以下基于上篇Hadoop2.6集群部署:http://lizhenliang.blog.51cto.com/7876557/1661354
接下来部署HBase1.0分布式NoSQL数据库,HBase中涉及到HMaster和HRegionServer两个概念。
(注:以下概念来着百度百科)
HMaster主要负责Table和Region管理工作:
1. 管理用户对Table的增、删、改、查操作
2. 管理HRegionServer的负载均衡,调整Region分布
3. 在Region Split后,负责新Region的分配
4. 在HRegionServer停机后,负责失效HRegionServer 上的Regions迁移
HRegionServer主要负责响应用户I/O请求,向HDFS文件系统中读写数据。
HBase工作原理:
HRegionServer内部管理了一系列HRegion对象,每个HRegion对应了Table中的一个Region,HRegion中由多个HStore组成。每个HStore对应了Table中的一个Column Family的存储,可以看出每个Column Family其实就是一个集中的存储单元,因此最好将具备共同IO特性的column放在一个ColumnFamily中,这样最高效。
HStore存储是HBase存储的核心了,其中由两部分组成,一部分是MemStore,一部分是StoreFiles。MemStore是SortedMemory Buffer,用户写入的数据首先会放入MemStore,当MemStore满了以后会Flush成一个StoreFile(底层实现是HFile),当StoreFile文件数量增长到一定阈值,会触发Compact合并操作,将多个StoreFiles合并成一个StoreFile,合并过程中会进行版本合并和数据删除,因此可以看出HBase其实只有增加数据,所有的更新和删除操作都是在后续的compact过程中进行的,这使得用户的写操作只要进入内存中就可以立即返回,保证了HBase I/O的高性能。当StoreFiles Compact后,会逐步形成越来越大的StoreFile,当单个StoreFile大小超过一定阈值后,会触发Split操作,同时把当前Region Split成2个Region,父Region会下线,新Split出的2个孩子Region会被HMaster分配到相应的HRegionServer上,使得原先1个Region的压力得以分流到2个Region上。
在理解了上述HStore的基本原理后,还必须了解一下HLog的功能,因为上述的HStore在系统正常工作的前提下是没有问题的,但是在分布式系统环境中,无法避免系统出错或者宕机,因此一旦HRegionServer意外退出,MemStore中的内存数据将会丢失,这就需要引入HLog了。每个HRegionServer中都有一个HLog对象,HLog是一个实现WriteAhead Log的类,在每次用户操作写入MemStore的同时,也会写一份数据到HLog文件中,HLog文件定期会滚动出新的,并删除旧的文件(已持久化到StoreFile中的数据)。当HRegionServer意外终止后,HMaster会通过Zookeeper感知到,HMaster首先会处理遗留的 HLog文件,将其中不同Region的Log数据进行拆分,分别放到相应region的目录下,然后再将失效的region重新分配,领取 到这些region的HRegionServer在Load Region的过程中,会发现有历史HLog需要处理,因此会Replay HLog中的数据到MemStore中,然后flush到StoreFiles,完成数据恢复。
HBase高可用实现方式:
HBase同样分为Active和Standby,把数据存储在Zookeeper,可以启动两个或多个HMaster服务进程,第一个启动的做为HBase活动节点,其余的作为备用节点。如果一台故障,Zookeeper会选择出备用节点成为活动节点,让他接管故障的活动节点任务,保证总有一个Master运行。
二、HBase安装与配置(每台都要配置)
1.安装配置
# tar zxvf hbase-1.0.1.1-bin.tar.gz # mv hbase-1.0.1.1 /opt # vi hbase-env.sh export JAVA_HOME=/usr/local/jdk1.7 export HBASE_MANAGES_ZK=false #关闭通过内置Zookeeper管理HBase
# vi hbase-site.xml <configuration> <!--HBase数据目录位置--> <property> <name>hbase.rootdir</name> <value>hdfs://hcluster/hbase</value> </property> <!--启用分布式集群--> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <!--默认HMaster HTTP访问端口--> <property> <name>hbase.master.info.port</name> <value>16010</value> </property> <!--默认HRegionServer HTTP访问端口--> <property> <name>hbase.regionserver.info.port</name> <value>16030</value> </property> <!--不使用默认内置的,配置独立的ZK集群地址--> <property> <name>hbase.zookeeper.quorum</name> <value>HSlave0,HSlave1,HSlave2</value> </property> </configuration>
# vi regionservers HSlave0 HSlave1 HSlave2
2. 配置系统变量
