ubuntu2204部署hbase2.3.7

已于 2024-02-28 10:53:00 修改
阅读量958 收藏 20
点赞数 15
分类专栏： 大数据 文章标签： hbase hadoop linux
于 2024-02-28 10:19:58 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/weixin_43169720/article/details/135765111
版权

开启root

修改root用户的密码

sudo passwd root

SSH放行

sudo sed -i 's/^#\?PermitRootLogin.*/PermitRootLogin yes/g' /etc/ssh/sshd_config;
sudo sed -i 's/^#\?PasswordAuthentication.*/PasswordAuthentication yes/g' /etc/ssh/sshd_config;

重启服务

sudo service sshd restart

修改主机名

分别在四台机器上修改

hostnamectl set-hostname --static "server100"
hostnamectl set-hostname --static "server101"
hostnamectl set-hostname --static "server102"
hostnamectl set-hostname --static "server103"

查看主机名

hostname

在这里插入图片描述

修改hosts

vi /etc/hosts

添加以下内容

192.168.30.100 server100
192.168.30.101 server101
192.168.30.102 server102
192.168.30.103 server103

配置免密登录

生成密匙

四台机器上都执行执行

ssh-keygen -t rsa

ssh-copy-id -i ~/.ssh/id_rsa.pub root@server100
ssh-copy-id -i ~/.ssh/id_rsa.pub root@server101
ssh-copy-id -i ~/.ssh/id_rsa.pub root@server102
ssh-copy-id -i ~/.ssh/id_rsa.pub root@server103

