HBase(1.4.13)安装和使用

已于 2022-12-27 10:42:36 修改
阅读量3.7k 收藏 11
点赞数 1
分类专栏： 大数据 文章标签： hbase 大数据 hadoop
于 2019-12-05 14:50:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lyq19870515/article/details/103398180
版权

HBase 1.4.12 安装与使用

软件安装
使用
Shell 操作
HBase-Client 基本使用
Filter 使用
导入导出

软件安装
下载
官网地址:
http://hbase.apache.org/

下载列表:
http://hbase.apache.org/downloads.html

当前使用版本下载地址:
https://mirror.bit.edu.cn/apache/hbase/1.4.13/hbase-1.4.13-bin.tar.gz

安装(单机模式)

进入安装目录(个人喜好):
# cd /alidata/server/hadoop

下载文件:
# wget https://mirror.bit.edu.cn/apache/hbase/1.4.13/hbase-1.4.13-bin.tar.gz

解压文件:
# tar -zxvf hbase-1.4.13-bin.tar.gz

查看 JAVA_HOME 环境变量:
# echo $JAVA_HOME
/alidata/server/java/jdk1.8.0_65

配置 hbase-env.sh 文件 :
# vim hbase-1.4.13/conf/hbase-env.sh

# 约 28 行  (设置 JDK 目录)
# export JAVA_HOME=/usr/java/jdk1.8.0/ 改为
export JAVA_HOME=/alidata/server/java/jdk1.8.0_65

# 46 行, 47 行 注释, JKD7 才需要
# export HBASE_MASTER_OPTS="$HBASE_MASTER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m"
# export HBASE_REGIONSERVER_OPTS="$HBASE_REGIONSERVER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m"

# 约 126 行  (改为不使用内置的 zookeeper )
# export HBASE_MANAGES_ZK=true 改为
export HBASE_MANAGES_ZK=false

配置 hbase-site.xml 文件
# vim hbase-1.4.13/conf/hbase-site.xml

<configuration>
	<!-- 配置 HDFS 地址, 和存储根目录 -->
	<property>
		<name>hbase.rootdir</name>
		<value>hdfs://localhost:9000/hbase</value>
	</property>

	<!-- 配置 集群分布式 -->
	<property>
		<name>hbase.cluster.distributed</name>
		<value>true</value>
	</property>

	<!-- 配置 Master端口, 默认配置也是 16000 -->
	<property>
		<name>hbase.master.port</name>
		<value>16000</value>
	</property>

	<!-- 配置 Zookeeper 集群, 因为不是集群所有只设置 localhost -->
	<property>
		<name>hbase.zookeeper.quorum</name>
		<value>localhost</value>
	</property>

	<!-- 配置 Zookeeper 数据文件目录 -->
	<property>
		<name>hbase.zookeeper.property.datadir</name>
		<value>/alidata/server/hadoop/zookeeper-3.4.14/data</value>
	</property>
</configuration>


安装(集群模式)

服务器架构:

server-7server-8server-9
组件Master
RegionServer		RegionServerRegionServer

进入安装目录(个人喜好):
# cd /alidata/server/hadoop

下载文件:
# wget https://mirror.bit.edu.cn/apache/hbase/1.4.13/hbase-1.4.13-bin.tar.gz

解压文件:
# tar -zxvf hbase-1.4.13-bin.tar.gz

查看 JAVA_HOME 环境变量:
# echo $JAVA_HOME
/alidata/server/java/jdk1.8.0_65

配置 hbase-env.sh 文件 :
# vim hbase-1.4.13/conf/hbase-env.sh

# 约 28 行  (设置 JDK 目录)
# export JAVA_HOME=/usr/java/jdk1.8.0/ 改为
export JAVA_HOME=/alidata/server/java/jdk1.8.0_65

# 46 行, 47 行 注释, JKD7 才需要
# export HBASE_MASTER_OPTS="$HBASE_MASTER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m"
# export HBASE_REGIONSERVER_OPTS="$HBASE_REGIONSERVER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m"

