Lindorm：二級索引

背景資訊

特性介紹

Lindorm二級索引支援為單表建多個索引，每個索引在物理上映射為一張資料表，與主表相互獨立，每個索引有不同的儲存策略（如採用不同的壓縮演算法、冷熱分離策略）等屬性。寫主表時，Lindorm會自動更新所有索引表，並確保主表和索引表資料的一致性。讀資料時，您只需針對主表發起查詢，Lindorm會根據WHERE條件和SCHEMA自動選擇合適的索引（包括主表）執行查詢操作（支援HINT來幹預最佳化器行為）。Lindorm二級索引的基本特性如下。

• 支援單個主表建多個索引。

• 支援複合式索引（單列和多列）。

• 支援冗餘索引，全冗餘索引可自動冗餘主表新增的列。

• 查詢最佳化：根據WHERE語句自動選擇索引，支援HINT來幹預最佳化器的選擇。

• Online Schema Change：索引變更不影響主表的正常讀寫，可以隨時新增、刪除、更新索引。

• 支援資料有效期間（簡稱：TTL）：索引表自動繼承主表的TTL設定，主表和索引表資料同時到期。

• 支援動態列：支援寫入動態列和冗餘動態列。

• 支援自訂資料版本：自訂時間戳記後自動寫入資料。

使用要求

• 伺服器：使用Lindorm執行個體。

• 用戶端：更多資訊，請參見通過Lindorm寬表SQL使用寬表引擎。

• Lindorm-Cli用戶端：更多資訊，請參見通過Lindorm-cli串連並使用寬表引擎。

基本概念

• 強一致性：是指主表和索引表的資料一致性。為了滿足資料一致性的需求，最大程度減少二級索引的額外開銷，提升高吞吐的寫入能力，Lindorm二級索引在強一致性中具有如下約束。

  • 不支援快照隔離性。在資料寫入過程中不保證同時可見，但是返回用戶端寫入成功後主表和索引表資料可見。

  • 在返回用戶端逾時或IO出錯情況下，該資料在主表和索引表中不保證可見，但最終主表和索引表資料會保持一致。

• 可選的索引組織成本：在主表有一個索引的情況下，寫放大有四次操作（讀主表，刪除索引老資料，寫索引，寫主表），會大大增加維護索引的成本。但不是所有情境都會產生寫放大，比如日誌情境只有資料插入沒有更新操作，此時索引表不存在老資料，只需要做寫索引和寫主表操作。所以Lindorm提出了Mutability的概念。Mutability是指對主表的寫入模式進行分類，並以此組織索引資料，針對不同的需求實現最低的索引組織成本。Mutability分類和描述如下表所示。Mutability屬性需要在建立表或修改表時通過Table_Options參數進行設定，具體操作，請參見CREATE TABLE文法介紹。

  Mutability分類	約束	操作成本	操作說明
  無索引	無。	1	沒有索引的情況下，直接寫主表，為1次操作。
  IMMUTABLE	整行寫入，不可更新或刪除。	2	寫主表，寫索引表。所有情境中成本最低，效能最好。
  IMMUTABLE_ROWS	整行寫入，整行刪除，不可更新。	2～3	正常寫入時：寫主表，寫索引表。在刪除情境下需額外讀一次主表。效能僅次於IMMUTABLE。
  MUTABLE_LATEST	可更新，可刪除。	4	讀主表，刪索引，寫索引，寫主表。
  MUTABLE_ALL	無限制，可使用自訂時間戳記寫入。	4	讀主表，刪索引，寫索引，寫主表。

  說明

  • IMMUTABLE和IMMUTABLE_ROWS不涉及資料更新，無寫放大問題，成本最低。適合高吞吐寫的情境，如日誌、監控等。

  • IMMUTABLE不涉及刪除，所以可充分利用Lindorm的多IDC部署，實現多活的資料訪問。

  • 選擇兩類IMMUTABLE可以有效降低索引情境下的寫時延，提高整體吞吐。實際的業務中，如果不滿足IMMUTABLE情境，可以通過資料冗餘來改造成IMMUTABLE情境。

• 更新自訂時間戳記的索引：Lindorm支援自訂時間戳記進行寫入，可以在任意時間戳記進行資料更新，由系統來判斷只有時間戳記最大的資料生效。自訂時間戳記特性在控制資料有效期間、亂序、等冪等情境中發揮著重要的作用，在HBase中有廣泛的應用。Lindorm支援列級時間戳記，主表支援自訂時間戳記寫入資料。但在支援二級索引和時間戳記的NoSQL系統中，支援自訂時間戳記索引更新的，就比較罕見了。因為時間戳記亂序寫入很難有效維護索引資料的更新和刪除。Lindorm全域二級索引解決了這個問題，支援列層級自訂時間戳記更新。下面是兩個使用自訂時間戳記的實際業務情境。

  • 匯入與即時並存：在需要同時即時更新和歷史資料匯入的情境下，即時更新可以使用目前時間，而歷史資料匯入可以使用昨天23:59:59這個時間。所以當天未更新過的資料可以通過匯入操作而更新，已更新過的資料也不會被匯入覆蓋。

  • 追訊息：業務系統通過訊息來觸發一系列處理邏輯，在訊息出現積壓時，系統可以跳過積壓的訊息，直接處理當前訊息，並在事後通過追訊息來處理之前積壓的任務。或者，當商務邏輯有問題時，系統也可以跳過一部分訊息來規避問題，在業務修複後重新處理。此時，業務可以通過使用訊息本身的時間來寫入資料，以此來保證追的訊息和正常訊息的準確覆蓋關係。