关闭防火墙

sudo ufw disable

查看防火墙状态

sudo ufw status

挂载硬盘（如果需要的话）

假设你想要将额外的空间添加到现有的 LVM 逻辑卷 /dev/ubuntu-vg/ubuntu-lv 中：

  1. 首先，使用 lvdisplay 命令查看 LVM 逻辑卷的详细信息，确保有足够的未分配空间可用：

    sudo lvdisplay

    注意其中的 “Free PE / Size” 部分，确保有足够的空间。

  2. 如果有足够的未分配空间，使用 lvextend 命令扩展现有的逻辑卷。假设你有 500G 的空闲空间，命令可能如下所示：

    sudo lvextend -l +100%FREE /dev/ubuntu-vg/ubuntu-lv

    这将利用所有可用的空闲空间进行扩展。

  3. 扩展逻辑卷后，你需要将文件系统扩展到新的空间。对于 ext4 文件系统，可以使用 resize2fs 命令：

    sudo resize2fs /dev/ubuntu-vg/ubuntu-lv

  4. 最后，使用 df -h 命令检查文件系统的大小，确保已经成功扩展。

    df -h

如果你想要使用硬盘的剩余空间，你需要创建一个新的逻辑卷。以下是相应的步骤：

  1. 使用 lvcreate 命令创建一个新的逻辑卷。假设你想要创建一个名为 data-lv 的逻辑卷，可以执行：

    sudo lvcreate -l +100%FREE -n data-lv ubuntu-vg

    这将使用硬盘上所有可用的空闲空间创建一个新的逻辑卷。

  2. 接下来，你需要创建一个文件系统。对于 ext4 文件系统，可以使用 mkfs 命令：

    sudo mkfs -t ext4 /dev/ubuntu-vg/data-lv

  3. 确保目标目录 /data 存在，如果不存在，创建它：

    sudo mkdir /data

  4. 然后，将新创建的逻辑卷挂载到 /data：

     sudo mount /dev/ubuntu-vg/data-lv /data

  5. 最后，如果你希望系统启动时自动挂载 /data，你可以编辑 /etc/fstab 文件，添加一行：

    /dev/ubuntu-vg/data-lv   /data   ext4   defaults   0   0

    保存并退出编辑器。

修改可打开文件数（可选）

vi ~/.bashrc

末尾添加一行

ulimit -n 新的文件打开数

保存并关闭文件，然后重新加载配置文件：

source ~/.bashrc

使用以下命令验证更改是否已生效：

ulimit -n

设置时区：

sudo dpkg-reconfigure tzdata

运行上述命令后，你会看到一个交互式的界面，其中可以选择你所在的地区和城市。选择完毕后，系统将自动更新时区设置。
通过timedatectl命令查看时间状态

安装jdk

上传到/usr/loca目录，然后解压

tar -zxvf jdk-8u202-linux-x64.tar.gz

配置环境变量

vi /etc/profile

JAVA_HOME=/usr/local/jdk1.8.0_202
JRE_HOME=/usr/local/jdk1.8.0_202/jre
CLASS_PATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin
export JAVA_HOME JRE_HOME CLASS_PATH PATH
export HADOOP_HOME=/usr/local/hadoop
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
export HBASE_HOME=/usr/local/hbase
export PATH=$HBASE_HOME/bin:$HBASE_HOME/sbin:$PATH
export LD_LIBRARY_PATH=/usr/local/hadoop/lib/native:$LD_LIBRARY_PATH
export PATH=/usr/local/cmake/bin/:$PATH
export MAVEN_HOME=/usr/local/maven
export PATH=$MAVEN_HOME/bin:$PATH

配置生效

source /etc/profile

本次部署计划四台服务器server100，server102，server101，server103，其中server103作为master节点，其它三个节点作为数据节点

部署zookeeper

在三个agent节点安装zookeeper
上传到/usr/local
解压

tar -zxvf apache-zookeeper-3.7.1-bin.tar.gz

建立软连接，方便后期升级

ln -s apache-zookeeper-3.7.1-bin/ zookeeper

修改配置文件

cd /usr/local/zookeeper/conf

cp zoo_sample.cfg zoo.cfg

vi zoo.cfg

dataDir=/usr/local/zookeeper/tmp

server.1=server100:2888:3888
server.2=server101:2888:3888
server.3=server102:2888:3888

在data目录中创建一个空文件，并向该文件写入ID。

touch /usr/local/zookeeper/data/myid
echo 1 > /usr/local/zookeeper/data/myid

同步配置到其它节点

将配置好的ZooKeeper拷贝到其它节点

scp -r /usr/local/apache-zookeeper-3.7.1-bin root@server101:/usr/local
scp -r /usr/local/apache-zookeeper-3.7.1-bin root@server102:/usr/local

登录server101、server102，创建软链接并修改myid内容
server101

cd /usr/local
ln -s apache-zookeeper-3.7.1-bin zookeeper
echo 2 > /usr/local/zookeeper/data/myid

server102

cd /usr/local
ln -s apache-zookeeper-3.7.1-bin zookeeper
echo 3 > /usr/local/zookeeper/data/myid

运行验证

cd /usr/local/zookeeper/bin
./zkServer.sh start

查看启动状态

./zkServer.sh status

在这里插入图片描述

安装hadoop

将“hadoop-3.2.3.tar.gz”放置于server1节点的“/usr/local”目录，并解压。

cd /usr/local
tar -zxvf hadoop-3.2.3.tar.gz

建立软链接

ln -s hadoop-3.2.3 hadoop

修改配置文件

cd $HADOOP_HOME/etc/hadoop

修改hadoop-env.sh

echo "export JAVA_HOME=/usr/local/jdk1.8.0_202" >> hadoop-env.sh
echo "export HDFS_NAMENODE_USER=root" >> hadoop-env.sh
echo "export HDFS_SECONDARYNAMENODE_USER=root" >> hadoop-env.sh
echo "export HDFS_DATANODE_USER=root" >> hadoop-env.sh

修改yarn-env.sh

echo "export YARN_REGISTRYDNS_SECURE_USER=root" >> yarn-env.sh
echo "export YARN_RESOURCEMANAGER_USER=root" >> yarn-env.sh
echo "export YARN_NODEMANAGER_USER=root" >> yarn-env.sh

修改core-site.xml

vi core-site.xml

<property>
    <name>fs.defaultFS</name>
    <value>hdfs://server103:9000</value>
</property>
<property>
  <name>hadoop.tmp.dir</name>
  <value>/home/hadoop_tmp_dir</value>
</property>
<property>
   <name>ipc.client.connect.max.retries</name>
   <value>100</value>
</property>
<property>
   <name>ipc.client.connect.retry.interval</name>
   <value>10000</value>
</property>
<property>
   <name>hadoop.proxyuser.root.hosts</name>
   <value>*</value>
</property>
<property>
   <name>hadoop.proxyuser.root.groups</name>
   <value>*</value>
</property>

