HBase的辅助索引实现
翻译自http://wiki.apache.org/hadoop/Hbase/SecondaryIndexing
?
本文是关于实现HBase辅助索引不同方法的设计文档。
?
使用Coprocessor实现最终一致性的辅助索引?基本的想法是为主表中的每个索引建立一个额外的辅助表。为列族(family)添加coprocessor，并利用coprocessor处理列族上(或指定的列)的辅助索引。用WAL(write ahead log)来保证持久性，并使用共享队列保证辅助索引的更新在调用者看来是异步的。通常HBase的时间戳可以决绝所有的解决，并且可以保证操作是幂等的（多次重复操作与一次操作等价）。
?当向主表进行Put操作时，会顺序执行以下过程（假设不同的索引更新到不同的辅助表）：
?
?
共享队列是一个线程或线程池，通过应用标准的Put操作处理辅助表的更改。
?
当主表故障恢复时，主表的更改可以正常回放，辅助索引的更改需要通过共享队列应用到辅助表(服务器)上。
?
主要的问题在于如何处理WAL和回放
?
由于其他RS(RegionServer)可能会失效，辅助表可能处于离线状态，这可能导致长时间等待辅助表的更新。当收回旧的HLog日志时，如何才能保证所有辅助表已经获得更新？同时，我们需要避免过度利用幂等操作，不只是过度的重新应用所有的操作。
?
是否需要跟踪每个Hlog和它正在进行的辅助表更新操作并阻止日志回收操作，直到所有的操作完成？
?
还是当操作已经完成时，将辅助表的更改写回到WAL中？（这样辅助表失效时不需要回放）
?
或者，可以把辅助表的更改关联到每个上memstore，只有当所有的辅助表内的数据都写入完成后，memstore才可以做flush操作，这可以与现有的语义的日志回收相匹配...但这样做有其他方面的影响，并不会真正解决过多的回放的问题。
?
其他悬而未决的问题：
?
建立辅助表（自动自举？coprocessor初始化时创建？手动？）读操作API未来的工作：
通过API或Shell定义索引，而不是通过编码生成的每索引一个的coprocessor现存表的索引创建（基于表的当前数据创建索引，并保持索引的最新状态）辅助表数据更新的同步方式（如果你想利用性能并具有较强的一??致性的指标，适用于次要更新）在辅助表中存储主表数据以避免单次查询中的合并和正则化?
使用乐观并发控制的辅助索引?
由HBase / IndexedTable实现。
目前在这个位置：https://github.com/hbase-trx/hbase-transactional-tableindexed
?
辅助索引扫描这个曾经被实现过，但是我不知道它在哪。
?
