hadoop2-HBase的安装和测试

Hadoop Database, 是一个高可靠性，高性能，面向列，可伸缩，实时读写的分布式数据库。
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作为其分布式协同服务
主要用来存储非结构化和半结构化的松散数据（列存NoSQL数据库）

Column Family 列族

HBase表中的每个列都归属某个列族，列族必须作为表模式（schema)定义的一部分预先给出，如： create 'test', 'course';
列名以列族作为前缀，每个'列族'都可以有多个列成员(column);如course:math, course:english,新的列族成语(列)可以随时按需，动态加入
权限控制，存储以及调优都在列族层面进行的；
HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。


HBase体系架构
Client： 包含访问HBase的接口并维护cache来加快对HBase的访问
Zookeeper： 
    1. 保证任何时候，集群中只有一个master
    2. 存储所有Region的寻址入口
    3. 实时监控Region Server的上线和下线信息，并实时通知master
    4. 存储Hbase的schema和table元数据
    
Master:
    1. 为Region Server分配region
    2. 负责Region Server的负载均衡
    3. 发现失效的Region Server并重新分配其上的region
    4. 管理用户对table的增删改操作
    
Region Server：
    1. 维护region，处理对这些region的IO请求
    2. 负责切分在运行过程中变的过大的region
    
Rgion：
    1. HBase自动把表水平分成多个区域（region),每个region会报错一个表里面某段连续的数据；每个表一开始只有一个region，随着数据不断插入表，region不断增大，当增大到一个阈值的时候，region就会等分两个新的region（裂变）
    2. 当table中的行不断增多，就会有越来越多的region，这样一张完整的表被保存在多个Region Server上。
    
Memstore于storefile：
    1. 一个region由多个store组成，一个sote对应一个CF（列族）
    2. sotre包含位于内存中的memstore和位于磁盘的storefile写操作先写入memstore，当memstore中的数据达到某个阈值，region server会启动flashcache进程写入storefile，每次写入形成单独的一个storefile。（这样在一个region里面就会产生很多个storefile）
    3. 当storefile文件的数量增长到一定阈值后，系统会进行合并（Minor， Major Compaction），在合并过程中贵进行版本合并和删除工作（Major），形成更大的storefile。
    4. 当一个region所有storefile的大小和超过一定阈值后，会把当前的region分割为两个，并由hmaster分配到相应的region server服务器，实现负载均衡。
    5. 客户端检索数据，现在memstore找，找不到再找storefile。

3.单机模式解压和安装HBase

--单机模式解压和安装HBase
tar -zxvf hbase-0.98.9-hadoop2-bin.tar.gz

--创建软链
ln -sf /root/hbase-0.98.9-hadoop2 /home/hbase

--配置java环境变量
cd /home/hbase/conf/

vi hbase-env.sh

--jdk必须在1.6以上
export JAVA_HOME=/usr/java/jdk1.7.0_67

:wq

--修改hbase-site.xml文件,数据保存到本地
vi hbase-site.xml

<configuration>
<property>
        <name>hbase.rootdir</name>
        <value>file:///opt/hbase</value>
</property>
</configuration>

:wq

--关闭防火墙
service iptables stop

--启动HBase
cd /home/hbase/bin/
./start-hbase.sh

--检查是否已经启动
jps
--查看是否有HMaster进程

--查看监听的端口
netstat -naptl | grep java

--启动浏览器访问
http://node4:60010

3.1.创建t_student表

--进入hbase
cd /home/hbase/bin/
./hbase shell

--创建t_student表
create 't_student' , 'cf1'

hbase(main):003:0> create 't_student' , 'cf1'
0 row(s) in 0.4000 seconds

3.2.查看表t_student

--查看表
list

hbase(main):004:0> list
TABLE                                                                                      
t_student                                                                                  
1 row(s) in 0.0510 seconds