修改hdfs-site.xml

vi hdfs-site.xml

<property>
    <name>dfs.replication</name>
    <value>3</value>
</property>
<property>
    <name>dfs.namenode.name.dir</name>
    <value>/home/data1/hadoop/nn</value>
</property>
<property>
    <name>dfs.datanode.data.dir</name>
<value>/home/data1/hadoop/dn</value>
</property>
<property>
    <name>dfs.namenode.http-bind-host</name>
    <value>0.0.0.0</value>
</property>
<property>
    <name>dfs.datanode.handler.count</name>
    <value>600</value>
</property>
<property>
    <name>dfs.namenode.handler.count</name>
    <value>600</value>
</property>
<property>
    <name>dfs.namenode.service.handler.count</name>
    <value>600</value>
</property>
<property>
    <name>ipc.server.handler.queue.size</name>
    <value>300</value>
</property>
<property>
    <name>dfs.webhdfs.enabled</name>
    <value>true</value>
</property>

修改mapred-site.xml

vi mapred-site.xml

<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
    <final>true</final>
    <description>The runtime framework for executing MapReduce jobs</description>
</property>
<property>
    <name>mapreduce.job.reduce.slowstart.completedmaps</name>
    <value>0.88</value>
</property>
<property>
    <name>mapreduce.application.classpath</name>
    <value>
        /usr/local/hadoop/etc/hadoop,
        /usr/local/hadoop/share/hadoop/common/*,
        /usr/local/hadoop/share/hadoop/common/lib/*,
        /usr/local/hadoop/share/hadoop/hdfs/*,
        /usr/local/hadoop/share/hadoop/hdfs/lib/*,
        /usr/local/hadoop/share/hadoop/mapreduce/*,
        /usr/local/hadoop/share/hadoop/mapreduce/lib/*,
        /usr/local/hadoop/share/hadoop/yarn/*,
        /usr/local/hadoop/share/hadoop/yarn/lib/*
    </value>
</property>
<property>
    <name>mapreduce.map.memory.mb</name>
    <value>6144</value>
</property>
<property>
    <name>mapreduce.reduce.memory.mb</name>
    <value>6144</value>
 </property>
 <property>
    <name>mapreduce.map.java.opts</name>
    <value>-Xmx5530m</value>
</property>
<property>
    <name>mapreduce.reduce.java.opts</name>
    <value>-Xmx2765m</value>
</property>
<property>
    <name>mapred.child.java.opts</name>
    <value>-Xmx2048m -Xms2048m</value>
</property>
<property>
    <name>mapred.reduce.parallel.copies</name>
    <value>20</value>
</property>
<property>
    <name>yarn.app.mapreduce.am.env</name>
    <value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value>
</property>
<property>
    <name>mapreduce.map.env</name>
    <value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value>
</property>
<property>
    <name>mapreduce.reduce.env</name>
    <value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value>
</property>
<property>
    <name>mapreduce.job.counters.max</name>
    <value>1000</value>
</property>