# 约 126 行  (改为不使用内置的 zookeeper )
# export HBASE_MANAGES_ZK=true 改为
export HBASE_MANAGES_ZK=false

配置 hbase-site.xml 文件
# vim hbase-1.4.13/conf/hbase-site.xml

<configuration>
	<!-- 配置 HDFS 地址, 和存储根目录 -->
	<property>
		<name>hbase.rootdir</name>
		<value>hdfs://server-7:9000/hbase</value>
	</property>

	<!-- 配置 集群分布式 -->
	<property>
		<name>hbase.cluster.distributed</name>
		<value>true</value>
	</property>

	<!-- 配置 Master端口, 默认配置也是 16000 -->
	<property>
		<name>hbase.master.port</name>
		<value>16000</value>
	</property>

	<!-- 配置 Zookeeper 集群, 因为不是集群所有只设置 localhost -->
	<property>
		<name>hbase.zookeeper.quorum</name>
		<value>server-7,server-8,server-9</value>
	</property>

	<!-- 配置 Zookeeper 数据文件目录 -->
	<property>
		<name>hbase.zookeeper.property.datadir</name>
		<value>/alidata/server/hadoop/zookeeper-3.4.14/data</value>
	</property>
</configuration>

把Hadoop 的 core-site.xml 软连接到 HBase 的配置目录:
# ln -s /alidata/server/hadoop/hadoop-2.10.0/etc/hadoop/core-site.xml /alidata/server/hadoop/hbase-1.4.13/conf/core-site.xml

以上配置Server-7, Server-8, Server-9 都需要配置. 配置内容完全一致.


使用
常用命令

开启 Master :
# sh hbase-1.4.13/bin/hbase-daemon.sh start master

关闭 Master:
# sh hbase-1.4.13/bin/hbase-daemon.sh stop master

开启 RegionServer :
# sh hbase-1.4.13/bin/hbase-daemon.sh start regionserver

停止 RegionServer :
# sh hbase-1.4.13/bin/hbase-daemon.sh stop regionserver

集群群体开启命令:
# sh hbase-1.4.13/bin/start-hbase.sh
集群群体关闭命令:
# sh hbase-1.4.13/bin/stop-hbase.sh
使用server-7执行


管理平台
http://127.0.0.1:16010/master-status

常见问题
java.net.connectexception: call to localhost/127.0.0.1:16020 failed on connection exception
问题原因

Master 把访问regionserver的本地IP返回给了客户端, 客户端当然无法访问本地IP.

解决办法

# vim hbase-1.4.13/conf/hbase-site.xml

<property>
        <name>hbase.regionserver.hostname.disable.master.reversedns</name>
        <value>true</value>
</property>

操作

进入 Shell 操作模式
# sh hbase-1.4.13/bin/hbase shell


命名空间
# 创建命名空间
# 格式 create_namespace '命名空间名'
> create_namespace 'np'

# 查看命名空间列表
# 格式 list_namespace
> list_namespace

# 删除命名空间
# 格式 drop_namespace '命名空间名'
> drop_namespace 'np'

表
# 创建表
# 格式 create '命名空间名:表明','列族名'
> create 'np:student','info'


# 创建多个列簇表
# 格式 create '命名空间名:表明','列族名1', '列簇名2'
> create 'np:student','info','detail'


# 创建表, 指定列簇和版本数
# create '命名空间名:表明',{NAME => '列族名1', VERSIONS => 2}
> create 'np:student', {NAME => 'info', VERSIONS => 2}


# 创建预分区
# 格式 create '命名空间名:表明','列族名1','列簇名2',SPLITS=>['分区1','分区2','分区3']
> create 'np:student','info','detail',SPLITS=>['100','500','999']


