Apache HBase 入门

[[184946]]

介绍

Quickstart 将使您运行一个单节点，独立的 HBase 实例。

这一节描述了单节点独立 HBase 的设置。 独立的 实例具有所有的 HBase 守护进程 —— Master，RegionServers，和 ZooKeeper —— 运行于一个单独的JVM 持久化到本地文件系统。它是我们的大多数基本部署配置文件。我们将向你展示如何使用 hbase shell CLI 在 HBase 中创建一个表，向表中插入行，对表执行 put 和 scan 操作，启用或禁用表，以及启动和停止 HBase。

除了下载 HBase，这个过程应该耗费不超过 10 分钟。

在 0.94.x 之前，HBase 期望环回 IP 地址是 127.0.0.1 。Ubuntu 和 其它一些发行版默认为 127.0.1.1 ，而这将导致一些问题。参考 HBase 为什么关心 /etc/hosts ? 一文来了解更多信息。

在 Ubuntu 上，对于 0.94.x 和之前的版本，下面的 /etc/hosts 可以工作。如果遇到了问题，可以使用这个作为模板。

127.0.0.1 localhost 
127.0.0.1 ubuntu.ubuntu-domain ubuntu 

这个问题已经在 hbase-0.96.0 及之后的版本中修复了。

JDK 版本要求

HBase 要求安装 JDK。参考 Java 来了解关于支持的 JDK 版本的信息。

HBase 入门

过程：下载，配置，以独立模式启动 HBase

1.在 Apache下载镜像 的列表中选择一个下载站点。点击顶部的建议链接。这将带你到一个 HBase Release 镜像。点击名为 stable 的目录，然后下载以 .tar.gz 结尾的二进制文件到你的本地文件系统。目前先不要下载以 src.tar.gz 结尾的文件。

2.解压缩下载的文件，然后进入新创键的文件夹。

$ tar xzvf hbase-1.2.4-bin.tar.gz  
$ cd hbase-1.2.4 

3.你需要在启动 HBase 之前设置 JAVA_HOME 环境变量。你可以通过你的操作系统的常用机制设置环境变量，但是 HBase 提供了一个中心机制， conf/hbase-env.sh 。编辑这个文件，取消注释以 JAVA_HOME 开头的行，并将它设置为你的操作系统的适当位置。 JAVA_HOME 环境变量应该被设置为包含可执行文件 bin/java 的文件夹。大多数现代 Linux 操作系统提供了某种机制，比如 RHEL 或 CentOS 上的 /usr/bin/alternatives ，来透明地在 Java 这样的可执行文件的不同版本间进行切换。在这种情况下，你可以将 JAVA_HOME 设置为包含到 bin/java 的符号链接的目录，通常是 /usr 。

JAVA_HOME=/usr 

编辑 conf/hbase-site.xml ，它是主 HBase 配置文件。此时，你只需要指定本地文件系统中 HBase 和 ZooKeeper 写数据的文件夹。默认情况下，将在 /tmp 下创建一个新的文件夹。许多服务器被配置为在重启之后删除 tmp 下的内容，因而你应该将数据存储在其它地方。下面的配置将把 HBase 的数据存储在 hbase 目录下，在名为 testuser 的用户的主目录下。粘贴 <configuration> 标签下的 <property> 标签，在新的 HBase 安装中它应该是空的。

示例1. 独立 HBase 的 hbase-site.xml 示例

<configuration> 
  <property> 
    <name>hbase.rootdir</name> 
    <value>file:///home/testuser/hbase</value> 
  </property> 
  <property> 
    <name>hbase.zookeeper.property.dataDir</name> 
    <value>/home/testuser/zookeeper</value> 
  </property> 
</configuration> 

你无需创建 HBase 数据文件夹。HBase 将为你做这些。如果你创建了目录，HBase 将尝试执行迁移，这不是你想要的。

上面例子中的 hbase.rootdir 指向 本地文件系统 中的目录。’file:/‘ 前缀是我们如何表示本地文件系统的方式。要将 HBase 放置于已有 HDFS 实例上，则设置 hbase.rootdir 指向你的实例上的目录：比如， hdfs://namenode.example.org:8020/hbase 。更多关于这一变体的信息，参考下面关于 基于 HDFS 的独立 HBase 的小节。