修改yarn-site.xml

vi yarn-site.xml

<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
    <final>true</final>
</property>
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>server1</value>
</property>
<property>
    <name>yarn.resourcemanager.bind-host</name>
    <value>0.0.0.0</value>
</property>
<property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>371200</value>
</property>
<property>
    <name>yarn.scheduler.maximum-allocation-mb</name>
    <value>371200</value>
</property>
<property>
    <name>yarn.scheduler.minimum-allocation-mb</name>
    <value>1024</value>
</property>
<property>
    <name>yarn.nodemanager.resource.cpu-vcores</name>
    <value>64</value>
</property>
<property>
    <name>yarn.scheduler.maximum-allocation-vcores</name>
    <value>64</value>
</property>
<property>
    <name>yarn.scheduler.minimum-allocation-vcores</name> 
    <value>1</value>
</property>
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>
<property>
    <name>yarn.client.nodemanager-connect.max-wait-ms</name>
    <value>300000</value>
</property>
<property>
    <name>yarn.nodemanager.vmem-pmem-ratio</name>
    <value>2.1</value>
</property>
<property>
    <name>yarn.nodemanager.vmem-check-enabled</name>
    <value>false</value>
</property>
<property>
    <name>yarn.nodemanager.pmem-check-enabled</name>
    <value>false</value>
</property>
<property>
    <name>yarn.application.classpath</name>
    <value>
        /usr/local/hadoop/etc/hadoop,
        /usr/local/hadoop/share/hadoop/common/*,
        /usr/local/hadoop/share/hadoop/common/lib/*,
        /usr/local/hadoop/share/hadoop/hdfs/*,
        /usr/local/hadoop/share/hadoop/hdfs/lib/*,
        /usr/local/hadoop/share/hadoop/mapreduce/*,
        /usr/local/hadoop/share/hadoop/mapreduce/lib/*,
        /usr/local/hadoop/share/hadoop/yarn/*,
        /usr/local/hadoop/share/hadoop/yarn/lib/*
    </value>
</property>
<property>
    <name>yarn.nodemanager.local-dirs</name>
<value>/home/data1/hadoop/yarn/local,/home/data2/hadoop/yarn/local,/home/data3/hadoop/yarn/local,/home/data4/hadoop/yarn/local,/home/data5/hadoop/yarn/local,/home/data6/hadoop/yarn/local,/home/data7/hadoop/yarn/local,/home/data8/hadoop/yarn/local,/home/data9/hadoop/yarn/local,/home/data10/hadoop/yarn/local,/home/data11/hadoop/yarn/local,/home/data12/hadoop/yarn/local</value>
    </property>
<property>
    <name>yarn.nodemanager.log-dirs</name><value>/home/data1/hadoop/yarn/log,/home/data2/hadoop/yarn/log,/home/data3/hadoop/yarn/log,/home/data4/hadoop/yarn/log,/home/data5/hadoop/yarn/log,/home/data6/hadoop/yarn/log,/home/data7/hadoop/yarn/log,/home/data8/hadoop/yarn/log,/home/data9/hadoop/yarn/log,/home/data10/hadoop/yarn/log,/home/data11/hadoop/yarn/log,/home/data12/hadoop/yarn/log</value>
</property>
<property>
    <name>yarn.timeline-service.enabled</name>
    <value>true</value>
</property>
<property>
    <name>yarn.timeline-service.hostname</name>
    <value>server1</value>
</property>
<property>
    <name>yarn.timeline-service.http-cross-origin.enabled</name>
    <value>true</value>
</property>
<property>
    <name>yarn.resourcemanager.system-metrics-publisher.enabled</name>
    <value>true</value>
</property>

修改workers

确认Hadoop版本，3.x以下的版本编辑slaves文件，3.x及以上的编辑workers文件

vi workers

修改workers文件，只保存所有agent节点的IP地址（可用主机名代替），其余内容均删除

server100
server101
server102

拷贝hadoop-3.2.3到server100、server101、server102节点的“/usr/local”目录。

scp -r /usr/local/hadoop-3.2.3 root@server100:/usr/local
scp -r /usr/local/hadoop-3.2.3 root@server101:/usr/local
scp -r /usr/local/hadoop-3.2.3 root@server102:/usr/local

分别登录到server100、server101、server102节点，为hadoop-3.2.3建立软链接。、

cd /usr/local
ln -s hadoop-3.2.3 hadoop

启动Hadoop集群
1、启动ZooKeeper集群。
分别在server100、server101、server102节点上启动ZooKeeper。

cd /usr/local/zookeeper/bin
./zkServer.sh start

2、启动JournalNode。
分别在server100、server101、server102节点上启动JournalNode。

只在第一次进行格式化操作时，需要执行2-4，完成格式化后，下次启动集群，只需要执行1、5、6。

cd /usr/local/hadoop/sbin
./hadoop-daemon.sh start journalnode

3、格式化HDFS

在server1节点上格式化HDFS。

hdfs namenode -format

启动hdfs

start-all.sh

访问web页面验证
http://server103:9870

在这里插入图片描述

HBase部署

上传并解压到/usr/local
建立软连接

tar -zxvf hbase-2.3.7-bin.tar.gz

ln -s hbase-2.3.7 hbase

添加hbase到环境变量


vim /etc/profile

export HBASE_HOME=/usr/local/hbase
export PATH=$HBASE_HOME/bin:$HBASE_HOME/sbin:$PATH