# 查看表列表
# 格式 list
> list


# 删除表 (删除表之前必须先 disable 表)
# 格式 disable '命名空间名:表名'
> disable 'np:student'
# 格式 drop '命名空间名:表名'
> drop 'np:student'


# 清空表数据 不保留预分区
# 格式 truncate '命名空间名:表名' 
> truncate 'np:student'


# 清空表数据 保留预分区 建议使用此命令
# 格式 truncate_preserve '命名空间名:表名' 
> truncate_preserve 'np:student'


# 查询表的详细信息
# 格式 desc '命名空间名:表名'
> desc 'np:student'

数据
# 插入数据
# 格式 put '命名空间名:表名','Row_Key','列族名:字段名','数据'
> put 'np:student','1001','info:name','brando'


# 查询全部数据
# 格式 scan '命名空间名:表名'
> scan 'np:student'


# 查询单条数据
# 格式 get '命名空间名:表名','Row_key'
> get 'np:student','1001'


# 查询单条数据单个字段
# 格式 get '命名空间名:表名','Row_key','列族名:字段名'
> get 'np:student','1001','info:name'


# 查询单条数据-限定到列族
# 格式 get '命名空间名:表名','Row_key','列族名:字段名', '列族名:字段名'...
> get 'np:student','1001','info:name','info:age'...


# 查询单条数据多个字段
# 格式 get '命名空间名:表名','Row_key','列族名:字段名', '列族名:字段名'...
> get 'np:student','1001','info:name','info:age'...

# 统计表数据条数, 在 HBase/bin 目录下执行.
# ./hbase org.apache.hadoop.hbase.mapreduce.RowCounter 'np:student'

HBase-Client 基本使用

引入包:
<dependency>
	<groupId>org.apache.hbase</groupId>
	<artifactId>hbase-client</artifactId>
	<version>1.4.13</version>
</dependency>

外网连接配置

修改Window Host 文件

# 外网地址,     外网主机名称.
114.114.114.114	  server-7

获取连接
package org.brando;

import org.brando.tools.HBaseTools;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.*;
import org.apache.hadoop.hbase.filter.CompareFilter;
import org.apache.hadoop.hbase.filter.SingleColumnValueFilter;
import org.apache.hadoop.hbase.util.Bytes;

import java.util.Iterator;
import java.util.Map;
import java.util.NavigableMap;
import java.util.Set;

public class HBaseTools {

    public static Connection createConnection() {
        Configuration conf = HBaseConfiguration.create();

        String quorum = "192.168.0.197";
        String znode = "/hbase";
        conf.set("hbase.zookeeper.quorum", quorum);
        conf.set("zookeeper.znode.parent", znode);
        conf.set("hbase.master", quorum + ":9001");
        Connection conn = null;
        try {
            conn = ConnectionFactory.createConnection(conf);
            Assert.assertNotNull(conn);
        } catch (IOException e) {
            e.printStackTrace();
        }
        return conn;
    }
    
    public static void close(Connection conn) {
        try {
            conn.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
    
    public static void closeTable(Table table) {
        try {
            table.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

创建表
Connection conn = HBaseTools.createConnection();

//设置表名, np(空间名):student(表名)
TableName tableName = TableName.valueOf("np:student");
HTableDescriptor tableDescriptor = new HTableDescriptor(tableName);

//设置列簇, 可添加多个
HColumnDescriptor hColumnDescriptor = new HColumnDescriptor("info");
tableDescriptor.addFamily(hColumnDescriptor);

// 建表时设置 预分区,
byte[][] splitKeys = { Bytes.toBytes("3000"), Bytes.toBytes("6000"), Bytes.toBytes("9000") };
// 不使用预分区可以使用: conn.getAdmin().createTable(tableDescriptor) 创建表
conn.getAdmin().createTable(tableDescriptor, splitKeys);

Table table = conn.getTable(tableName);

HBaseTools.closeTable(table);
HBaseTools.close(conn);

获取表
	Connection conn = HBaseTools.createConnection();
    TableName tableName = TableName.valueOf("np:student");
    Table table = conn.getTable(tableName);

Put值
        Connection conn = HBaseTools.createConnection();
        TableName tableName = TableName.valueOf("np:student");

