Phoenix：在HBase上執行SQL查詢

近日，Salesforce.com開源了 ，這是一個Java中間層，可以讓開發者在Apache HBase上執行SQL查詢。InfoQ有幸採訪到了Salesforce.com的主開發者James Taylor以瞭解關於Phoenix的更多資訊。

除了無數的SQL、NoSQL與NewSQL資料庫，Salesforce.com又 宣佈了 專案，這是構建在 （列式大資料儲存）之上的一個SQL中間層。Phoenix完全使用Java編寫，程式碼 上，並且提供了一個客戶端可嵌入的JDBC驅動。

根據專案所述，Phoenix被Salesforce.com內部使用，對於簡單的低延遲查詢，其量級為毫秒；對於百萬級別的行數來說，其量級為秒。Phoenix並不是像HBase那樣用於map-reduce job的，而是透過標準化的語言來訪問HBase資料的。

根據專案建立者所述， 。對於使用了HBase API、協同處理器及自定義過濾器的Impala與OpenTSDB來說，進行相似的查詢Phoenix的速度也會更快一些。

Phoenix查詢引擎會將SQL查詢轉換為一個或多個HBase scan，並編排執行以生成標準的JDBC結果集。直接使用HBase API、協同處理器與自定義過濾器，對於簡單查詢來說，其效能量級是毫秒，對於百萬級別的行數來說，其效能量級是秒。

Phoenix 最值得關注的一些特性有：

• 嵌入式的JDBC驅動，實現了大部分的java.sql介面，包括後設資料API
• 可以透過多部行鍵或是鍵/值單元對列進行建模
• 完善的查詢支援，可以使用多個謂詞以及最佳化的掃描鍵
• DDL支援：透過CREATE TABLE、DROP TABLE及ALTER TABLE來新增/刪除列
• 版本化的模式倉庫：當寫入資料時，快照查詢會使用恰當的模式
• DML支援：用於逐行插入的UPSERT VALUES、用於相同或不同表之間大量資料傳輸的UPSERT SELECT、用於刪除行的DELETE
• 透過客戶端的批處理實現的有限的事務支援
• 單表——還沒有連線，同時二級索引也在開發當中
• 緊跟ANSI SQL標準

Phoenix程式碼基於 開源。

下面是InfoQ採訪Phoenix主開發者James Taylor的訪談內容。

InfoQ：為何要為Non-SQL資料儲存提供SQL介面？現在已經有很多其他的SQL解決方案了。

JT：現有的SQL解決方案通常都不是水平可伸縮的，因此當資料量變大時會遇到阻礙。至於我們為何在NoSQL資料儲存HBase上提供SQL介面，有如下幾個原因：

1. 使用諸如SQL這樣易於理解的語言可以使人們能夠更加輕鬆地使用HBase。相對於學習另一套私有API，人們可以使用熟悉的語言來讀寫資料。
2. 使用諸如SQL這樣更高層次的語言來編寫減少了你所需編寫的程式碼量。比如說，使用Phoenix，你可以編寫下面這樣的查詢來獲取Web的統計資料（我不想說使用原生的HBase API會有多少行程式碼，但肯定少不了）：
   • SELECT
     • TRUNC(DATE,'DAY') DAY,
     • SUM(CORE) TOTAL_CPU_Usage,
     • MIN(CORE) MIN_CPU_Usage,
     • MAX(CORE) MAX_CPU_Usage
   • FROM WEB_STAT
   • WHERE DOMAIN LIKE 'Salesforce%'
   • GROUP BY TRUNC(DATE,'DAY');
3. 執行查詢時，在資料訪問與執行時執行之間加上SQL這樣一層抽象可以進行大量最佳化。比如說，對於GROUP BY查詢來說，我們可以利用HBase中協同處理器這樣的特性。藉助於該特性，我們可以在HBase伺服器上執行Phoenix程式碼。因此，聚合可以在服務端執行，而不必在客戶端，這麼做會極大減少客戶端與服務端之間傳輸的資料量。此外，Phoenix還會在客戶端並行執行GROUP BY，這是根據行鍵的範圍來截斷掃描而實現的。透過並行執行，結果會更快地返回。所有這些最佳化都無需使用者參與，使用者只需發出查詢即可。
4. 透過使用業界標準的API（如JDBC），我們可以利用現有的工具來使用這些API。比如說，你可以使用現成的SQL客戶端（如SQuirrel， ）連線HBase伺服器並執行SQL。感興趣的讀者可以參見入門指南以瞭解更多資訊： 。

InfoQ：有沒有效能評估呢？響應時間是否變快了？可伸縮性是否更好了？

JT：可以在這裡 瞭解Phoenix與其他NoSQL產品/專案的效能對比。我們並沒有釋出Phoenix與現有的關係型技術之間的基準比較（網上已經有了HBase與他們之間的比較），但當行數與行寬增加時，NoSQL解決方案會更出眾。這也取決於你是“如何”使用關聯式資料庫的：是像Salesforce.com那樣的多租模式抑或單租模式。HBase非常善於協同定位關係資料，這取決於行鍵是如何構成的，因此對於某些多租場景來說，其優勢是很明顯的。

InfoQ：何時才會增加連線支援呢？

JT：連線支援已經在我們的路線圖上了，參見 。我們已經在做一些基礎工作了，現在還不能給出準確的時間點，因為有太多事情要做，但我們會盡快的。

檢視英文原文：Phoenix: Running SQL Queries on Apache HBase
原文連結