HBase-简介-安装配置

红太狼 2021-03-26 14:36 561阅读 0赞

# 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。

## 1.2HBase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：

![1604514-20190611202632744-1754171680.png][]

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 ##

### 1.3.1HMaster ###

**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>

<name>hbase.rootdir</name>

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

</property>

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

</property>

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

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

</property>

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

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

</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>