        Table table = conn.getTable(tableName);
        //设置rowkey
        Put put = new Put(Bytes.toBytes("rowkey"));
        put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("brando"));
        // 注意:
        // Bytes.toBytes(28) 是 int 类型
        // Bytes.toBytes("28") 是 String 类型
        put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("age"), Bytes.toBytes(28));
        table.put(put);

获取列簇信息和值
        Get get = new Get(Bytes.toBytes("rowkey"));
        Result result = table.get(get);
        //info: 列簇
        NavigableMap<byte[], byte[]> navigableMap = result.getFamilyMap(Bytes.toBytes("info"));
        Set<Map.Entry<byte[], byte[]>> entries = navigableMap.entrySet();
        for(Map.Entry<byte[], byte[]> entry : entries) {
            System.out.println(new String(entry.getKey()));
            System.out.println(new String(entry.getValue()));
        }

直接获取值
	Get get = new Get(Bytes.toBytes("rowkey"));
    Result result = table.get(get);
    // info: 列簇, name: 列名
	byte[] nameByte = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("name"));
	String name = new String(nameByte);
	System.out.println("name:" + name);

Filter 使用

CompareOp 枚举值
    @Public
    @Stable
    public static enum CompareOp {
        LESS,				//小于
        LESS_OR_EQUAL,		//小于等于
        EQUAL,				//等于
        NOT_EQUAL,			//不等于
        GREATER_OR_EQUAL,	//大于等于
        GREATER,			//大于
        NO_OP;				//不操作
        private CompareOp() {
        }
    }

单列值过滤 (SingleColumnValueFilter)

作用: 比较一列值的大小, 或者是否相等.

//给出一个完整类, 后面就只给出 Filter 的使用.
package org.brando;

import org.brando.tools.HBaseTools;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.*;
import org.apache.hadoop.hbase.filter.CompareFilter;
import org.apache.hadoop.hbase.filter.SingleColumnValueFilter;
import org.apache.hadoop.hbase.util.Bytes;

import java.util.Iterator;
import java.util.Map;
import java.util.NavigableMap;
import java.util.Set;

public class Launcher {

    public static void main(String[] args) throws Exception {
        Connection conn = HBaseTools.createConnection();
        // np:student: 空间名:表名
        TableName tableName = TableName.valueOf("np:student");
        Table table = conn.getTable(tableName);

        SingleColumnValueFilter singleColumnValueFilter = new SingleColumnValueFilter(
                Bytes.toBytes("info"),	//列簇名
                Bytes.toBytes("age"),	//需要比较的列名
                CompareFilter.CompareOp.LESS,	//比较操作符, 小于
                Bytes.toBytes("20")		//比较的值
        );
   		// 翻译成SQL: SELECT * FROM student t WHERE t.age < 20
   		
        Scan scan = new Scan();
        scan.setFilter(singleColumnValueFilter);

        ResultScanner resultScanner = table.getScanner(scan);
        Iterator<Result> iterator = resultScanner.iterator();
        while (iterator.hasNext()) {
            Result result = iterator.next();
            NavigableMap<byte[], byte[]> navigableMap = result.getFamilyMap(Bytes.toBytes("info"));
            Set<Map.Entry<byte[], byte[]>> entries = navigableMap.entrySet();
            for(Map.Entry<byte[], byte[]> entry : entries) {
                System.out.println(new String(entry.getKey()));
                System.out.println(new String(entry.getValue()));
            }
        }
        HBaseTools.closeTable(table);
        HBaseTools.close(conn);
    }
}

多条件过滤 (FilterList)
package org.brando;

import com.atomic.tools.HBaseTools;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.*;
import org.apache.hadoop.hbase.filter.CompareFilter;
import org.apache.hadoop.hbase.filter.FilterList;
import org.apache.hadoop.hbase.filter.SingleColumnValueFilter;
import org.apache.hadoop.hbase.util.Bytes;

import java.util.Iterator;
import java.util.Map;
import java.util.NavigableMap;
import java.util.Set;

public class Launcher {

    public static void main(String[] args) throws Exception {
        Connection conn = HBaseTools.createConnection();
        TableName tableName = TableName.valueOf("np:student");
        Table table = conn.getTable(tableName);

