行时环境，使得他们的代码能够在hbase region server和master上处理。3.细节剖析（implementation)协处理器分两种类型，系统协处理器可以全局导入region server上的所有数据表，表协处理器即是用户可以指定一张表使用协处理器。协处理器框架为了更好支持其行为的灵活性，提供了两个不同方面的插件。一个是观察者（observer），类似于关系数据库的触发器。另一个是终端(endpoint)，动态的终端有点像存储过程。
3.1观察者(observer)观察者的设计意图是允许用户通过插入代码来重载协处理器框架的upcall方法，而具体的事件触发的callback方法由hbase的核心代码来执行。协处理器框架处理所有的callback调用细节，协处理器自身只需要插入添加或者改变的功能。
以hbase0.92版本为例，它提供了三种观察者接口：
regionobserver：提供客户端的数据操纵事件钩子：get、put、delete、scan等。walobserver：提供wal相关操作钩子。masterobserver：提供ddl-类型的操作钩子。如创建、删除、修改数据表等。这些接口可以同时使用在同一个地方，按照不同优先级顺序执行.用户可以任意基于协处理器实现复杂的hbase功能层。hbase有很多种事件可以触发观察者方法，这些事件与方法从hbase0.92版本起，都会集成在hbase api中。不过这些api可能会由于各种原因有所改动，不同版本的接口改动比较大，具体参考java doc。
regionobserver工作原理，如图1所示。更多关于observer细节请参见hbasebook的第9.6.3章节。
图1 regionobserver工作原理
3.2终端(endpoint)终端是动态rpc插件的接口，它的实现代码被安装在服务器端，从而能够通过hbase rpc唤醒。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终端，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。终端的使用，如下面流程所示：
定义一个新的protocol接口，必须继承coprocessorprotocol.实现终端接口，该实现会被导入region环境执行。继承抽象类baseendpointcoprocessor.在客户端，终端可以被两个新的hbase client api调用 。单个region：htableinterface.coprocessorproxy(class protocol, byte[] row) 。rigons区域：htableinterface.coprocessorexec(class protocol, byte[] startkey, byte[] endkey, batch.call callable)整体的终端调用过程范例，如图2所示：
图2 终端调用过程范例
4.编程实践(code example)在该实例中，我们通过计算hbase表中行数的一个实例，来真实感受协处理器 的方便和强大。在旧版的hbase我们需要编写mapreduce代码来汇总数据表中的行数，在0.92以上的版本hbase中，只需要编写客户端的代码即可实现，非常适合用在webservice的封装上。
4.1启用协处理器 aggregation(enable coprocessor aggregation)我们有两个方法：1.启动全局aggregation，能过操纵所有的表上的数据。通过修改hbase-site.xml这个文件来实现，只需要添加如下代码：
property> name>hbase.coprocessor.user.region.classesname> value>org.apache.hadoop.hbase.coprocessor.aggregateimplementationvalue> property>
2.启用表aggregation，只对特定的表生效。通过hbase shell 来实现。
(1)disable指定表。hbase> disable 'mytable'
(2)添加aggregation hbase> alter 'mytable', method => 'table_att','coprocessor'=>'|org.apache.hadoop.hbase.coprocessor.aggregateimplementation||'
(3)重启指定表 hbase> enable 'mytable'
4.2统计行数代码(code snippet) import org.apache.hadoop.conf.configuration;import org.apache.hadoop.hbase.hbaseconfiguration;import org.apache.hadoop.hbase.tablename;import org.apache.hadoop.hbase.client.scan;import org.apache.hadoop.hbase.client.coprocessor.aggregationclient;import org.apache.hadoop.hbase.client.coprocessor.longcolumninterpreter;import org.apache.hadoop.hbase.coprocessor.columninterpreter;import org.apache.hadoop.hbase.util.bytes;public class myaggregationclient { private static final byte[] table_name = bytes.tobytes(bigtable1w); private static final byte[] cf = bytes.tobytes(bd); public static void main(string[] args) throws throwable { configuration customconf = new configuration(); customconf.set(hbase.zookeeper.quorum, 192.168.58.101); //提高rpc通信时长 customconf.setlong(hbase.rpc.timeout, 600000); //设置scan缓存 customconf.setlong(hbase.client.scanner.caching, 1000); configuration configuration = hbaseconfiguration.create(customconf); aggregationclient aggregationclient = new aggregationclient( configuration); scan scan = new scan(); //指定扫描列族，唯一值 scan.addfamily(cf); //long rowcount = aggregationclient.rowcount(table_name, null, scan); long rowcount = aggregationclient.rowcount(tablename.valueof(bigtable1w), new longcolumninterpreter(), scan); system.out.println(row count is + rowcount); } }
4.3 典型例子 协处理器其中的一个作用是使用observer创建二级索引。先举个实际例子： 我们要查询指定店铺指定客户购买的订单，首先有一张订单详情表，它以被处理后的订单id作为rowkey；其次有一张以客户nick为rowkey的索引表，结构如下： rowkey family dp_id+buy_nick1 tid1:null tid2:null ... dp_id+buy_nick2 tid3:null ... 该表可以通过coprocessor来构建，实例代码：
[html] view plain copy public class testcoprocessor extends baseregionobserver { @override public void preput(final observercontextregioncoprocessorenvironment> e, final put put, final waledit edit, final boolean writetowal) throws ioexception { configuration conf = new configuration(); htable table = new htable(conf, index_table); listkeyvalue> kv = put.get(data.getbytes(), name.getbytes()); iteratorkeyvalue> kvitor = kv.iterator(); while (kvitor.hasnext()) { keyvalue tmp = kvitor.next(); put indexput = new put(tmp.getvalue()); indexput.add(index.getbytes(), tmp.getrow(), bytes.tobytes(system.currenttimemillis())); table.put(indexput); } table.close(); } } 即继承baseregionobserver类，实现preput方法，在插入订单详情表之前，向索引表插入索引数据。
4.4索引表的使用 先在索引表get索引表，获取tids，然后根据tids查询订单详情表。 当有多个查询条件（多张索引表），根据逻辑运算符（and 、or）确定tids。 4.5使用时注意 1.索引表是一张普通的hbase表，为安全考虑需要开启hlog记录日志。 2.索引表的rowkey最好是不可变量，避免索引表中产生大量的脏数据。 3.如上例子，column是横向扩展的（宽表），rowkey设计除了要考虑region均衡，也要考虑column数量，即表不要太宽。建议不超过3位数。 4.如上代码，一个put操作其实是先后向两张表put数据，为保证一致性，需要考虑异常处理，建议异常时重试。 4.6效率情况
put操作效率不高，如上代码，每插入一条数据需要创建一个新的索引表连接（可以使用htablepool优化），向索引表插入数据。即耗时是双倍的，对hbase的集群的压力也是双倍的。当索引表有多个时，压力会更大。 查询效率比filter高，毫秒级别，因为都是rowkey的查询。 如上是估计的效率情况，需要根据实际业务场景和集群情况而定，最好做预先测试。
4.7coprocessor二级索引方案优劣 优点：在put压力不大、索引region均衡的情况下，查询很快。 缺点：业务性比较强，若有多个字段的查询，需要建立多张索引表，需要保证多张表的数据一致性，且在hbase的存储和内存上都会有更高的要求