Hadoop学习笔记04_Hbase

大数据开发的学习，组件还是很多的，都需要掌握并多加练习。 最好的参考文档当然是官方的了。

因为Hadoop生态圈组件很多，所以，在建设之初一定要检查好各版本的兼容性。避免后期麻烦。

我的练习使用Hadoop-2.7.5  以及Hbase-1.4.2 看了Hbase 手册Chapter4 兼容性没有问题。

# 行存储
    优点：写入一次性完成，保持数据完整性
    缺点：数据读取过程中产生冗余数据，若有少量数据可以忽略
# 列存储
    优点：读取过程，不会产生冗余数据，特别适合对数据完整性要求不高的大数据领域
    缺点：写入效率差，保证数据完整性方面差
    
# Hbase优势:
    海量数据存储
    快速随机访问
    大量写操作的应用
# Hbase应用场景
    互联网搜索引擎数据存储
    海量数据写入
    消息中心
    内容服务系统（schema-free）
    大表复杂&多维度索引
    大批量数据读取

# Hbase 数据模型
# 行键          时间戳       列族contens           列族ahchor                   列族mime
"com.cn.www"     t9                                anchor:cnnsi.com="CNN"   
                 t8                               anchor:my.look.cn="CNN.com"   
                 t6        contens:html=""                                    mime:type="text/html" 
                 t5        contens:html=""                                                          
                 t3        contens:html=""                                                          

# RowKey: 是Byte array,是表中每条记录的“主键”，方便快速查找，RowKey的设计非常重要 
# Column Family: 列族，拥有一个名称(string)，包含一个或者多个相关列
# Column: 属于某一个Columnfamily, familyName:columnName,每条记录可动态添加
# Version Number: 类型为Long，默认值是系统时间戳，可由用户自定义
# Value(cell): Byte array

## Hbase系统架构 可以参考 http://www.cnblogs.com/shitouer/archive/2012/06/04/2533518.html

######################### 安装配置启动 #########################
# 先完成 配置并启动zookeeper以及hadoop 的前提下，开始安装hbase
tar zxvf hbase* -C 
cd hbase-1.4.2/conf

vim /etc/profile
export HBASE_HOME=/usr/local/src/hbase-1.4.2
export PATH=$PATH:$HBASE_HOME/bin
###（以下两行最好加上，若没有，启动Hadoop、hbase时都会有没加载lib成功的警告）　
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"

vim hbase-env.sh
export JAVA_HOME=/usr/local/src/jdk1.8.0_161
export HBASE_CLASSPATH=/usr/local/src/hbase-1.4.2/conf  # 官方教程没有这行
export HBASE_MANAGES_ZK=false ##### 使用自带zk 设为false ####
export HBASE_HOME=/usr/local/src/hbase-1.4.2  # 官方教程没有这行
export HADOOP_HOME=/usr/local/src/hadoop-2.7.5 # 官方教程没有这行
#给以下两行加上注释
#export HBASE_MASTER_OPTS="$HBASE_MASTER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m"
#export HBASE_REGIONSERVER_OPTS="$HBASE_REGIONSERVER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m"

vim hbase-site.xml
<property> 
    <name>hbase.rootdir</name> <!-- hbase存放数据目录,设置好会自动创建 -->
    <value>hdfs://master:9000/hbase/hbase_db</value>
    <!-- 但是实际生产环境最好使用HDFS HA的nameservice 才能高可用. -->
    <!-- hdfs://names1/hbase -->
    <!-- 端口要和Hadoop的fs.defaultFS端口一致 -->
</property> 
<property> 
    <name>hbase.cluster.distributed</name> <!-- 是否分布式部署 -->
    <value>true</value> 
</property> 
<property>
    <name>hbase.zookeeper.property.clientPort</name><!-- Zookeeper的端口 -->
    <value>2181</value>
</property>
<property>
    <name>hbase.zookeeper.quorum</name><!-- Zookeeper的地址 写ip也行 -->
    <value>master,slave1,slave2</value>
</property>
<property>
    <name>hbase.zookeeper.property.dataDir</name>
    <!-- zookeeper 数据文件夹，不配也可以，但是配的话就必须和zoo.cfg的一样。 -->
    <value>/usr/local/src/hbase-1.4.2/zookeeper</value>
</property>
<property>
    <name>hbase.master</name>
    <value>master:60000</value>
</property>