1.HBase 提供了一种方便的方式，即 bin/start-hbase.sh 脚本来启动HBase。发出命令，如果一切正常，将有一条消息打印到标准输出显示 HBase 启动成功。你可以使用 jps 命令来验证你有一个称为 HMaster 的运行进程。在独立模式 HBase 在这个单独的 JVM 内运行所有的守护进程，比如，HMaster，一个单独的 HRegionServer，和 ZooKeeper 守护进程。进入 http://localhost:16010 来查看 HBase Web UI。

$ bin/start-hbase.sh  
starting master, logging to /media/data/dev_tools/hbase-1.2.4/bin/../logs/hbase-hanpfei0306-master-ThundeRobot.out 
OpenJDK 64-Bit Server VM warning: ignoring option PermSize=128m; support was removed in 8.0 
OpenJDK 64-Bit Server VM warning: ignoring option MaxPermSize=128m; support was removed in 8.0 
Could not start ZK at requested port of 2181.  ZK was started at port: 2182.  Aborting as clients (e.g. shell) will not be able to find this ZK quorum. 

需要安装 Java 且其处于可用状态。如果你遇到了一个错误，指示 Java 没有安装，但它已经在你的系统中了，则可能位于非标准位置，编辑 conf/hbase-env.sh 文件并修改 JAVA_HOME 设置，使其指向包含了你的系统的 bin/java 的目录。

过程：首次使用 HBase

1.连接 HBase

使用 hbase shell 命令连接运行中的 HBase 实例，它位于你的 HBase 安装的 bin/ 目录下。在本示例中，省略了一些启动 HBase Shell 时打印的用法和版本信息。HBase Shell 提示以一个 > 字符结尾。

$ bin/hbase shell  
hbase(main):001:0> 

2.显示 HBase Shell 帮助文本

键入 help 并按回车，来显示一些 HBase Shell 基本的用法信息，以及一些命令示例。注意所有的表名，行，列必须用单引号字符引起来。

3.创建表

使用 create 命令创建一个新表。你必须指定表名和 ColumnFamily 名。

hbase(main):002:0> create 'test', 'cf' 
0 row(s) in 1.3540 seconds  
=> Hbase::Table - test 

列出关于表的信息

使用 list 命令来做到这一点：

=> Hbase::Table - test 
hbase(main):003:0> list 
TABLE  
test  
1 row(s) in 0.0150 seconds  
=> ["test"] 

1.向表中放入数据

要向表中放入数据，使用 put 命令。

hbase(main):004:0> put 'test', 'row1', 'cf:a', 'value1' 
0 row(s) in 0.0990 seconds  
hbase(main):005:0> put 'test', 'row2', 'cf:b', 'value2' 
0 row(s) in 0.0080 seconds  
hbase(main):006:0> put 'test', 'row3', 'cf:c', 'value3' 
0 row(s) in 0.0050 seconds 

这里，我们插入了三个值，每次一个。第一次插入在 row1 ，列 cf:a ，值为 value1 。HBase中的列由列族前缀，本示例中是 cf ，后跟一个逗号，及列限定符后缀，本示例中是 a 组成。

1.一次扫描表的所有数据

从 HBase 获取数据的一种方式是扫描。使用 scan 命令扫描表的数据。你可以限定你的扫描，但现在，获取所有数据。

hbase(main):008:0> scan 'test' 
ROW                                           COLUMN+CELL 
 row1                                         column=cf:a, timestamp=1488785612445, value=value1 
 row2                                         column=cf:b, timestamp=1488785622781, value=value2 
 row3                                         column=cf:c, timestamp=1488785633890, value=value3 
3 row(s) in 0.0220 seconds 

1.获得单行数据

要一次获得单行数据，使用 get 命令。

hbase(main):009:0> get 'test', 'row1' 
COLUMN                                        CELL 
 cf:a                                         timestamp=1488785612445, value=value1 
1 row(s) in 0.0160 seconds 

