HBase全局索引与本地索引选型
在设计HBase Phoenix索引时，全局索引和本地索引的内部存储结构有何不同？索引数据如何与主表数据关联？为什么全局索引查询快但写入慢？请从Region分布和数据本地性角度深入分析。
回答
孤独的心
1. 内部存储结构差异
全局索引
- 索引表独立于主表，RowKey = 索引列值 + 原RowKey
- 索引表Region分布与主表无关，独立进行Region分裂
- 查询流程：1) 查索引表得原RowKey → 2) 查主表得完整行
- 两阶段查询，但每个阶段都是精确Get，速度很快
本地索引
- 索引数据写在同一Region的索引区域（非独立表）
- RowKey = Region起始Key + 索引列值 + 原RowKey
- 索引与主数据共享Region，保证数据本地性
- 查询时需扫描对应Region的所有索引数据
2. 为什么全局索引写入慢
- 双Region写入：数据写入主表Region R1，索引写入索引表Region R2（可能不同机器）
- 跨节点网络开销：写入放大2倍
- 分布式事务：主表和索引表需保证一致性（Phoenix通过MVCC实现）
- Region分裂：索引表也可能触发分裂增加延迟
3. 为什么本地索引写快读慢
- 写快：索引与主数据同Region，数据本地性保证单次网络往返
- 读慢：索引数据分散在各Region中，查询需扫描所有Region的索引区域
- 无索引表负载均衡开销
4. 实际场景建议
- 全局索引：订单查询（按订单号精确查）
- 本地索引：用户行为日志（按时间范围扫描，查询条件灵活）
- 混合使用：核心查询列建全局索引，辅助查询列建本地索引