        SingleColumnValueFilter ageFilter = new SingleColumnValueFilter(
                Bytes.toBytes("info"),
                Bytes.toBytes("age"),
                CompareFilter.CompareOp.LESS,
                Bytes.toBytes(20)
        );

        SingleColumnValueFilter genderFilter = new SingleColumnValueFilter(
                Bytes.toBytes("info"),
                Bytes.toBytes("gender"),
                CompareFilter.CompareOp.EQUAL,
                Bytes.toBytes(0)
        );
		// 翻译成SQL: SELECT * FROM student t WHERE t.age < 20 AND t.gender = 0

        // 设置, 缺失值过滤.
        ageFilter.setFilterIfMissing(true);
        genderFilter.setFilterIfMissing(true);
        
        FilterList filterList = new FilterList(FilterList.Operator.MUST_PASS_ALL);
        filterList.addFilter(ageFilter);
        filterList.addFilter(genderFilter);

        Scan scan = new Scan();
        scan.setFilter(filterList);

        ResultScanner resultScanner = table.getScanner(scan);
        Iterator<Result> iterator = resultScanner.iterator();
        while (iterator.hasNext()) {
            Result result = iterator.next();
            NavigableMap<byte[], byte[]> navigableMap = result.getFamilyMap(Bytes.toBytes("info"));
            Set<Map.Entry<byte[], byte[]>> entries = navigableMap.entrySet();
            for(Map.Entry<byte[], byte[]> entry : entries) {
                System.out.println(new String(entry.getKey()));
                System.out.println(new String(entry.getValue()));
            }
        }
        HBaseTools.closeTable(table);
        HBaseTools.close(conn);
    }
}

行键过滤 (RowFilter)

该过滤器主要用于对 Rowkey 的过滤, 可以结合上面的多条件过滤器和下面的各种比较器来实现比较和过滤.

RowFilter rowFilter = new RowFilter(
	CompareFilter.CompareOp.EQUAL,	//比较操作符
	new BinaryPrefixComparator(Bytes.toBytes("001_01"))	
	//二进制前缀比较器, 按字典顺序比较.
);

正则比较器 (RegexStringComparator)
SingleColumnValueFilter nameFilter = new SingleColumnValueFilter(
	Bytes.toBytes("info"),
	Bytes.toBytes("name"),
	CompareFilter.CompareOp.EQUAL,  // 自定义比较器必须传 EQUAL
	new RegexStringComparator("^Bran")    // Bran 开头的正则表达式
);
// 翻译成SQL: SELECT * FROM student t WHERE t.name LIKE 'Bran%'

包含比较器 (SubstringComparator)
SingleColumnValueFilter nameFilter = new SingleColumnValueFilter(
	Bytes.toBytes("info"),
	Bytes.toBytes("name"),
	CompareFilter.CompareOp.EQUAL,  //自定义比较器必须传 EQUAL
	new SubstringComparator("ran")
);
// 翻译成SQL: SELECT * FROM student t WHERE t.name LIKE '%ran%'

二进制前缀比较器 (BinaryPrefixComparator)
SingleColumnValueFilter nameFilter = new SingleColumnValueFilter(
	Bytes.toBytes("info"),
	Bytes.toBytes("name"),
	CompareFilter.CompareOp.EQUAL,  //自定义比较器必须传 EQUAL
	new BinaryPrefixComparator(Bytes.toBytes("Bran"))
);
// 效率比正则快
// 翻译成SQL: SELECT * FROM student t WHERE t.name LIKE 'Bran%'

二进制比较器 (BinaryComparator)
SingleColumnValueFilter nameFilter = new SingleColumnValueFilter(
	Bytes.toBytes("info"),
	Bytes.toBytes("name"),
	CompareFilter.CompareOp.EQUAL,  //可以传入其他比较方式, 按字典顺序比较
	new BinaryComparator(Bytes.toBytes("Brando"))
);
// 单列值过滤 默认使用 二进制比较器 (BinaryComparator)
// 翻译成SQL: SELECT * FROM student t WHERE t.name = 'Brando'

