HBase-简介-安装配置

第1章 HBase简介

1.1 什么是HBase

　　HBase的原型是Google的BigTable论文，受到了该论文思想的启发，目前作为Hadoop的子项目来开发维护，

用于支持结构化的数据存储。

　　官方网站：http://hbase.apache.org

　　-- 2006年Google发表BigTable白皮书

　　-- 2006年开始开发HBase

　　-- 2008年北京成功开奥运会，程序员默默地将HBase弄成了Hadoop的子项目

　　-- 2010年HBase成为Apache顶级项目

　　-- 现在很多公司二次开发出了很多发行版本，你也开始使用了。

　　HBase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBASE技术可

在廉价PC Server上搭建起大规模结构化存储集群。

　　HBase的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够

处理由成千上万的行和列所组成的大型数据。

　　HBase是Google Bigtable的开源实现，但是也有很多不同之处。比如：

Google Bigtable利用GFS作为其文件存储系统，HBase利用Hadoop HDFS作为其文件存储系统；

Google运行MAPREDUCE来处理Bigtable中的海量数据，HBase同样利用Hadoop MapReduce

来处理HBase中的海量数据；Google Bigtable利用Chubby作为协同服务，HBase利用Zookeeper作为对应。

1.2 HBase特点

1）海量存储

　　Hbase适合存储PB级别的海量数据，在PB级别的数据以及采用廉价PC存储的情况下，

能在几十到百毫秒内返回数据。这与Hbase的极易扩展性息息相关。正式因为Hbase良好的扩展性，

才为海量数据的存储提供了便利。

2）列式存储

　　这里的列式存储其实说的是列族存储，Hbase是根据列族来存储数据的。

列族下面可以有非常多的列，列族在创建表的时候就必须指定。

3）极易扩展

　　Hbase的扩展性主要体现在两个方面，一个是基于上层处理能力（RegionServer）的扩展，一个是基于存储的扩展（HDFS）。
通过横向添加RegionSever的机器，进行水平扩展，提升Hbase上层的处理能力，提升Hbsae服务更多Region的能力。

　　备注：RegionServer的作用是管理region、承接业务的访问，这个后面会详细的介绍通过横向添加Datanode的机器，

进行存储层扩容，提升Hbase的数据存储能力和提升后端存储的读写能力。

4）高并发

　　由于目前大部分使用Hbase的架构，都是采用的廉价PC，因此单个IO的延迟其实并不小，

一般在几十到上百ms之间。这里说的高并发，主要是在并发的情况下，Hbase的单个IO延迟下降并不多。

能获得高并发、低延迟的服务。

5）稀疏

　　稀疏主要是针对Hbase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空

的情况下，是不会占用存储空间的。

1.3 HBase架构

Hbase架构如图1所示：

 　　　　　　　　　　　　　　　　　　　　　　　　　　　　图1 HBase架构图

从图中可以看出Hbase是由Client、Zookeeper、Master、HRegionServer、HDFS等几个组件组成，

下面来介绍一下几个组件的相关功能：

1）Client

　　Client包含了访问Hbase的接口，另外Client还维护了对应的cache来加速Hbase的访问，

比如cache的.META.元数据的信息。

2）Zookeeper

　　HBase通过Zookeeper来做master的高可用、RegionServer的监控、

元数据的入口以及集群配置的维护等工作。具体工作如下：

　　通过Zoopkeeper来保证集群中只有1个master在运行，如果master异常，

会通过竞争机制产生新的master提供服务

　　通过Zoopkeeper来监控RegionServer的状态，当RegionSevrer有异常的时候

，通过回调的形式通知Master RegionServer上下线的信息

　　通过Zoopkeeper存储元数据的统一入口地址

3）Hmaster

master节点的主要职责如下：
为RegionServer分配Region
维护整个集群的负载均衡
维护集群的元数据信息
发现失效的Region，并将失效的Region分配到正常的RegionServer上
当RegionSever失效的时候，协调对应Hlog的拆分

4）HregionServer

HregionServer直接对接用户的读写请求，是真正的“干活”的节点。它的功能概括如下：
管理master为其分配的Region
处理来自客户端的读写请求
负责和底层HDFS的交互，存储数据到HDFS
负责Region变大以后的拆分
负责Storefile的合并工作

5）HDFS

HDFS为Hbase提供最终的底层数据存储服务，同时为HBase提供高可用（Hlog存储在HDFS）的支持，具体功能概括如下：
提供元数据和表数据的底层分布式存储服务
数据多副本，保证的高可靠和高可用性