1.禁用表

如果你想要删除表或修改它的设置，以及一些其它情形，你需要先禁用表，使用 disable 命令。你可以使用 enable 命令重新启用它。

hbase(main):010:0> disable 'test' 
0 row(s) in 2.2380 seconds  
hbase(main):011:0> enable 'test' 
0 row(s) in 1.2260 seconds 

如果你测试上面的 enable 命令则再次禁用表：

hbase(main):012:0> disable 'test' 
0 row(s) in 2.2200 seconds 

1.丢弃表

要丢弃(删除)表，则使用 drop 命令。

hbase(main):013:0> drop 'test' 
0 row(s) in 1.2280 seconds 

1.退出 HBase Shell

要退出 HBase Shell 并从你的集群断开，使用 quit 命令。HBase 依然在后台运行。

过程：停止 HBase

1.与提供 bin/start-hbase.sh 脚本来方便地启动 所有 HBase 守护进程的方式相同， bin/stop-hbase.sh 脚本用来停止它们。

$ ./bin/stop-hbase.sh 
stopping hbase................ 
$ 

1.发起了这个命令之后，它可能花费几分钟来执行关闭。使用 jps 来确保 HMaster 和 HRegionServer 进程的关闭。

上文已经向你展示了如何启动和停止一个独立的 HBase 实例。下一节我们给出 hbase 部署的其它模式的快速概述。

伪分布式本地安装

在学习了快速启动独立模式的工作后，你可以重新配置 HBase 以伪分布式模式运行。伪分布式模式意味着 HBase 依然完全运行于单独的主机上，但每个 HBase 守护进程(HMaster，HRegionServer，和 ZooKeeper )运行于分开的进程中：在独立模式下所有的守护进程运行于一个 jvm 进程/实例中。默认情况下，除非像 快速开始 一节所述那样配置了 hbase.rootdir 属性，你的数据依然存储于 /tmp 下面。在本文的稍后部分，我们将把你的数据存储于 HDFS 上，假设你有 HDFS 可用。你可以跳过 HDFS 配置来继续将数据存储在本地文件系统。

Hadoop配置

这个过程假设你已经在你的本地系统和/或远程系统中，配置好了 Hadoop 和 HDFS，它们正在运行且可访问。它还假设你在使用 Hadoop 2.Hadoop 文档中关于 设置单节点集群 的指南是一个很好的起点。

1.如果正在运行的话就停止 HBase

如果你已经学完了 快速开始 且 HBase 依然处于运行状态，则停止它。本过程将创建一个全新的 HBase 存储数据目录，因此你之前创建的任何数据库都会丢失。

2.配置 HBase

编辑 hbase-site.xml 配置。首先，添加下面的属性，它指导 HBase 运行于分布式模式，每个守护进程一个 JVM 实例。

<property> 
  <name>hbase.cluster.distributed</name> 
  <value>true</value> 
</property> 

接下来，将 hbase.rootdir 从本地文件系统修改为你的 HDFS 实例，使用 hdfs://// URI 语法。在本例中，HDFS 运行于 localhost 的端口 8020。

<property> 
  <name>hbase.rootdir</name> 
  <value>hdfs://localhost:8020/hbase</value> 
</property> 

你无需在 HDFS 下创建目录。HBase 将为你做这些。如果你创建了目录，HBase 将尝试执行迁移，这不是你想要的。

1.启动 HBase

使用 bin/start-hbase.sh 命令启动 HBase。如果你的系统配置正确，则 jps 命令应该显示 HMaster 和 HRegionServer 进程正在运行。

2.检查 HDFS 中的 HBase 目录

如果一切进展顺利，HBase 已经在 HDFS 中创建了它的目录。在上面的配置中，它被存储在了 HDFS 上的 /hbase/ 。你可以使用 Hadoop 的 bin/ 目录下的 hadoop fs 命令列出这个目录。