• 全冗餘索引：為了避免查詢索引之後再回查主表，通常會在索引表中冗餘一部分主表列，也稱為冗餘索引或覆蓋索引。全冗餘索引是比較常用的冗餘方案。Lindorm支援三種冗餘模式，可以在主表Schema變化以及動態列情境下簡單的實現全冗餘索引。

  • 冗餘指定的列：顯式指定要冗餘主表的哪些列。

  • 冗餘主表Schema中的所有列：當您需要全冗餘索引時，不需要在CREATE INDEX中將主表的每一列都顯式添加進來，而是通過一個常量來描述冗餘所有列，當主表新增列時，全冗餘索引表會自動冗餘這個新增列，無需重建索引。也無需擔心新增列的查詢會導致回查主表了。

  • 冗餘動態列：Lindorm支援固定Schema和鬆散Schema（即動態列）。通過DYNAMIC冗餘模式，索引表能夠自動冗餘主表中的所有動態列，也會冗餘主表Schema中的所有列。

文法參考

二級索引的文法詳細說明，請參見以下文檔：

• 建立二級索引：CREATE INDEX。

• 修改二級索引：ALTER INDEX。

• 查看二級索引：SHOW INDEX。

• 構建二級索引：BUILD INDEX。

• 刪除二級索引：DROP INDEX

建立二級索引

建立完Lindorm主表後，可以為主表的相應列建立二級索引。以下是建立二級索引的樣本。

-- 建立主表
CREATE TABLE test (
  p1 VARCHAR NOT NULL,
  p2 INTEGER NOT NULL,
  c1 BIGINT,
  c2 DOUBLE,
  c3 VARCHAR,
  c5 GEOMETRY(POINT),
  PRIMARY KEY(p1, p2)
) WITH (CONSISTENCY = 'strong', MUTABILITY='MUTABLE_LATEST');

-- 對c3列建立二級索引，冗餘所有列
CREATE INDEX idx1 ON test(c3 desc) WITH (INDEX_COVERED_TYPE ='COVERED_ALL_COLUMNS_IN_SCHEMA');

-- 基於索引表進行查詢，因為對c3構建索引，當指定c3進行查詢會對應命中索引表
SELECT * FROM test WHERE c3 = 'data'; 

查看二級索引

通過Lindorm寬表SQL可以查看建立的二級索引狀態。以下是查看二級索引的樣本。

SHOW INDEX FROM test;

修改二級索引狀態

建立完二級索引後，如果主表有存量資料，需要手動對索引進行一次Rebuild操作，具體文法請參見BUILD INDEX；若主表沒有存量資料，則可以直接使用修改二級索引文法來修改二級索引表狀態。以下是修改二級索引狀態的樣本：

ALTER INDEX IF EXISTS idx1 ON test ACTIVE;
ALTER INDEX idx1 ON test DISABLED;

刪除二級索引

通過以下樣本刪除對應主表中的相關二級索引。

DROP INDEX IF EXISTS idx1 ON test;

查詢最佳化

Lindorm依據RBO（Rule Based Optimization）策略進行二級索引選擇。根據查詢條件匹配索引表的首碼，選擇匹配程度最高的索引表作為本次查詢使用的索引。通過以下樣本可以更好的理解。

-- 主表和索引表如下
CREATE TABLE dt (rowkey varchar, c1 varchar, c2 varchar, c3 varchar, c4 varchar, c5 varchar, PRIMARY KEY(rowkey));
CREATE INDEX idx1 ON dt (c1);
CREATE INDEX idx2 ON dt(c2,c3,c4);
CREATE INDEX idx3 ON dt(c3) INCLUDE(c1,c2,c4);
CREATE INDEX idx4 ON dt(c5 desc) WITH (INDEX_COVERED_TYPE ='COVERED_ALL_COLUMNS_IN_SCHEMA');

-- 查詢最佳化如下
SELECT rowkey FROM dt WHERE c1 = 'a';
SELECT rowkey FROM dt WHERE c2 = 'b' AND c4 = 'd';
SELECT * FROM dt WHERE c2 = 'b' AND c3 >= 'c' AND c3 < 'f';
SELECT * FROM dt WHERE c5 = 'c';

使用限制

• 不同主表可以有同名索引，如dt表有索引Idx1，foo表也有索引Idx1，但同一主表下不允許有同名索引。

• 只能為Version為1的表建索引，不支援為多版本的表建索引。

• 對有TTL的主表建索引，不能單獨為索引表設定TTL，索引表會自動繼承主表的TTL。

• 索引列最多不超過3個。

• 索引列和主表主鍵，總長度不能超過30 KB。不建議使用大於100位元組的列作為索引列。

• 單個主表的索引表個數最多不超過5個，過多索引會造成儲存成本過高，以及寫入耗時過長。

• 一次查詢最多能命中一個索引，不支援多索引聯集查詢（Index Merge Query）。

• 建立索引時會將主表的資料同步到索引中，對資料多的表建索引會導致Create_Index命令耗時過長。

• 二級索引不支援batch increase功能。

• 命中二級索引的排序與主表不一樣。

• 僅支援為通過SQL或API寫入的資料構建二級索引，不支援為Bulkload（大量匯入）至Lindorm的資料構建二級索引。

問題答疑（大量匯入）至

對於索引使用上的任何問題，您可以通過DingTalk聯絡雲Lindorm答疑或工單諮詢，具體操作，請參見支援人員。