3.3.查看表结构

--查看表结构
desc 't_student'

hbase(main):005:0> desc 't_student'
Table t_student is ENABLED                                                                 
COLUMN FAMILIES DESCRIPTION                                                                
{NAME => 'cf1', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROW', REPLICATION_SCOPE => '
0', VERSIONS => '1', COMPRESSION => 'NONE', MIN_VERSIONS => '0', TTL => 'FOREVER', KEEP_DEL
ETED_CELLS => 'FALSE', BLOCKSIZE => '65536', IN_MEMORY => 'false', BLOCKCACHE => 'true'}   
1 row(s) in 0.1310 seconds

3.4.插入数据

--插入数据
put 't_student' , '007', 'cf1:name', 'hongten'

hbase(main):006:0> put 't_student' , '007', 'cf1:name', 'hongten'
0 row(s) in 0.1750 seconds

3.5.查询table

--查询table
hbase(main):007:0> scan 't_student'
ROW                     COLUMN+CELL                                                        
 007                    column=cf1:name, timestamp=1541162668222, value=hongten            
1 row(s) in 0.0670 seconds

4.完全分布式模式解压和安装HBase

--完全分布式模式解压和安装HBase
--拷贝hbase-0.98.9-hadoop2-bin.tar.gz从节点node1到node2， node3， node4节点上
scp /root/hbase-0.98.9-hadoop2-bin.tar.gz root@node2:~/
scp /root/hbase-0.98.9-hadoop2-bin.tar.gz root@node3:~/
scp /root/hbase-0.98.9-hadoop2-bin.tar.gz root@node4:~/


--解压缩文件
tar zxvf hbase-0.98.9-hadoop2-bin.tar.gz

--创建软链
ln -sf /root/hbase-0.98.9-hadoop2 /home/hbase

cd /home/hbase/conf/

vi hbase-site.xml

--mycluster为集群名称
<property>
    <name>hbase.rootdir</name>
    <value>hdfs://mycluster/hbase</value>
    <description>The directory shared by RegionServers.</description>
</property>
<property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
    <description>The mode the cluster will be in. Possible values are false: standalone and pseudo-distributed setups with managed Zookeeper true: fully-distributed with unmanaged Zookeeper Quorum (see hbase-env.sh)</description>
</property>

<property>
  <name>hbase.zookeeper.quorum</name>
  <value>node1,node2,node3</value>
  <description>Comma separated list of servers in the ZooKeeper Quorum.
  For example, "host1.mydomain.com,host2.mydomain.com,host3.mydomain.com".
  By default this is set to localhost for local and pseudo-distributed modes
  of operation. For a fully-distributed setup, this should be set to a full
  list of ZooKeeper quorum servers. If HBASE_MANAGES_ZK is set in hbase-env.sh
  this is the list of servers which we will start/stop ZooKeeper on.
  </description>
</property>
<property>
  <name>hbase.zookeeper.property.dataDir</name>
  <value>/opt/zookeeper</value>
  <description>Property from ZooKeeper's config zoo.cfg.
  The directory where the snapshot is stored.
  </description>
</property>

:wq

--修改regionservers文件，该文件列出所有region server主机的hostname
vi regionservers

node1
node2
node3
node4

:wq

--修改hbase-env.sh文件

vi hbase-env.sh
--修改java环境变量
export JAVA_HOME=/usr/java/jdk1.7.0_67

--默认为true，使用hbase自带的zookeeper
--修改为false，使用我们自定义的zookeeper
export HBASE_MANAGES_ZK=false

:wq

--使得Hadoop和HBase关联起来
--把hadoop的配置文件hdfs-site.xml拷贝到/home/hbase/conf/目录

cd /home/hbase/conf/
cp -a /home/hadoop-2.5/etc/hadoop/hdfs-site.xml .