$ ./bin/hadoop fs -ls /hbase 
Found 7 items 
drwxr-xr-x   - hbase users          0 2014-06-25 18:58 /hbase/.tmp 
drwxr-xr-x   - hbase users          0 2014-06-25 21:49 /hbase/WALs 
drwxr-xr-x   - hbase users          0 2014-06-25 18:48 /hbase/corrupt 
drwxr-xr-x   - hbase users          0 2014-06-25 18:58 /hbase/data 
-rw-r--r--   3 hbase users         42 2014-06-25 18:41 /hbase/hbase.id 
-rw-r--r--   3 hbase users          7 2014-06-25 18:41 /hbase/hbase.version 
drwxr-xr-x   - hbase users          0 2014-06-25 21:49 /hbase/oldWALs 

3.创建表并用数据填充

你可以使用 HBase Shell 创建表，填充数据，扫描并从中获取值，使用与 shell 练习中相同的过程。

4.启动和停止备份 HBase Master(HMaster)服务器

在生产环境中，在相同的硬件上运行多个 HMaster 实例没有意义，以运行伪分布式集群那样的方式对于生产环境同样没有意义。这个步骤只是为了测试和学习目的而提供。

HMaster 服务器控制 HBase 集群。你可以启动最多 9 个备份 HMaster 服务器，这将有总共 10 个 HMaster，算上主要的那个。要启动一个备份 HMaster，使用 local-master-backup.sh 。对于每个你想要启动的备份master，添加一个参数来表示那个 master 的端口偏移。每个 HMaster 使用三个端口(默认是16010，16020，16030)。端口偏移会加到这些端口上，因此，使用 2 作为偏移量的话，备份 HMaster 将使用 16012，16022， 和16032。下面的命令启动 3 个备份服务器，使用端口 16012/16022/16032，16013/16023/16033，和 16015/16025/16035。

$ ./bin/local-master-backup.sh 2 3 5 

要杀死备份 master，而不杀死整个集群，你需要找到它的进程 ID(PID)。PID 存储在一个名字类似于 /tmp/hbase-USER-X-master.pid 的文件中。文件仅有的内容是 PID。你可以使用 kill -9 命令来杀死那个 PID。下面的命令将杀死端口偏移为 1 的 master，但集群依然在运行：

$ cat /tmp/hbase-testuser-1-master.pid |xargs kill -9 

1.启动和停止额外的 RegionServers

HRegionServer 按照 HMaster 的指示管理在它的 StoreFiles 中的数据。通常，集群中的每个节点运行一个 HRegionServer 。在相同的系统上运行多个 HRegionServers 可能对于在伪分布式模式中的测试比较有用。 local-regionservers.sh 命令允许你运行多个 RegionServers 。它与 local-master-backup.sh

命令的工作方式类似，在那种情况下你提供的每个参数表示一个实例的端口偏移。每个 RegionServer 需要两个端口，默认端口是 16020 和 16030。然而，额外的 RegionServers 的基端口不是默认端口，因为默认端口已经被 HMaster 占用了，自 HBaser 版本 1.0.0 开始，它也是一个 RegionServer。使用端口 16200 和 16300 来代替。你可以在一个服务器上运行 99 个额外的非 HMaster 或 备份 HMaster 的 RegionServers。下面的命令启动四个额外 RegionServers，运行在从16202/16302开始的顺序端口(基本端口16200/16300加2)。

$ .bin/local-regionservers.sh start 2 3 4 5 

要手动地停止一个 RegionServer，使用 local-regionservers.sh 命令并传入 stop 参数和要停止的服务器的偏移。

$ .bin/local-regionservers.sh stop 3 

1.停止 HBase

捏可以使用与 快速开始 中介绍的相同的方法停止 HBase，使用 bin/stop-hbase.sh 命令。

高级 - 完全分布式

事实上，你需要一个完全分布式的配置来完整测试 HBase 并在真实世界的场景中使用它。在一个分布式的配置中，集群包含多个节点，它们中的每个都运行一个或多个 HBase 守护进程。这些包括主和备份 Master 实例，多个 ZooKeeper 节点，和多个 RegionServer 节点。

这个高级的 快速开始 为你的集群添加两个额外的节点。架构将像下面这样：

表 1. 分布式集群 Demo 架构

Node Name	Master	ZooKeeper	RegionServer
node-a.example.com	yes	yes	no
node-b.example.com	backup	yes	yes
node-c.example.com	no	yes	yes

