Hadoop连载系列之三：HBase分布式安装

1 概述

HBase是基于Hadoop的分布式的、面向列的、可拓展的开源数据库。当需要对大数据进行随机的、实时的读写时使用HBase。属于NoSQL。HBase利用Hadoop/HDFS作为其文件存储系统，利用Hadoop/MapReduce来处理HBase中的海量数据，利用Zookeeper提供分布式协作、分布式同步、配置管理等。

HBase的架构：

LSM - 解决磁盘随机写问题(顺序写才是王道)；

HFile - 解决数据索引问题(只有索引才能高效读)；

WAL - 解决数据持久化(面对故障的持久化解决方案)；

zooKeeper - 解决核心数据的一致性和集群恢复；

Replication - 引入类似MySQL的数据复制方案，解决可用性；

此外还有：自动分拆Split、自动压缩(compaction,LSM的伴生技术)、自动负载均衡、自动region迁移。

HBase集群需要依赖于一个Zookeeper ensemble。HBase集群中的所有节点以及要访问HBase

的客户端都需要能够访问到该Zookeeper ensemble。HBase自带了Zookeeper，但为了方便

其他应用程序使用Zookeeper，最好使用单独安装的Zookeeper ensemble。此外，Zookeeper ensemble一般配置为奇数个节点，并且Hadoop集群、Zookeeper ensemble、

HBase集群是三个互相独立的集群，并不需要部署在相同的物理节点上，他们之间是通过网

络通信的。

2 安装和配置

2.1 下载安装HBase

下载hbase-0.96.1.1-hadoop1-bin.tar.gz，并解压到/usr下，重命名为hbase目录。hbase的版本需要与hadoop对应，查看是否对应只需要看hbase/lib/hadoop-core后面的版本号是否与hadoop的版本对应，如果不对应，可以将hadoop下hadoop-core文件复制过来，但是不能保证不会有问题。

2.2 设置环境变量

vim /etc/profile：

# set hbase pathexport HBASE_HOME=/usr/hbaseexport PATH=PATH:HBASE_HOME/bin

2.3 配置HBase

编辑配置文件hbase-site.xml：vim /usr/hbase/conf/hbase-site.xml

单机: <configuration> <property> <name>hbase.rootdir</name> <value>file:///tmp/hbase-${user.name}/hbase</value> </property> </configuration>

伪分布: <configuration> <property> <name>hbase.rootdir</name> <value>hdfs://localhost:9000/hbase</value> </property> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration>

完全分布: 1）配置hbase-site.xml

<configuration> <property> <name>hbase.rootdir</name> <value>hdfs://192.168.56.1:9000/hbase</value> <description>HBase数据存储目录</description> </property> <property> <name>hbase.cluster.distributed</name> <value>true</value> <description>指定HBase运行的模式：false：单机/伪分布；true：完全分布</description> </property> <property> <name>hbase.master</name> <value>hdfs://192.168.56.1:60000</value> <description>指定Master位置</description> </property>

<property> <name>hbase.zookeeper.property.dataDir</name> <value>/var/lib/zookeeper</value> </property><property> <name>hbase.zookeeper.quorum</name> <value>192.168.56.1,192.168.56.101,192.168.56.102,192.168.56.103,192.168.56.104</value> <description>指定ZooKeeper集群</description> </property>

<property> <name>hbase.master.info.bindAddress</name> <value>192.168.56.1</value> <description>The bind address for the HBase Master web UI </description> </property></configuration>

2) 编辑配置文件regionservers:

192.168.56.101 192.168.56.102 192.168.56.103 192.168.56.104

3)设置环境变量hbase-env.sh:

export JAVA_HOME=/usr/java/jdk1.7.0_45/

export HBASE_CLASSPATH=/usr/hadoop/conf

export HBASE_HEAPSIZE=2048

export HBASE_MANAGES_ZK=false

注解：

其中，JAVA_HOME表示java安装目录，HBASE_CLASSPATH指向存放有Hadoop配置文件的目录，这样HBase可以找到HDFS的配置信息，由于本文Hadoop和HBase部署在相同的物理节点，所以就指向了Hadoop安装路径下的conf目录。HBASE_HEAPSIZE单位为MB，可以根据需要和实际剩余内存设置，默认为1000。HBASE_MANAGES_ZK=false指示HBase使用已有的Zookeeper而不是自带的。

2.4 向各个节点复制，然后配置各个节点的环境变量

scp -r /usr/hbase 节点ip：/usr

3 启动和停止HBase

启动HBase：需事先启动HDFS和Zookeeper，启动顺序为HDFS-》Zookeeper-》HBase

在server1上启动所有的节点：start-hbase.sh

停止HBase：stop-hbase.sh

连接HBase创建表：hbase shell

HBase Shell; enter 'help<RETURN>' for list of supported commands. Type "exit<RETURN>" to leave the HBase Shell Version 0.96.1.1-hadoop1, rUnknown, Tue Dec 17 11:52:14 PST 2013

hbase(main):001:0>

查看状态：hbase(main):001:0> status

4 servers, 0 dead, 2.2500 average load

4 测试和Web查看

4.1 创建表测试

创建一个名为 small的表，这个表只有一个 column family 为 cf。可以列出所有的表来检查创建情况，然后插入些值。

hbase(main):003:0> create 'small', 'cf' 0 row(s) in 1.2200 seconds hbase(main):003:0> list small 1 row(s) in 0.0550 seconds hbase(main):004:0> put 'small', 'row1', 'cf:a', 'value1' 0 row(s) in 0.0560 seconds hbase(main):005:0> put 'small', 'row2', 'cf:b', 'value2' 0 row(s) in 0.0370 seconds hbase(main):006:0> put 'small', 'row3', 'cf:c', 'value3' 0 row(s) in 0.0450 seconds

检查插入情况：Scan这个表

hbase(main):005:0> scan 'small'

Get一行，操作如下

hbase(main):008:0> get 'small', 'row1'

disable 再 drop 这张表，可以清除你刚刚的操作

hbase(main):012:0> disable 'small' 0 row(s) in 1.0930 seconds hbase(main):013:0> drop 'small' 0 row(s) in 0.0770 seconds

导出与导入

hbase org.apache.hadoop.hbase.mapreduce.Driver export small small

导出的表，在hadoop文件系统的当前用户目录下，small文件夹中。例如，导出后在hadoop文件系统中的目录结构：

hadoop dfs -ls

Found 1 items

drwxr-xr-x - hadoop supergroup 0 2013-10-22 10:44 /user/hadoop/small

hadoop dfs -ls ./small

Found 3 items

-rw-r--r-- 2 hadoop supergroup 0 2013-10-22 10:44 /user/hadoop/small/_SUCCESS

drwxr-xr-x - hadoop supergroup 0 2013-10-22 10:44 /user/hadoop/small/_logs

-rw-r--r-- 2 hadoop supergroup 285 2013-10-22 10:44 /user/hadoop/small/part-m-00000

把这个表导入到另外一台集群中hbase中时，需要把part-m-00000先put到另外hadoop中，假设put的路径也是：

/user/hadoop/small/

而且，这个要导入的hbase要已经建有相同第表格。

那么从hadoop中导入数据到hbase：

hbase org.apache.hadoop.hbase.mapreduce.Driver import small part-m-00000

这样，没有意外的话就能正常把hbase数据导入到另外一个hbase数据库。

4.2 Web查看

用于访问和监控Hadoop系统运行状态

http://192.168.56.1:60010/master-status

5 总结

本文介绍了HBase安装和配置，包括单机、伪分布、完全分布三种模式的配置，重点在于HBase分布式集群的安装和配置。后续将会介绍Chukwa集群、Pig等。