1.3 HBase中的角色

1.3.1 HMaster

功能

1．监控RegionServer

2．处理RegionServer故障转移

3．处理元数据的变更

4．处理region的分配或转移

5．在空闲时间进行数据的负载均衡

6．通过Zookeeper发布自己的位置给客户端

1.3.2 RegionServer

功能

1．负责存储HBase的实际数据

2．处理分配给它的Region

3．刷新缓存到HDFS

4．维护Hlog

5．执行压缩

6．负责处理Region分片

1.2.3 其他组件

1．Write-Ahead logs

HBase的修改记录，当对HBase读写数据的时候，数据不是直接写进磁盘，它会在内存中保留一段时间（时间以及数据量阈值可以设定）。但把数据保存在内存中可能有更高的概率引起数据丢失，为了解决这个问题，数据会先写在一个叫做Write-Ahead logfile的文件中，然后再写入内存中。所以在系统出现故障的时候，数据可以通过这个日志文件重建。

2．Region

Hbase表的分片，HBase表会根据RowKey值被切分成不同的region存储在RegionServer中，在一个RegionServer中可以有多个不同的region。

3．Store

HFile存储在Store中，一个Store对应HBase表中的一个列族。

4．MemStore

顾名思义，就是内存存储，位于内存中，用来保存当前的数据操作，所以当数据保存在WAL中之后，RegsionServer会在内存中存储键值对。

5．HFile

这是在磁盘上保存原始数据的实际的物理文件，是实际的存储文件。StoreFile是以Hfile的形式存储在HDFS的。

第2章 HBase安装

2.1 Zookeeper正常部署

首先保证Zookeeper集群的正常部署，并启动之：

[lxl@hadoop102 zookeeper-3.4.10]$ bin/zkServer.sh start
[lxl@hadoop103 zookeeper-3.4.10]$ bin/zkServer.sh start
[lxl@hadoop104 zookeeper-3.4.10]$ bin/zkServer.sh start

2.2 Hadoop正常部署

Hadoop集群的正常部署并启动：

[lxl@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
[lxl@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh

2.3 HBase的解压

解压HBase到指定目录：

[lxl@hadoop102 software]$ tar -zxvf hbase-1.3.1-bin.tar.gz -C /opt/module

2.4 HBase的配置文件

修改HBase对应的配置文件。

1）hbase-env.sh修改内容：

export JAVA_HOME=/opt/module/jdk1.8.0_144
export HBASE_MANAGES_ZK=false

2）hbase-site.xml修改内容：

<configuration>

<property>     

<name>hbase.rootdir</name>     

<value>hdfs://hadoop102:9000/hbase</value>  

</property>

 

<property>  

<name>hbase.cluster.distributed</name>

<value>true</value>

</property>

 

   <!-- 0.98后的新变动，之前版本没有.port,默认端口为60000 -->

<property>

<name>hbase.master.port</name>

<value>16000</value>

</property>

 

<property>  

<name>hbase.zookeeper.quorum</name>

     <value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value>

</property>

 

<property>  

<name>hbase.zookeeper.property.dataDir</name>

     <value>/opt/module/zookeeper-3.4.10/zkData</value>

</property>

</configuration>

3）regionservers：

hadoop102

hadoop103

hadoop104

4）软连接hadoop配置文件到hbase：

[lxl@hadoop102 module]$ ln -s /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml /opt/module/hbase/conf/core-site.xml

 

[lxl@hadoop102 module]$ ln -s /opt/module/hadoop-2.7.2/etc/hadoop/hdfs-site.xml /opt/module/hbase/conf/hdfs-site.xml

2.5 HBase远程发送到其他集群

[lxl@hadoop102 module]$ xsync hbase/ 

2.6 HBase服务的启动

1．启动方式1

[lxl@hadoop102 hbase]$ bin/hbase-daemon.sh start master
[lxl@hadoop102 hbase]$ bin/hbase-daemon.sh start regionserver

提示：如果集群之间的节点时间不同步，会导致regionserver无法启动，抛出ClockOutOfSyncException异常。

修复提示：

a、同步时间服务

请参看帮助文档：《尚硅谷大数据技术之Hadoop入门》

b、属性：hbase.master.maxclockskew设置更大的值

<property>

        <name>hbase.master.maxclockskew</name>

        <value>180000</value>

        <description>Time difference of regionserver from master</description>

 </property>

2．启动方式2

[lxl@hadoop102 hbase]$ bin/start-hbase.sh

对应的停止服务：

[lxl@hadoop102 hbase]$ bin/stop-hbase.sh

2.7 查看HBase页面

启动成功后，可以通过“host:port”的方式来访问HBase管理页面，例如：

http://hadoop102:16010