hbase集群部署与测试（2017）

Posted 2021-02-10

部署hbase的集群
首先我们要需要一个hadoop集群、至少要有一个hdfs的集群和zookeeper集群
用HA集群的可用性号，由于做实验，没必要这么多集群，那么就不用HA集群
第一步看一下hdfs是否正常
启动hdfs
start-dfs.sh
启动zookeeper看是否正常(每台机器上都手动启动zookeeper)
./zkServer.sh start
检查zookeeper的工作状态
./zkServer.sh status
我们可以输入
hdfs dfsadmin -report 来查看集群的工作信息
前期工作准备好了，接下来就是搭建hbase
首先上传hbase的安装包（注意：这里hbase的安装包必须要和之前安装的hadoop的安装包匹配要支持你所安装的hadoop）
我安装的hadoop是2系类的所有下载hbase时也要下载支持2系类的

上传到主机上目录上
解压 tar -zxvf hbase文件名 -C app/

在运行的机器上docs文档可以删除来节省空间
rm -rf docs/

我们要到conf里面去修改配置文件
cd conf/
修改3个配置文件 hbase-env.sh hbase-site.xml regionservers
首先我们修改hbase-env.sh
vi hbase-env.sh
修改export JAVA_HOME=/usr/local/apps/jdk1.8.0_121修改成你安装的jdk的安装目录
在另外一台机器上执行echo $JAVA_HOME 找到jdk的安装目录。
接下来我们找一下export HBASE_MANAGES_ZK=true（在键盘上按ESC：/ZK 就可以自动找到）
export HBASE_MANAGES_ZK=true（告诉hbase他内部要不要管理zookeeper的管理实例hbase内部自己自带的zookeeper 因为hadoop组件里面各种各种的组件都需要zookeeper，在这里我们要把export HBASE_MANAGES_ZK=false，不要让hbase管理自己的zookeeper，如果hbase停掉了，他不会去把我们的zookeeper去关掉）