这个 快速开始 假设每个节点是一个虚拟机，且它们都在相同的网络上。它基于前面的 快速开始 构建， 伪分布式本地安装 ，假设在那个过程里你配置的系统现在是 node -a 。在继续之前停止 node-a 上的 HBase。

确保所有的节点具有完整的通信权限，且没有防火墙规则可能阻止它们之间相互对话。如果你看到了类似 no route to host 的错误提示，则检查你的防火墙。

过程：配置无密码 SSH 访问

node-a 需要能够登入 node-b 和 node-c (以及其自身) 来启动守护进程。完成这一点最简单的方式是在所有主机上使用相同的用户名，并配置从 node-a 无密码 SSH 登录到其它主机。

在 node-a 上生成一个密钥对

当以运行 HBase 的用户登录时，生成一个 SSH 密钥对，使用如下的命令：

$ ssh-keygen -t rsa 

如果命令成功，则密钥对的位置将打印到标准输出。默认的公钥名字是 id_rsa.pub 。

在其它节点上创建放置共享密钥的目录。

在 node-b 和 node-c 上，以 HBase 用户登录，并在用户的主目录创建一个 .ssh/ 目录，如果它还没有存在的话。如果它已经存在了，请注意它可能已经包含了其它密钥。

1.将公钥拷贝到其它节点。

安全地将公钥从 node-a 拷贝到每个其它节点，通过使用 scp 或其它安全的方式。在其它的每个节点上，创建一个新的名为 .ssh/authorized_keys 的文件，如果它还没有存在的话，并将id_rsa.pub 文件的内容添加到它的末尾。注意你也需要对 node-a 自身做这些。

$ cat id_rsa.pub >>~/.ssh/authorized_keys 

2.测试无密码登录。

如果你正确地执行了过程，如果你从 node-a SSH 到其它的节点，使用相同的用户名，那么你应该不会再看到输入密码的提示符了。

由于 node-b 将运行一个备份 Master，重复上面的过程，将你看到的 node-a 的地方替换为 node-b 。确保不要重写了已有的 .ssh/authorized_keys 文件，使用 >> 操作符将新的密钥附接在已有文件，而不是 > 操作符。

过程：准备 node-a

node-a 将运行你的主 master 和 ZooKeeper 进程，但没有 RegionServers。停止在 node-a 上启动 RegionServer。

1.编辑 conf/regionservers 并移除包含 localhost 的行。添加包含 node-b 和 node-c 的主机名和 IP 地址的行。

即使你不想在 node-a 上运行 RegionServer，你应该通过其它服务器将用以与它通信的主机名引用它。在这个例子中，那将是 node-a.example.com 。这使您能够将配置分发到集群的每个节点，任何主机名冲突。保存文件。

1.配置 HBase 使用 node-b 作为备份 master。

创建一个新的文件 conf/ called backup-masters ，添加新的包含 node-b 的主机名的行。在这个示例中，主机名是 node-b.example.com 。

1.配置 ZooKeeper

事实上，你应该小心地考虑你的 ZooKeeper 配置。你可以在 zookeeper 中找到更多关于配置 ZooKeeper 的东西。这个配置将指导 HBase 在集群的每个节点上启动并管理一个 ZooKeeper 实例。

在 node-a 上，编辑 conf/hbase-site.xml 并添加如下的属性。

<property> 
  <name>hbase.zookeeper.quorum</name> 
  <value>node-a.example.com,node-b.example.com,node-c.example.com</value> 
</property> 
<property> 
  <name>hbase.zookeeper.property.dataDir</name> 
  <value>/usr/local/zookeeper</value> 
</property> 

1.你的配置中其它用 localhost 引用 node-a 的地方，修改引用指向其它节点将用以引用 node-a 的主机名。在这些例子中，主机名是 node-a.example.com 。