导入导出

导出
hbase org.apache.hadoop.hbase.mapreduce.Export 'np:table_name' /tmp/hbase_export

导入
# 先创创建表结构在导入表内容.
# create 'np:table_name','i'
# hbase org.apache.hadoop.hbase.mapreduce.Import 'np:table_name' hdfs://127.0.0.1/tmp/hbase_export/
BrandoLv
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Hadooop下安装并配置HBase1.4.13
weixin_45860475的博客
10-11 366
** 主要参考HBase2.2.2安装和编程实践指南 ** 本教程运行环境实在Ubuntu-64位系统下，安装之前确保你的电脑已经安装了Hadoop2.7.7 1.HBase1.4.13安装 在下面的地址下载HBase到本地 http://archive.apache.org/dist/hbase/ 1.1解压安装包hbase-1.4.13-bin.tar.gz至路径/usr/local,命令如下： cd ~ sudo tar -zxf ~/下载/hbase-2.2.2-bin.tar.gz -C /us
HBase1.4.13安装步骤
10-11
本文将详细解析HBase 1.4.13的安装步骤，以及如何进行单机模式和伪分布式模式的配置，同时也会涉及使用HBase Java API进行编程实践。 首先，安装HBase 1.4.13的过程从获取安装包开始，通常推荐从可靠的镜像源下载，...
hbase 1.4.13 安装部署
Little_fxc的博客
11-30 311
title: hbase 1.4.13 安装部署 date: 2020-09-16 17:19:13 categories: 大数据 tags: hbase,大数据 文章目录认识HBaseHBase介绍HBase集群角色hbase 架构安装前期准备服务器分配解压安装文件到指定目录修改配置文件hbase-env.shhbase-site.xmlregionservers解决依赖问题软链接hadoop配置复制到其他节点配置环境变量修改防火墙启动集群关闭集群UI 展示hbase shell的一些命令参考资源 .
【大数据】分布式数据库HBase下载安装教程
最新发布
Joker_ZJN的博客
05-09 1620
一文详解HBase下载安装教程。
Centos7下安装HBase1.4.13
A_saying的博客
11-11 334
Centos7下安装HBase1.4.13 一、环境基础 安装Hbase前需要确保已经安装了hadoop和zookeeper，可参考Centos7下安装Hadoop2.8.5和Centos7下安装zookeeper伪集群 二、安装HBase1.4.13 1、使用工具将windows中下载的HBase的安装包复制到Centos环境下，并切换到hadoop用户，对压缩包解压 su hadoop tar -zxvf hbase-1.4.13-bin.tar.gz 解压后重命名并移除压缩包 mv hbase-1.
hbase1.4.13单机及伪分布式安装与配置
linjixia的博客
03-25 1380
本教程基本全程参考该教程：参考教程 下载地址： 官网：http://archive.apache.org/dist/hbase/ 清华镜像：https://mirrors.tuna.tsinghua.edu.cn/apache/hbase/ root授权： sudo su 解压包到指定目录： tar xzvf hbase-1.4.13-bin.tar.gz /usr/local/ 查看是否解压好了： cd /usr/local ls 改名： mv hbase-1.4.13 hbase 在开始
简单搭建hbase-1.4.13
深秋先生的博客
05-07 925
基于hadoop-2.7.7简单搭建hbase-1.4.13
HBase安装
weixin_57821489的博客
12-01 859
前提条件 要先安装对应版本的hadoop和zookeeper，本次安装hbase-1.4.13版本 下载地址：https://mirrors.tuna.tsinghua.edu.cn/apache/hbase/1.4.13/hbase-1.4.13-bin.tar.gz 安装与配置步骤 1：上传HBase到/home/hadoop 2:把HBase压缩文件解压到/usr/local中，使用以下命令： sudo tar -xvf hbase-1.4.13-bin.tar.gz -C /usr/local 3
centos7 hbase1.4.13+hadoop2.7.1+单机环境搭建
