我们会经常谈及二级索引，这是对全表数据进行另外一种方式的组织存储，是针对table级别的。如果要为HBase上的表实现一个强一致性的二级索引，那么就无法逃避分布式事务，而这一直是用户最期待的功能。 而即使只需要保证最终一致性，这个索引也并不好实现，因为你需要额外的表以存储过程数据，需要解决宕机恢复问题等
撇开分布式事务，我们是否可以考虑对索引的要求进行降级，比如把Region看成是全表下的子表，实现一套Region级别的索引，通过功能上的牺牲以换取实现的简易及稳定。
在某些存在用户概念的场景下，比如消费记录，我们总是会在确定的用户下，进行数据查找。这意味着，在此类场景中，我们只需要一个用户级别的索引。
举个例子，对于一笔交易记录，我们至少会有这么几个维度：
用户Id，交易时间，交易金额，交易状态(还会有交易名称，交易号ID，对方ID等)
当存储于HBase时，一般可以这么组织：
RowKey= 用户Id+交易时间
列1=交易金额
列2=交易状态
所以当我们要读取某个用户的在某段时间内的交易记录的时候，我们可以设置一个Scan：
startRow=用户Id+开始时间
stopRow=用户Id+结束时间
如果我们要增加查找条件，进行过滤，比如要读取某个用户在某段时间内交易状态为取消的交易记录，我们可以为上述Scan设置一个Filter，来过滤不符合查询条件的结果。
如果这是一个大商户，某段时间内的交易记录数巨多，通过设置Filter来过滤的方式就显得效率低下，开销巨大。
为了优化此类查找，业务只能自建索引表，可以如下组织：
RowKey= 用户Id+交易状态+交易时间
列1=交易金额
由此产生的问题时，当产生一笔交易记录的时候，我们需要向2张表中写入数据，不用说原子性，为了保证最终一致性，也得会花费不少的力气
彼之痛，己之痛，或许一个Region级别的索引存储能有一定的疗效。
什么是Region级别的索引存储
我们知道在HBase的结构中，一个Region可以包含多个Store，而索引存储则也是Region下面的一个Store，我们称其为Assistant Store，但它会有一些不同点：
a.Assistant Store中的数据由Regionserver按照用户配置的规则自动写入,是源数据的一份拷贝，但是拥有不同的组织方式
b.Assistant Store中的数据可以不遵守Region的Row范围限制
c.Assistant Store中的数据由用户主动选择读取（不会智能的自动利用）
d.Assistant Store中的数据在Split时，遵守与源数据对应的原则
(可以先看例子)
一个简单的例子
假设现在表只有一个Region，往表写入以下6行数据：
r1/c1:q1/v1
r2/c1:q1/v2
r3/c1:q1/v1
r4/c1:q1/v2
r5/c1:q1/v1
r6/c1:q1/v2
如果我们已为这个表配置了一个简单的索引存储，该Assistant Store命名为c2，那么除了上面的数据，Region中还会包含以下数据：
v1/c2:q1/r1
v1/c2:q1/r3
v1/c2:q1/r5
v2/c2:q1/r2 (在插入源数据的时候自动生成，存在Assistant Store中)
v2/c2:q1/r4
v2/c2:q1/r6
显然，这些是简单的倒置索引数据（可以由用户定义生成的数据如何组织），当你对表进行正常的scan时候，你只能见到源数据，即r1,r2,…,r6。 但是你可以通过某种方式，访问Assistant Store中的数据，即v1，v2，以加快条件查找
Region分裂处理
如果我们将上面这个例子中的Region进行Split，Split row为’r4′,那么源数据就会被分落在两个子Region中，Daughter_A 和 Daughter_B;
Daughter_A 包含如下源数据：
r1/c1:q1/v1
r2/c1:q1/v2
r3/c1:q1/v1
Daughter_B 包含如下源数据：
r4/c1:q1/v2
r5/c1:q1/v1
r6/c1:q1/v2
Assistant Store中的生成数据会遵守与源数据对应的原则，
Daughter_A 的Assistant Store中的索引数据为：
v1/c2:q1/r1
v1/c2:q1/r3
v2/c2:q1/r2
Daughter_B 的Assistant Store中的索引数据为：
v1/c2:q1/r5
v2/c2:q1/r4
v2/c2:q1/r6
原子性和一致性
解决了数据组织的问题，我们来看看如何保证源数据和生成数据间的原子性和一致性。