# 配置 regionservers 启用HA后,就改用master slave2 slave3 因为有4台vm了。
vim regionservers
master
slave1
slave2

# 配置备份主控 
vim conf/backup-masters
slave1

#######################
# 复制hadoop/etc/hadoop/hdfs-site.xml文件到hbase/conf/ 下 尤其是改过配置后，一定要重新复制
#######################
# 分别scp -r /usr/local/src/hbase-1.4.2 到其它机器

# 启动zookeeper, 启动hadoop HA ，启动备份Namenode sbin/yarn-daemon.sh start resourcemanager
# 启动hbase
./start-hbase.sh

### 验证 jps查看Hmaster, QuorumPeer, HRegionServer
### 访问http://master:16010 检查Region Servers 和 Backup Masters
### 0.98版为 http://master:60010

########################  使用   ########################
hbase shell # 进入shell模式 
# 在 shell 模式下，输入命令后直接回车，可以得到相关的帮助。
status  # 查看状态
version 
list 
processlist #当前任务列表
whoami # 当前用户 
#### 退格需要 ctrl + backspace

create 'psn','cf1','cf2' #建表 表名和2个列族
describe 'psn' # 表的描述  
disable 'psn' #禁用表
drop 'psn' #删除表，必须先禁用.

put 'psn','0001','cf1:name','Tohmase' #插入数据：表名，RowKey, 列，值
put 'psn','0001','cf1:sex','male'

scan 'psn' #显示表数据 scan尽量少用，因为数据量很大。

get 'psn','0001','cf1:name' # 得到数据

put 'psn','0001','cf1:name','Jerry'
get 'psn','0001','cf1:name' #因为默认VERSION的设置，只保留1个版本。

list_namespace #默认的表都在default中

create 'tb2','cf'
disable 'tb2'
list 
drop 'tb2'


# 如果是单机伪分布式, hbase-site.xml 中的 <name>hbase.rootdir</name> 将使用本地文件系统 <value>file:///tmp/hbase_db</value>
# 那么，/tmp/hbase_db/data对应数据, oldWALs 和 WALs对应Hlog.   
# /tmp/hbase_db/data/default/psn 对应数据表psn, psn下的子目录对应Region 而Region下的子目录对应列族。
# 进入列族，可以看到数据文件，如果没有文件，则可能因为还在内存中，可以手动溢写 
flush 'psn'
# 查看数据文件命令 hbase hfile -p -f 文件名
hbase hfile -p -f hdfs://names1/hbase/data/default/psn/321528543130bee66f28d583f91f6279/cf1/3351b190de7940a1bfa7c439c54cff70
# RowKey 在满足业务需求的前提下尽量短一些，节省资源


# 关闭各系统时，依次是：
stop-hbase.sh
stop-yarn.sh
stop-dfs.sh
zkServer.sh stop

看了这位老师的教程，进一步理解HDFS HA的重要性，初学的时候只是简单地搭建了hadoop环境，而实际的生产环境中，HA则是必不可少的。

后续我至少设置4台VM后，再试试搭建hadoop的HA。

更新：

启动成功 hadoop HA 后，又继续试验Hbase

########## 今天试验时出现一个故障：create 'psn'表时提示已存在，disable时又提示不存在。
# 可能的原因是改了hbase的配置文件后没有复制到其它节点。 
# 解决办法：zkCli.sh 进入zk shell, 在以下2个地方找到表名然后删除, 然后再hbase shell 重新创建表。
# rmr /hbase/table/psn  
# rmr /hbase/table-lock/psn  

########### 试验一下 Backup Master是否可用。先杀了master的HMaster，然后看slave1会不会顶上
# 刷新http://slave1:16010 后，发现HMaster 已经成了slave1. 自动顶上来了。
# 再启动master上的 bin/start-hbase.sh 
# 刷新http://master:16010 后，看到Current Active Master: slave1 并且它自己成了backup