Phoenix映射HBase时间戳的一种实现

Apache Phoenix从4.6版本开始，提供了ROW_TIMESTAMP标签，来映射HBase的原生时间戳。但使用起来有以下限制：

只有主键中的TIME, DATE, TIMESTAMP, BIGINT, UNSIGNED_LONG类型的字段才能设置成ROW_TIMESTAMP

只能有一个主键列能被设置成ROW_TIMESTAMP

ROW_TIMESTAMP标志的字段不能为null值

只有在建表的时候，某一列才能被设置成ROW_TIMESTAMP

ROW_TIMESTAMP标志的列不能为负数

除了上面使用上的限制，还有应用场景的限制。根据上面的描述，ROW_TIMESTAMP字段有以下几种形式。

业务主键在前

ROW_TIMESTAMP字段在前

只有ROW_TIMESTAMP字段

我们来看下各个形式的优劣

业务主键在前。无论ROW_TIMESTAMP字段如何取值，都可以通过业务主键1进行单点查询，即在知道业务主键1的情况下是可以通过前缀精确快速的查询的。

ROW_TIMESTAMP字段在前。如果不知道某条数据对应的ROW_TIMESTAMP字段值，则无法通过主键查询；如果通过业务主键可以映射ROW_TIMESTAMP字段值，虽然可以通过主键查询，但该字段将无法修改。因为修改就意味着当前记录删除，重新插入。

只有ROW_TIMESTAMP字段。在一些时序数据比较常见，也就是没有业务主键，不会也不便通过主键查询，一般都是范围扫描。

其实官方提供的ROW_TIMESTAMP字段实现，最大的问题就是原有记录不能更新，只能删除、然后插入，这就极大的限制了它的应用场景。

我们用Phoenix存储了所有需要实时查询的表，写Phoenix-SQL查询当前最新的数据。基本架构如下：

正常情况下，实时抽取MySQL的binlog，写入Phoenix；每天会有Hive批量抽取MySQL数据，对Phoenix进行校验、补数。实时写入时，需要考虑binlog更新的顺序，至少要做到MySQL原数据每行更新的顺序；离线补数时，需要考虑是否会覆盖实时写入的数据。

实时写入的顺序，大都由CDC(canal、debezium等)控制。针对每一条数据的更新，CDC都会对“表名+主键”进行Hash，路由到Kafka对应的分区。其实针对某个表某条记录的更新，消费时是有严格的顺序的。但如果后期更改kafka分区个数，就会稍微麻烦点。如果不停服更新，就意味着同一条记录的不同更新，分布在不同的分区，也就不能保证严格的顺序，插入Phoenix表就会出现覆盖的问题。如果停服更新，就需要先停掉CDC，等消费者把数据消费完，然后再调整分区，启动消费者，这样才能避免相互覆盖的问题。

实时写入还有一个潜在的问题，那就是数据丢失。不管是网络抖动，还是组件的健壮性，都会造成数据丢失。一旦发生数据丢失，就需要校验、补数的逻辑。

离线补数就是为了防止出现实时数据丢失的问题。离线补数包含校验和补数两个步骤。

校验。拿当前全量或增量数据，与Phoenix表中相同主键的数据进行比对，确定Phoenix是否丢数或丢失更新。

丢数就是Phoenix应该有的数据却没有

丢失更新就是Phoenix的数据不是最新的

补数。根据上一步骤计算的丢失的数据或更新，写入Phoenix

离线补数看似完美，但最大的问题就是，校验和补数是两个步骤，也就是说不在一个事务里面。有可能某条数据在校验阶段，的确是丢失的，但在校验之后、补数之前，该条数据又被写到Phoenix表了，那么在补数之后，该数据又被更新成旧数据了。

细心的读者会发现，使用官方提供的ROW_TIMESTAMP是无法很好的解决数据乱序覆盖的问题的。那么，究竟该怎么办呢？有没有一种方案能完美的解决上面的问题呢？下面是我解决这个问题的思路和具体实现。

熟悉HBase的读者一定知道，HBase插入或更新数据的时候是可以指定时间戳(版本号)的，而且HBase查询时默认显示时间戳最大的数据。那如果Phoenix在根据主键写入数据时，能把该条数据的更新时间写入HBase的时间戳字段，是不是就能解决相互覆盖的问题了呢？的确能。其实每一条更新都是数据的一个版本。如果写入时能指定时间戳，就意味着指定了数据的版本，无论每个更新到达的顺序是怎样的，Phoenix读取时都会读取最新的数据。如果能实现，那么Kafka重新设定分区个数和离线补数将不再需要考虑覆盖的问题。但Phoenix目前并没有实现上面逻辑的机制，我们需要对其进行简单的升级。

其实在Phoenix官方实现中，有一个CurrentSCN属性，它可以控制每一次DDL、DML、QUERY的时间戳的，也就是在插入或更新时，会根据CurrentSCN的值设定当前数据对应的HBase的时间戳。但很不幸，它只能控制每一次commit的数据，也就是无法精确控制每一条数据的时间戳。当然了，如果每一条数据Upsert时都设置CurrentSCN，然后commit也是可以解决问题的，但这就无法进行批量提交，会一定程度的影响性能。

其实我在实现时也是参考了CurrentSCN属性的原理。经过分析，我找到了MutationState类的generateMutations方法的下面一段代码。

上面的代码其实是创建了一条数据，后续的upset的数据就是由此而来。根据timestampToUse命名可以猜想，它就是该条数据的时间戳。

由newRow的描述可以确定我们的猜想，timestampToUse就是当前数据的时间戳。

根据调用链，我们找到了timestampToUse赋值最近的地方：UpsertCompiler.setValues方法，里面有一个RowTimestampColInfo类型的rowTsColInfo字段。其实还是找到timestampToUse最初的地方，也就是获取CurrentSCN的代码段，但考虑到不对原有的CurrentSCN功能过多干涉，我们选择优化UpsertCompiler.setValues方法。下面是改造后的代码片段：