source /etc/profile

修改hbase配置文件

cd $HBASE_HOME/conf

vim hbase-env.sh

export JAVA_HOME=/usr/local/jdk1.8.0_202
export HBASE_MANAGES_ZK=false
export HBASE_LIBRARY_PATH=/usr/local/hadoop/lib/native

vi hbase-site.xml

<property>
       <name>hbase.rootdir</name>
       <value>hdfs://server1:9000/HBase</value>
   </property>
 <property>
   <name>hbase.cluster.distributed</name>
   <value>true</value>
 </property>
 <property>
   <name>hbase.tmp.dir</name>
   <value>/usr/local/hbase/tmp</value>
 </property>
 <property>
   <name>hbase.unsafe.stream.capability.enforce</name>
   <value>false</value>
 </property>
<property>
       <name>hbase.zookeeper.quorum</name>
       <value>server100:2181,server101:2181,server102:2181</value>
   </property>
   <property>
 <name>hbase.wal.provider</name>
 <value>filesystem</value>
</property>

修改regionservers

vim regionservers

server100
server101
server102

拷贝hdfs-site.xml


cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml /usr/local/hbase/conf/hdfs-site.xml

拷贝hbase-2.3.7到server100、server101、server102节点的“/usr/local”目录。


scp -r /usr/local/hbase-2.3.7 root@server100:/usr/local
scp -r /usr/local/hbase-2.3.7 root@server101:/usr/local
scp -r /usr/local/hbase-2.3.7 root@server102:/usr/local