过程：准备 node-b 和 node-c

node-b 将运行一个备份 master 服务器和一个 ZooKeeper 实例。

1.下载并解压缩 HBase。

下载并解压缩 HBase 到 node-b ，就像你在 独立和伪分布式快速开始中做的那样。

1.将配置文件从 node-a 复制到 node-b 和 node-c 。

你的集群的每个节点需要具有相同的配置信息。复制 conf/ 目录的内容到 node-b 和 node-c 上的 conf/ 目录。

过程：启动并测试你的集群

1.确保 HBase 没有在任何节点上运行。

如果你忘了在前面的测试中停止 HBase，你将遇到错误。使用 jps 命令检查 HBase 是否在你的任何节点上运行。查找进程 HMaster，HRegionServer，和 HQuorumPeer。如果它们存在则杀掉它们。

1.启动集群。

在 node-a 上，发出 start-hbase.sh 命令。你的输出将类似下面这样。

$ bin/start-hbase.sh 
node-c.example.com: starting zookeeper, logging to /home/hbuser/hbase-0.98.3-hadoop2/bin/../logs/hbase-hbuser-zookeeper-node-c.example.com.out 
node-a.example.com: starting zookeeper, logging to /home/hbuser/hbase-0.98.3-hadoop2/bin/../logs/hbase-hbuser-zookeeper-node-a.example.com.out 
node-b.example.com: starting zookeeper, logging to /home/hbuser/hbase-0.98.3-hadoop2/bin/../logs/hbase-hbuser-zookeeper-node-b.example.com.out 
starting master, logging to /home/hbuser/hbase-0.98.3-hadoop2/bin/../logs/hbase-hbuser-master-node-a.example.com.out 
node-c.example.com: starting regionserver, logging to /home/hbuser/hbase-0.98.3-hadoop2/bin/../logs/hbase-hbuser-regionserver-node-c.example.com.out 
node-b.example.com: starting regionserver, logging to /home/hbuser/hbase-0.98.3-hadoop2/bin/../logs/hbase-hbuser-regionserver-node-b.example.com.out 
node-b.example.com: starting master, logging to /home/hbuser/hbase-0.98.3-hadoop2/bin/../logs/hbase-hbuser-master-nodeb.example.com.out 

ZooKeeper 先启动，然后是 master，接着是 RegionServers，最后是备份 masters。

1.验证进程正在运行。

在集群的每个节点上，运行 jps 命令并验证正确的进程正在每个服务器上运行。你也可能看到其它的 Java 进程正在你的服务器上运行，如果它们用于其它目的。

实例 2. node-a jps 输出

$ jps  
20355 Jps  
20071 HQuorumPeer  
20137 HMaster 

实例 3. node-b jps 输出

$ jps 
15930 HRegionServer 
16194 Jps 
15838 HQuorumPeer 
16010 HMaster 

实例 4. node-a jps 输出

$ jps 
13901 Jps 
13639 HQuorumPeer 
13737 HRegionServer 

ZooKeeper 进程名

HQuorumPeer 进程是由 HBase 控制及启动的 ZooKeeper 实例。如果你以这种方式使用 ZooKeeper，则每个集群节点限制只有一个实例，且只有测试时才合适。如果 ZooKeeper 不在 HBase 下运行，则进程名称为 HQuorumPeer 。更多关于 ZooKeeper 配置的内容，包括在 HBase 下使用一个外部的 ZooKeeper 实例，请参考 zookeeper 。

1.浏览 Web UI。

Web UI 端口改变

Web UI 端口改变

在版本新于 0.98.x 的 HBase 中，HBase Web UI 使用的 HTTP 端口从 Master 采用60010，每个 RegionServer 采用 60030 变为了 Master 采用 16010 且 RegionServer 采用 16030。

如果所有的东西都设置正确，你应该能够连接到 Master 的 UI http://node-a.example.com:16010/ 或从 master 的 http://node-b.example.com:16010/，使用浏览器。如果你能够通过 localhost 连接，但无法通过其它主机名，则检查你的防火墙规则。你可以在它们的 IP 地址的端口上 16030 看到每个 RegionServers 的 web UI，或点击 Master 的 web UI 中它们的链接。

当节点或服务消失时测试发生了什么。

 

具有三个节点的集群，就像你配置的那样，不是非常有弹性的。当主 Master 或 RegionServer 消失时，你依然可以通过杀掉进程或看 logs，测试发生了什么。