王 飞 张 明 晏学义

中国联合网络通信有限公司济南软件研究院 济南 250100

引言

现代社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。数据的增长急需数据库存储容量的扩充，现有的关系型数据库很难在硬件上满足数据疯狂增长的需要[1]。

Apache HBASE是一个高性能、分布式、面向列、可伸缩的开源分布式NoSQL数据库，它不同于一般的关系型数据库，是一个适合于非结构化数据存储的数据库[2]。HBASE是基于ROWKEY(行键)的有序存储，在明确ROWKEY的条件下HBASE支持毫秒级的快速检索[3]。然而，随着HBASE的应用的不断深入，单纯通过ROWKEY检索数据的方式不再满足应用的需求。

对于多字段的复杂检索，如果无法通过ROWKEY检索，则需对HBASE全表数据进行扫描，消耗大量时间，导致查询效率极低。为此，业内提出了建立HBASE二级索引的方案以提高多字段信息查询效率。

1 传统HBASE二级索引技术

目前，HBASE二级索引技术的方案中普遍存在两大特点。

1.1 以空间换时间

现有的HBASE二级索引方案都是根据查询常用属性创建索引表，这就意味着每个索引表都是建立在固定的属性条件下的。因此，当实际调取某种多样属性信息时，需要按照多重属性条件依次检索不同的索引表。从不同的索引表中获取的ROWKEY再进行比对去重，最终得到符合所有查询条件的ROWKEY，然后再根据筛选出的ROWKEY在HBASE表进行提取，以完成多重条件信息的查询。此种方案虽然避免了HBASE数据的全表扫描，节省了查询时间，但需要根据不同的条件或条件组合创建多索引表，同时HBASE中的ROWKEY将会重复保存在不同索引表中，这将需要使用较大的存储空间用以存放大量的索引表数据。……