分别登录到server100、server101、server102节点，为hbase-2.3.7建立软链接

cd /usr/local
ln -s hbase-2.3.7 hbase

启动hbase

/usr/local/hbase/bin/start-hbase.sh

访问验证
http://server103:16010/
在这里插入图片描述

weixin_43169720
关注
  • 15
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
在Ubuntu安装配置hbase
04-24
虚拟机中详细配置hbase
Ubuntu系统中分布式安装配置HBase-2.3.7
runepic的博客
06-09 1706
HBase是一个基于Hadoop的分布式列式数据库，可以存储海量的结构化和半结构化数据。本文介绍如何在三个Ubuntu系统上搭建一个HBase集群，并进行简单的数据操作。
Hbase2.3.7安装
hunheidaode的博客
12-12 2814
需要先安装hadoop Zookeeper Hadoop-3.1.3部署_hunheidaode的博客-CSDN博客 Zookeeper 3台机器集群安装_hunheidaode的博客-CSDN博客 1.解压 [root@master software]# tar -zxvf hbase-2.3.7-bin.tar.gz -C /opt/module/ 2.修改hbase-env.sh [root@master conf]# vi hbase-env.sh #!/usr/b..
Ubuntu安装Hbase
weixin_71706821的博客
10-01 2533
Ubuntu安装Hbase
Ubuntu18.04 部署Hbase
weixin_40782143的博客
02-26 1628
Ubuntu18.04 部署Hbase1. Hbase 安装1.1 安装Hbase1.2 配置Hbase1.2.2 配置 hbase-env.sh1.2.3 配置 hbase-site.xml1.2.4 配置 regionservers2.1 启动Hbase 1. Hbase 安装 下载地址：http://hbase.apache.org/downloads.html 1.1 安装Hbase 解...
ubuntu分布式部署zookeeper和hbase
04-02
ubuntu系统部署完全分布式hadoop时，先部署了zookeeper和hbase
hbase-2.2.2单机一键部署工具
07-16
注意：zookeeper3.4.13和hbase2.2.2都是采用docker-compose方式部署 原文链接：https://blog.csdn.net/m0_37814112/article/details/118794130 说明：使用外部zookeeper之hbase2.2.2一键部署工具，支持部署、启动、...
Hbase2.2.0集群部署.docx
09-14
Hbase2.2.0集群部署.docx
linux环境下部署hbase
01-10
软件环境: Centos6 、jdk-7u60-linux-i586.tar 、 hbase1.2.6
hbase MultiRowRangeFilter的原理、作用和实例
linweidong的专栏
04-26 351
是HBase中的一个过滤器，用于在扫描操作中过滤多个行键范围。
如何在docker上面使用hbase shell
linweidong的专栏
04-26 596
在新公司上班，hbase是cdh6.3.2安装在docker上面，如何直接在shell上面使用hbase shell是访问不到的。
C# wpf 运行时替换方法实现mvvm自动触发刷新
codeofcc的博客
04-29 876
我们知道，使用wpf的绑定功能，代码触发界面改变时，需要在属性的setter触发PropertyChanged事件，以达到界面刷新的效果。上一章我们简化了触发流程，但是依然需要在每个属性的setter中调用方法。本章将再进一步简化，实现setter不需要调方法就可以自动触发界面刷新。定义的用于替换属性setter的方法，确保参数类型兼容。设置NoInlining确保不会被内联优化失去函数地址。再方法中触发RaisePropertyChangedEvent。
hadoop学习---sqoop学习记录
weixin_46164667的博客
05-02 676
譬如ID的范围是0-800,那么Sqoop默认运行4个进程,通过执行ISELECTMIN(id)，MAX(id) FROM emp找出id的范围,然后把4个任务的id设置范围是(0-200),(200-400)(400-600).(600-800)但请注意，这样做的前提是这些文件的结构和内容必须是一致的，即它们应该都是同一份数据的切片或者是完全相同结构的数据。6. 带有主键约束的mysql表，要注意导出的数据的主键约束的情况，不能重复。4. 导出时，mysql的表的字段数与hdfs上的列数可以不相同。
Hadoop概述
早拾碗吧的博客
04-29 1497
Hadoop 是一种分析和处理大数据的软件平台，是一个用 Java 语言实现的 Apache 的开源软件框架，在大量计算机组成的集群中实现了对海量数据的分布式计算。Hadoop 采用 MapReduce 分布式计算框架，根据 GFS 原理开发了 HDFS（分布式文件系统），并根据 BigTable 原理开发了 HBase 数据存储系统。Hadoop 和 Google 内部使用的分布式计算系统原理相同，其开源特性使其成为分布式计算系统的事实上的国际标准。
Centos7+Hadoop3.3.4+KDC1.15+Ranger2.4.0集成
snipercai的博客
04-30 893
Centos7+Hadoop3.3.4+KDC1.15+Ranger2.4.0集成
WPF之可翻转面板
最新发布
lingxiao16888的博客
05-02 445
【代码】WPF之可翻转面板。
Hadoop 伪分布式安装
Demo
04-29 558
JDK 8 下载地址Hadoop 3.3.6 下载地址。
用ansible部署Hbase
06-08
好的，我可以为您提供一些指导来使用Ansible来部署HBase。 首先，您需要安装Ansible并设置主机清单文件，以便Ansible知道在哪些主机上执行任务。您还需要安装Java和HBase软件包。 接下来，您可以编写Ansible Playbook来自动化HBase的安装和配置。以下是一个简单的Playbook示例： ``` - hosts: hbase-servers become: yes vars: hbase_version: "2.2.4" tasks: - name: Install Java yum: name: java-1.8.0-openjdk state: present - name: Download HBase get_url: url: "https://archive.apache.org/dist/hbase/{{ hbase_version }}/hbase-{{ hbase_version }}-bin.tar.gz" dest: /tmp/hbase-{{ hbase_version }}-bin.tar.gz - name: Extract HBase unarchive: src: /tmp/hbase-{{ hbase_version }}-bin.tar.gz dest: /opt remote_src: yes - name: Configure HBase template: src: hbase-site.xml.j2 dest: /opt/hbase-{{ hbase_version }}/conf/hbase-site.xml - name: Start HBase command: /opt/hbase-{{ hbase_version }}/bin/start-hbase.sh ``` 通过运行此Playbook，Ansible将在指定的“hbase-servers”主机组上安装Java、下载和提取HBase软件包、配置HBase，并启动HBase。 请注意，您需要创建一个名为“hbase-site.xml.j2”的模板文件，其中包含HBase的配置信息。您可以根据需要自定义此文件。 希望这可以帮助您开始使用Ansible来部署HBase。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

打赏作者

weixin_43169720

如果本文对你有所帮助，请打赏—

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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