从上面的例子描述中，我们知道，设置了索引存储后，当我们写入一行数据时，实际上会存储多行数据，但这多行数据都是在同个Region中，这意味着可以用一个本地事务解决这多行数据的事务写入。或许有些用户不知道，HBase-0.94版本早就实现了本地Region的多行事务。
回看Region级别的索引存储的特点
a.Assistant Store中的数据由Regionserver按照用户配置的规则自动写入,是源数据的一份拷贝，但是拥有不同的组织方式
用户可以通过扩展类Assistant，来生成自己定义的数据格式，存储到Assistant Store中,
比如对于r1/c1:q1/v1，你可以生成一行v1/c1:q1/r1, 也可以生成一行v1r1/c1:q1/r1，也可以生成多行，但是生成的数据有一个限制，就是value值必须为源数据中的row值，这是为了保证源数据与生成数据之间能对应起来，当Region进行分裂的时候，索引数据和源数据仍然是对应的
b.Assistant Store中的数据可以不遵守Region的Row范围限制
从上面的例子中，我们可以看出，Assistant Store中的数据的Row是由用户自定义的，所以其Row是任意的，不会在Region的Row范围内
c.Assistant Store中的数据由用户主动选择读取（不会智能的自动利用）
Assistant Store中的数据的写入用系统自动控制，但是目前的设计中，读取由用户主动发起
d.Assistant Store中的数据在Split时，遵守与源数据对应的原则
优劣分析
优点：
1.设计简单，实现方便
2.加速条件Scan ，提高效率
3.相比于不设置索引存储，写入性能几乎不受影响，因为多行数据只会写一次Log
（无论是分布式事务，或者用户自己写入多张表，都无法避免写入多行数据时要多次写Log）
缺点：
1.额外存储空间
2.相比于全局意义上的二级索引，使用上会有局限性
重新思考上面的交易记录的案例
如果有了Region级别的索引存储，我们可以为交易记录表设置1个或多个Assistant Store,
源数据的组织仍然同上：
RowKey= 用户Id+交易时间
列1=交易金额
列2=交易状态
Assistant Store中的数据组织为：
RowKey= 用户Id+交易状态+交易时间
列1=交易金额
虽然结构上和用户写多张表一样，但是不需要为解决原子性和一致性而烦恼。
当然细心的读者，会发现从Assistant Store中扫描出来的数据无法做到ordered by 源数据中的Row，要做到ordered by Assistant Store中的Row也得花一定的力气。
怎么使用索引存储？
功能的基本代码已开发完，可以见https://issues.apache.org/jira/browse/HBASE-8980
如何让目前的HBase用户平滑使用，也是一个不小的难题，主要是有这么几点。
1.API使用
按照目前的设计，用户需要通过Scan方式主动的去读取索引存储，示例
| 01 | //从源数据的Row上 限制扫描范围 |
| 02 | Scan scan = new Scan(); |
| 03 | scan.setStartRow(‘r1′); |
| 04 | scan.setStopRow(‘r7′); |
| 05 |
|
| 06 | //创建在Assistant Store运行的Scan，从v2 到 v2+ |
| 07 | Scan assistantScan = new Scan().setStartRow(‘v2′).setStopRow(‘v2′+’(byte)0×00′); |
| 08 | //设置这个以后，Region在解析的时候，会在Assistant Store上运行这个Scan |
| 09 | scan.setAssistantScan(assistantScan); |
| 10 |
|
| 11 | scanner = htable.getScanner(scan); |
| 12 | for(Result result:scanner){ |
| 13 | //输出 |
| 14 | v2/c2:q1/r2 |
| 15 | v2/c2:q1/r4 |
| 16 | v2/c2:q1/r6 |
| 17 | } |
2.Ordered by特性保证
目前实现中没有，准备后续再添加
3.已有数据的索引追加
目前实现中没有，准备后续再添加
转自：http://zjushch.iteye.com/blog/1910218