一、写这段代码的目的

前文我们通过 SQL + GET_BYTE 验证过业务表和基础表之间的关系，但 Phoenix 对 BINARY 类型的支持有限，查询写法冗长且性能一般。
在实际开发和调试中，我们更希望能用 Java 程序直接解析 UUID，做到：

• 拆解出 前 16B = metric UUID，并关联到 METRICS_METADATA_UUID 表获取指标名；
• 拆解出 后 4B = hostId，从而知道这条指标数据来自哪台主机；
• 顺便统计每个 UUID 出现的次数（count），方便分析数据分布。

二、Java 验证程序

下面是一段完整的 Java 程序（含工具方法），直接运行即可打印出指标、metaUuid、hostId 的对应关系：

package org.example;

import java.sql.*;
import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;

public class DebugPhoenixSQL {

    public static void main(String[] args) throws Exception {
        try (Connection conn = DriverManager.getConnection("jdbc:phoenix:dev1:2181:/ams-hbase-unsecure")) {

            // ✅ SQL: 按 UUID 聚合，拿到 record 表里的所有 UUID 和 count
            String sql = "SELECT UUID, COUNT(1) AS CNT FROM METRIC_RECORD_UUID GROUP BY UUID LIMIT 10000";

            analyzeWithMetadata(conn, sql);
        }
    }

    /**
     * 解析 record 表的 UUID，并关联到 metadata 表
     */
    private static void analyzeWithMetadata(Connection conn, String sql) throws SQLException {
        System.out.println(">>> 执行SQL: " + sql);

        // 缓存：metaUuidHex -> metricName
        Map<String, String> metaCache = new HashMap<>();

        try (Statement stmt = conn.createStatement();
             ResultSet rs = stmt.executeQuery(sql)) {

            while (rs.next()) {
                byte[] uuid = rs.getBytes("UUID");
                long count = rs.getLong("CNT");
                if (uuid == null || uuid.length != 20) continue;

                // 前16B = metric UUID
                byte[] metaPart = Arrays.copyOfRange(uuid, 0, 16);
                String metaHex = bytesToHex(metaPart);

                // 后4B = hostId
                byte[] hostPart = Arrays.copyOfRange(uuid, 16, 20);
                String hostHex = bytesToHex(hostPart);

                // 查询缓存 / 元数据表
                String metricName = metaCache.get(metaHex);
                if (metricName == null) {
                    metricName = fetchMetricName(conn, metaPart);
                    metaCache.put(metaHex, metricName);
                }

                System.out.printf("metric=%s, metaUuid=%s, hostId=%s, count=%d%n",
                        metricName, metaHex, hostHex, count);
            }
        }
    }

    /**
     * 去 metadata 表查询 UUID 对应的 metric_name
     */
    private static String fetchMetricName(Connection conn, byte[] metaUuid) throws SQLException {
        try (PreparedStatement ps = conn.prepareStatement(
                "SELECT METRIC_NAME, APP_ID FROM METRICS_METADATA_UUID WHERE UUID=?")) {
            ps.setBytes(1, metaUuid);
            ResultSet rs = ps.executeQuery();
            if (rs.next()) {
                return rs.getString("METRIC_NAME") + " (app=" + rs.getString("APP_ID") + ")";
            }
        }
        return "未知指标";
    }

    /**
     * 工具方法：byte[] -> hex
     */
    private static String bytesToHex(byte[] bytes) {
        StringBuilder sb = new StringBuilder();
        for (byte b : bytes) sb.append(String.format("%02X", b));
        return sb.toString();
    }
}

三、Maven 依赖配置

要让这段代码运行，需要引入 Phoenix 和 Hadoop 的依赖。 以下是一个最小可运行的 pom.xml 配置：

<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>phoenix-test</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>

    <dependencies>
        <!-- Phoenix thick driver + HBase 2.4.x -->
        <dependency>
            <groupId>org.apache.phoenix</groupId>
            <artifactId>phoenix-core</artifactId>
            <version>5.1.2</version>
        </dependency>

        <dependency>
            <groupId>org.apache.phoenix</groupId>
            <artifactId>phoenix-hbase-compat-2.4.1</artifactId>
            <version>5.1.2</version>
        </dependency>

        <!-- Hadoop client for config -->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>3.3.4</version>
        </dependency>

        <!-- 日志 -->
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-log4j12</artifactId>
            <version>1.7.36</version>
        </dependency>
    </dependencies>
</project>

四、运行效果

执行后会打印出类似结果：

metric=dfs.FsVolume.TotalDataFileIos (app=datanode), metaUuid=8CA477CC4A3D7D4F42479F7FE2968784, hostId=9CDC8F97, count=1201
metric=dfs.FsVolume.TotalDataFileIos (app=datanode), metaUuid=8CA477CC4A3D7D4F42479F7FE2968784, hostId=6ED2F093, count=1203
metric=dfs.FsVolume.TotalDataFileIos (app=datanode), metaUuid=8CA477CC4A3D7D4F42479F7FE2968784, hostId=2D31224D, count=1211

从结果可以清楚看到：

• 同一个 metaUuid（指标）在不同的 hostId（主机）上都有上报；
• 这正好印证了 UUID 拼接的逻辑：16b 指标 + 4b 主机 = 20b 唯一记录。