接下来修改hbase-site.xml(最主要的配置文件)
vi hbase-site.xml
<configuration>

hbase.rootdir hdfs://hadoop-server-00:9000/hbase hbase.cluster.distributed true hbase.zookeeper.quorum hadoop-server-00:2181,hadoop-server-01:2181,hadoop-server-02:2181 接下来修改regionservers vi regionservers 修改为： hadoop-server-00 hadoop-server-01 hadoop-server-02 保存退出 注意：我们要把hadoop中的hdfs-site.xml 和 core-site.xml 配置文件放到hbase/conf下 pwd /usr/local/apps/hbase-0.98.24-hadoop2/conf cp /usr/local/apps/hadoop-2.6.5/etc/hadoop/hdfs-site.xml ./ cp /usr/local/apps/hadoop-2.6.5/etc/hadoop/core-site.xml ./ 接下来我们要把在00上配置的hbase信息拷贝到01 02机器上 [[email protected] apps]# scp -r hbase-0.98.24-hadoop2/ hadoop-server-01:/usr/local/apps/ [[email protected] apps]# scp -r hbase-0.98.24-hadoop2/ hadoop-server-02:/usr/local/apps/ 启动hbase前必须保证hdfs的集群和zookeeper集群正常工作 启动hbase，首先看一下bin目录里面有上面脚本 cd bin/ 在bin目录下启动hbase ./start-hbase.sh（在那台机器上启动，你就在那台机器上出现Hmaster 其他的集群机器出现QuorumPeerMain） 我们要在集群中实现高可用性（HA）就要再启动一个Hmaster，那么随便在那台机器上都可以，只要你安装了hbase的安装包 随便在那台机器上却换到bin目录下看到hbase-daemon.sh ./hbase-daemon.sh statrt master（这样就会有两台Hmaster） **hbase命令行客户端简单使用** 在hbase的安装包bin目录下有一个hbase ./hbase shell 启动一个shell这样的交互的客户端 进入了数据库操作界面hbase(main):001:0> 可以再这后面进行hbase的命令操作 里面不可以用mysql的语句命令，他是不认识的，他有自己的一套语法， 第一次进入这个里面，你输入的东西是不可以往回删除的，我们需要在session Option做一个设置 点击Emulation 选择linux 在Mapped Keys 把Backspace sends delete前面的沟 沟上 可以用help查看命令 Group name: ddl 数据定义语言 Group name: dml 数据操作语言 Group name: namespace 名称空间（也就是mysql中的库的概念） Group name: tools 运维的工具 Group name: replication 做副本备份的工具 Group name: snapshots 快照的工具 Group name: security 做安全验证的工具命令 status 查看状态 version 查看数据库的版本号 whoami 查看是哪个用户操作的此数据库 list 查看哪些表 查找一个字段值的坐标 表名---->rowkey---->列族名---->列----->版本号（版本号可以不指定，他默认返还给一个最新的值） hbase表中，只支持一种数据类型：byte[] hbase命令行客户端创建表和插入数据以及表的排序特性 hbase> create ‘t1‘, {NAME => ‘f1‘,VERSIONS => 1}, {NAME => ‘f2‘}, {NAME => ‘f3‘} ‘t1‘表示：表名 {NAME => ‘f1‘}, {NAME => ‘f2‘}, {NAME => ‘f3‘}表示：列族名 VERSIONS 表示：f1这个列族里面最多可以保存几个版本 现在我们来创建一个表 create ‘user_info‘, {NAME => ‘base_info‘,VERSIONS => 3},{NAME => ‘extra_info‘} 创建好后可以用list来看，就有这张表的存在了（其实在网页上也可以看到） 用put命令在插入数据 直接按put看系统提供的例子hbase> put ‘t1‘, ‘r1‘, ‘c1‘, ‘value‘, ts1 ‘t1‘ 表示：表名 ‘r1‘ 表示：行键 ‘c1‘ 表示：列名（列名属于列族 列族和列名一起写） ‘value‘ 表示：你所插入列名的值 ts1 表示：事件搓（一般不需要手动去定义） 比如 put ‘user_info‘,‘rk0001‘,‘base_info:id‘,‘1‘ put ‘user_info‘,‘rk0001‘,‘base_info:name‘,‘zhangsan‘ put ‘user_info‘,‘rk0001‘,‘base_info:age‘,‘20‘ put ‘user_info‘,‘rk0001‘,‘extra_info:address‘,‘beijing‘ (在第一行中插入了四个字段和值：分别是base_info中的id name age 和extra_info中的address) put ‘user_info‘,‘rk0002‘,‘base_info:id‘,‘2‘ put ‘user_info‘,‘rk0002‘,‘base_info:name‘,‘lisi‘ put ‘user_info‘,‘rk0002‘,‘base_info:sex‘,‘male‘ (插入了两行数据) 接下来我们来查询一下 在dml中的get来查询数据针对一行 scan对整个表的扫描 scan ‘user_info‘(查看的整个表) scan也可以指定起始的范围，不需要对整个表进行扫描 表很大的时候 scan ‘t1‘, {COLUMNS => [‘c1‘, ‘c2‘], LIMIT => 10, STARTROW => ‘xyz‘} ‘t1‘ 表示：表名 COLUMNS => [‘c1‘, ‘c2‘] 表示：要返还哪些列 STARTROW => ‘xyz‘ 表示：范围起始的行 LIMIT => 10要查询多少行 比如： scan ‘user_info‘, {LIMIT => 2, STARTROW => ‘rk0001‘} hbase(main):030:0> scan ‘mjh_shiyanshuju:mjh_hbase‘, {COLUMNS => [‘b‘, ‘ct‘], LIMIT => 1, STARTROW => ‘001‘} ROW COLUMN+CELL 001 column=b:balance, timestamp=1521192923285, value=10000.00 001 column=ct:email, timestamp=1521192923285, [email protected] 001 column=ct:tep, timestamp=1521192923285, value=123456789 1 row(s) in 0.0600 seconds hbase怎么查询表里的总纪录数呢？ hbase(main):010:0> count ‘vargo:vargo_hbase‘ 3 row(s) in 0.0300 seconds => 3 他的排列的顺序是不一定是我们插入时的顺序，他的内部会给我们自动排序，排序后会给我们存放进去，他不是按照我们插入的先后顺序排序而是按照字段的名字来排序（他是按照字母的排序大小来排序的a~z） （hbase的表中，列族和kv都会自动排序，排序的规律是按照列族名和列名的字典顺序，行也会排序，根据行健的字典顺序） 比如是按照以下顺序排列 rk0001 rk0001 rk0001 rk0001 rk00010 rk00010 rk00010 rk0002 rk0002 rk0002 用get命令在查询数据 get ‘t1‘, ‘r1‘, {COLUMN => ‘c1‘, TIMERANGE => [ts1, ts2], VERSIONS => 4} COLUMNS => ‘c1‘ 表示：要返还哪些列 VERSIONS => 4 表示：返还的版本号 TIMERANGE => [ts1, ts2]：时间搓 比如： get ‘user_info‘ ,‘rk0001‘ get ‘user_info‘ ,‘rk0001‘,{COLUMN => ‘base_info:name‘,VERSIONS => 3} hbase命令行客户端管理名称空间 Group name: namespace 名称空间（也就是mysql中的库的概念） 我们可以在不同的名称空间里创建不同的表 create_namespace ‘orderdb‘ create ‘orderdb:t_order‘,‘f1‘,‘f2‘ 查看名称空间 list_namespace 删除名称空间 disable ‘orderdb:t_order‘(禁用‘orderdb:t_order‘中的表) drop ‘orderdb:t_order‘ （删除‘orderdb:t_order‘中的表） drop_namespace ‘orderdb‘（删除‘orderdb‘名称空间） hbase(main):015:0> count ‘vg_device‘ Current count: 1000, row: 948069935274401803 1586 row(s) in 0.3650 seconds => 1586 hbase(main):016:0> truncate ‘vg_device‘ (情况表语句) Truncating ‘vg_device‘ table (it may take a while): - Disabling table... - Truncating table... 0 row(s) in 3.3790 seconds hbase(main):017:0> count ‘vg_device‘ 0 row(s) in 0.2500 seconds => 0 **lsdf命令重写出现界面hbase（main）>图标** **Hbase 建表基本命令总结**:https://blog.csdn.net/kky2010_110/article/details/12616137 **HBase scan shell操作详解**：https://blog.csdn.net/vaq37942/article/details/54949428 **Hbase在HDFS上的各个目录作用** https://blog.csdn.net/jsjsjs1789/article/details/52739356 1、/hbase/.META. 就是存储1中介绍的 META 表的存储路径。 2、/hbase/.archive HBase 在做 Split或者 compact 操作完成之后，会将 HFile 移到.archive 目录中，然后将之前的 hfile 删除掉，该目录由 HMaster 上的一个定时任务定期去清理。 3、/hbase/.corrupt 存储HBase做损坏的日志文件，一般都是为空的。 4、/hbase/.hbck HBase 运维过程中偶尔会遇到元数据不一致的情况，这时候会用到提供的 hbck 工具去修复，修复过程中会使用该目录作为临时过度缓冲。 5、/hbase/WAL 大家都知道 HBase 是支持 WAL（Write Ahead Log） 的，HBase 会在第一次启动之初会给每一台 RegionServer 在.log 下创建一个目录，若客户端如果开启WAL 模式，会先将数据写入一份到.log 下，当 RegionServer crash 或者目录达到一定大小，会开启 replay 模式，类似 mysql 的 binlog。 6、/hbase/oldlogs 当.logs 文件夹中的 HLog 没用之后会 move 到.oldlogs 中，HMaster 会定期去清理。 7、/hbase/.snapshot hbase若开启了 snapshot 功能之后，对某一个用户表建立一个 snapshot 之后，snapshot 都存储在该目录下，如对表test 做了一个 名为sp_test 的snapshot，就会在/hbase/.snapshot/目录下创建一个sp_test 文件夹，snapshot 之后的所有写入都是记录在这个 snapshot 之上。 8、/hbase/.tmp 当对表做创建或者删除操作的时候，会将表move 到该 tmp 目录下，然后再去做处理操作。 9、/hbase/hbase.id 它是一个文件，存储集群唯一的 cluster id 号，是一个 uuid。 10、/hbase/hbase.version 同样也是一个文件，存储集群的版本号，貌似是加密的，看不到，只能通过web-ui 才能正确显示出来。 ———————————————————————————————————————————————————————————————————————————————————————————————————— 2019/1/16 星期三 HBase二级索引实现方案 https://blog.csdn.net/wypersist/article/details/79830811 HBase的局限性 ： HBase本身只提供基于行键和全表扫描的查询，而行键索引单一，对于多维度的查询困难。 HBase的一级索引就是rowkey，我们只能通过rowkey进行检索。如果我们相对hbase里面列族的列列进行一些组合查询，就需要采用HBase的二级索引方案来进行多条件的查询。 1. MapReduce方案 2. ITHBASE（Indexed-Transanctional HBase）方案 3. IHBASE（Index HBase）方案 4. Hbase Coprocessor(协处理器)方案 5. Solr+hbase方案 6. CCIndex（complementalclustering index）方案 ---------------------------------------------------------------------------- **详细解释 hbase分布式存储机制简介 //见单独文档** region server 可以由很多个 根据数据的规模来的 regionserver01 regionserver02 regionserver03 用户具体创建的表是在hbase中具体怎么存储的？ 当一个大表的若干行达到一定范围的时候（若干行的数据量达到10G就划分为一个region） 每一个region会交给每一个regionserver去管理