主要分享大数据相关的知识，如Spark、Hudi
06-21 603
我的原创地址：https://dongkelun.com/2020/08/14/hbaseConf/ 前言 因后续要学习研究hbase，那就先从搭建hbase开始吧。先搭建一个单机版的，方便自己学习使用。 安装配置hadoop 参考我的另一篇文章：centos7 hadoop 单机模式安装配置 注：这里的JDK为1.8，版本支持如图 下载hbase 下载地址：http://mirror.bit.edu.cn/apache/hbase/ 我下载的是hbase-1.4.13-bin.tar.gz （
伪分布式Hbase安装和配置
m0_55834564的博客
04-15 1977
版本介绍 Centos6.5下Hadoop伪分布式安装 虚拟机软件：Parallels Desktop10 Hadoop各节点节点操作系统：CentOS 6.5 JDK版本：jdk1.8.0 HBase版本：hbase-1.4.13 下载地址：http://archive.apache.org/dist/hbase/ ​ 二、第一步：安装软件 ...
Ubuntu安装HBase
学习日常
02-28 2264
0. 前序 HBase数据库的运行，基于Hadoop系统，包括HDFS、YARN在内的组件，因此在安装HBase之前，Hadoop必须已经安装完成，且集群网络等已配置完成。安装方式详见： Ubuntu安装Hadoophttps://blog.csdn.net/weixin_40901068/article/details/121883498?spm=1001.2014.3001.5501 1. 下载分发安装包 # wget 命令下载 hbase 安装包 wget http://archive.ap
hbase安装和使用
04-23
本资源主要涵盖了HBase的安装与使用，下面将详细介绍这两个方面。 一、HBase安装 1. **系统需求**：HBase通常运行在Linux环境下，因此首先确保你的服务器或开发环境是Linux。同时，需要安装Java Development Kit ...
HBase安装和使用.pdf
03-28
HBase 安装和使用 HBase 是一个分布式的、面向列的 NoSQL 数据库，基于 Google 的 BigTable，主要用于存储和处理大量数据。下面是 HBase 的安装和使用相关知识点。 一、HBase 数据模型 HBase 的数据模型主要包括...
hbase-1.4.13-bin
07-20
hbase-1.4.13-bin
CDH-Hbase的安装1
08-03
首先，安装HBase的前提条件是已经部署了HDFS（Hadoop分布式文件系统）和Zookeeper。Zookeeper是一个分布式协调服务，对于HBase的正常运行至关重要，因为它负责集群中的节点管理和配置同步。在确保这两个服务已经安装...
Zookeeper 安装 (3.4.14)
BrandoLv
12-04 3880
Zookeeper 3.4.14 安装 (本地模式) 软件安装 下载 安装 使用 开启 常用命令 软件安装 下载 官网地址: http://zookeeper.apache.org/ 下载地址: http://mirror.bit.edu.cn/apache/zookeeper/zookeeper-3.4.14/zookeeper-3.4.14.tar.gz 安装 进入目录: # c...
Flink 1.11.1 安装及使用
BrandoLv
08-06 2227
Flink 1.11.1 安装及使用 软件安装 下载 本地模式安装 集群模式安装 使用 开启 常用命令 软件安装 下载 官网地址: http://flink.apache.org/ 下载地址: https://mirrors.bfsu.edu.cn/apache/flink/flink-1.11.1/flink-1.11.1-bin-scala_2.11.tgz 本地模式安装 进入目录: # cd /alidata/server/hadoop/ 下载文件: # wget https://mi
Hadoop伪分布式配置(2.10.0)
BrandoLv
12-04 1921
Hadoop (2.10.0) 伪分布式配置 配置 core-site.xml 配置 hadoop-env.sh 配置 hdfs-site.xml 配置 格式化HDFS 启动NameNode 启动DataNode 访问Hadoop管理平台 配置 Hadoop 的配置文件基本都在 安装目录下 etc/hadoop 目录下 core-site.xml 配置 进入 Hadoop 目录: # cd...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值