# vi /etc/profile HBASE_HOME=/opt/hbase-1.0.1.1 PATH=$PATH:$HBASE_HOME/bin export HBASE_HOME PATH # source /etc/profile
3. 启动HBase
分别在HMaster0和HMaster1启动hmaster:
# start-hbase.sh
分别在 HSlave0/1/2启动HRegionServer:
# hbase-daemon.sh start regionserver
4. 检查是否启动成功
在主备节点查看有HMaster进程说明成功:
[root@HMaster0 ~]# jps 2615 DFSZKFailoverController 30027 ResourceManager 29656 NameNode 2841 HMaster 8448 Jps
在RegionServer节点查看有HRegionServer进程说明成功:
[root@HSlave0 ~]# jps 11391 NodeManager 11213 DataNode 11298 JournalNode 10934 QuorumPeerMain 12571 HRegionServer 7005 Jps
通过访问WEB页面查看:
5. hbase shell常用操作命令
根据下面tb1表的结构来演示hbase增删改查用法:
name | info | address | |
sex | age | ||
zhangsan | 22 | man | beijing |
lisi | 23 | woman | shanghai |
# hbase shell #进入字符页面
5.1 创建表tb1,并有两个列族name、info和address,info列族下有sex和age列
hbase(main):024:0> create 'tb1','name','info','address'
5.2 查看表结构
hbase(main):025:0> describe 'tb1'
5.3 列出所有表
hbase(main):025:0> list
5.4 插入几条记录
hbase(main):028:0> put 'tb1','zhangsan','info:sex','22' hbase(main):039:0> put 'tb1','zhangsan','info:age','man' hbase(main):031:0> put 'tb1','zhangsan','address','beijing' hbase(main):046:0> put 'tb1','lisi','info:age','woman' hbase(main):047:0> put 'tb1','lisi','info:sex','23' hbase(main):048:0> put 'tb1','lisi','address','shanghai'
5.5 查看所有记录(全表扫描)
hbase(main):040:0> scan 'tb1' ROW COLUMN+CELL zhangsan column=address:,timestamp=1435129009088,value=beijing zhangsan column=info:age,timestamp=1435129054098, value=man zhangsan column=info:sex,timestamp=1435128714392, value=22
说明:
ROW:行,用来检索记录的主键。
COLUMN family:列族,是表的一部分,必须在创建表时定义,可以看到列名是以列族作为前缀,一个列族可以有多个列(column)。
CELL:存储单位,存储实际数据,也就是所看到的value,cell中没有数据类型,全部是字节码形式存储。
timestamp:时间戳,可以看做是数据版本号,hbase写时自动赋值,为当前系统时间,精确到毫秒。如果每个cell保存同一份数据多个版本时,可通过时间戳来索引版本。
5.6 统计表中记录总数
hbase(main):050:0> count 'tb1' 2 row(s) in 0.0190 seconds => 2
5.7 查看表中某条记录
hbase(main):054:0> get 'tb1','zhangsan' hbase(main):054:0> get 'tb1','zhangsan' COLUMN CELL address: timestamp=1435129096397,value=beijing info:age timestamp=1435129054098,value=man info:sex timestamp=1435128714392,value=22
5.8 查看表中某行某列族中的所有数据
hbase(main):055:0> get 'tb1','zhangsan','info' COLUMN CELL info:age timestamp=1435129054098,value=man info:sex timestamp=1435128714392,value=22
5.9 更新一条记录(覆盖)
hbase(main):063:0> put 'tb1','zhangsan','info:sex','23' 0 row(s) in 0.0080 seconds
6.0 给lisi增加一个comment字段
hbase(main):070:0> incr 'tb1','lisi','info:comment'
6.1 删除某行某列族数据
hbase(main):065:0> delete 'tb1','zhangsan','info:sex'
6.2 删除某行所有记录
hbase(main):067:0> deleteall 'tb1','zhangsan'
6.3 删除一个表
hbase(main):072:0> disable 'tb1' #先禁用 hbase(main):073:0> drop 'tb1' #再删除