--把同样的配置从node1拷贝到node2，node3，node4上面去scp /home/hbase/conf/* root@node2:/home/hbase/conf/scp /home/hbase/conf/* root@node3:/home/hbase/conf/scp /home/hbase/conf/* root@node4:/home/hbase/conf/

--关闭所有节点上的防火墙(node1, node2, node3, node4)
service iptables stop

--在启动HBase之前，我们需要确保zookeeper和hadoop都已经启动
--我们这里在node1，node2，node3，node4上面都有配置hbase，
--启动的时候，随便选择一个节点启动hbase,由于我们之前有配置免密码登录
--所以我们在node1上面启动hbase
cd /home/hbase/bin/

./start-hbase.sh 

输出结果：
[root@node1 bin]# ./start-hbase.sh 
starting master, logging to /home/hbase/bin/../logs/hbase-root-master-node1.out
node3: starting regionserver, logging to /home/hbase/bin/../logs/hbase-root-regionserver-node3.out
node1: starting regionserver, logging to /home/hbase/bin/../logs/hbase-root-regionserver-node1.out
node4: starting regionserver, logging to /home/hbase/bin/../logs/hbase-root-regionserver-node4.out
node2: starting regionserver, logging to /home/hbase/bin/../logs/hbase-root-regionserver-node2.out

--可以在node4上面启动master
cd /home/hbase/bin/

./hbase-daemon.sh start master

输出结果：
[root@node4 bin]# ./hbase-daemon.sh start master
starting master, logging to /home/hbase/bin/../logs/hbase-root-master-node4.out
[root@node4 bin]# jps
28630 HRegionServer
28014 NodeManager
29096 Jps
29004 HMaster
27923 JournalNode
27835 DataNode

--浏览器输入
http://node1:60010

我们在浏览器里面输入http://node1:60010

可以进入Hbase的管理界面，我们可以看到我们在4个节点（node1，node2， node3，node4）上都部署了Region Server。

4.1.创建t_student表

--创建t_student表
create 't_student' , 'cf1'

4.2.插入数据

此时的数据还在memstore里面（即HBase的管理的内存里面）

--插入数据
put 't_student' , '007', 'cf1:name', 'hongten'

4.3.数据从内存写入到磁盘

把memstore的数据写入到storefile里面

--把数据从内存写入到磁盘
flush 't_student'

4.4.再次插入数据

put 't_student' , '001', 'cf1:name', 'Tom'
put 't_student' , '002', 'cf1:name', 'Dive'

4.5.再次把数据写入到磁盘

--把数据从内存写入到磁盘
flush 't_student'

此时我们可以看到，在HDFS上面有两个文件

4.6.手动合并文件

--手动合并文件
major_compact 't_student'

合并之后，两个文件变成了一个文件

4.7.查看文件内容

上面文件的全路径

--查看文件内容
[root@node1 bin]# ./hbase hfile -p -f /hbase/data/default/t_student/022f94b777d76684d7f66e4fcd66cdaf/cf1/8efb9596ac774e839f0775efc55a8ab7
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/root/hbase-0.98.9-hadoop2/lib/slf4j-log4j12-1.6.4.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/root/hadoop-2.5.1/share/hadoop/common/lib/slf4j-log4j12-1.7.5.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
2018-11-02 08:55:29,281 INFO  [main] Configuration.deprecation: fs.default.name is deprecated. Instead, use fs.defaultFS
2018-11-02 08:55:29,429 INFO  [main] Configuration.deprecation: hadoop.native.lib is deprecated. Instead, use io.native.lib.available
2018-11-02 08:55:29,732 INFO  [main] util.ChecksumType: Checksum using org.apache.hadoop.util.PureJavaCrc32
2018-11-02 08:55:29,734 INFO  [main] util.ChecksumType: Checksum can use org.apache.hadoop.util.PureJavaCrc32C
K: 001/cf1:name/1541173663169/Put/vlen=3/mvcc=0 V: Tom
K: 002/cf1:name/1541173670882/Put/vlen=4/mvcc=0 V: Dive
K: 007/cf1:name/1541173242683/Put/vlen=7/mvcc=0 V: hongten
Scanned kv count -> 3

========================================================