Hbase

Hbase

思考环节：

*1.什么是hbase*

1.1****简介

HBase 是一个面向列式存储的分布式数据库，其设计思想来源于 Google 的 BigTable 论文。

HBase 底层存储基于 HDFS 实现，集群的管理基于 ZooKeeper 实现。

HBase 良好的分布式架构设计为海量数据的快速存储、随机访问提供了可能，基于数据副本机制和分区机制可以轻松实现在线扩容、缩容和数据容灾，是大数据领域中 Key-Value 数据结构存储最常用的数据库方案

**1.2.**特点

1. 易扩展

Hbase 的扩展性主要体现在两个方面，一个是基于运算能力（RegionServer） 的扩展，通过增加 RegionSever 节点的数量，提升 Hbase 上层的处理能力；另一个是基于存储能力的扩展（HDFS），通过增加 DataNode 节点数量对存储层的进行扩容，提升 HBase 的数据存储能力。

1. 海量存储

HBase 作为一个开源的分布式 Key-Value 数据库，其主要作用是面向 PB 级别数据的实时入库和快速随机访问。这主要源于上述易扩展的特点，使得 HBase 通过扩展来存储海量的数据。

1. 列式存储

Hbase 是根据列族来存储数据的。列族下面可以有非常多的列。列式存储的最大好处就是，其数据在表中是按照某列存储的，这样在查询只需要少数几个字段时，能大大减少读取的数据量。

1. 高可靠性

WAL 机制保证了数据写入时不会因集群异常而导致写入数据丢失，Replication 机制保证了在集群出现严重的问题时，数据不会发生丢失或损坏。而且 Hbase 底层使用 HDFS，HDFS 本身也有备份。

1. 稀疏性

在 HBase 的列族中，可以指定任意多的列，为空的列不占用存储空间，表可以设计得非常稀疏。

1. 模块组成

HBase 可以将数据存储在本地文件系统，也可以存储在 HDFS 文件系统。在生产环境中，HBase 一般运行在HDFS 上，以 HDFS 作为基础的存储设施。HBase 通过 HBase Client 提供的 Java API 来访问 HBase 数据库，以完成数据的写入和读取。HBase 集群主由HMaster、Region Server 和 ZooKeeper 组成。

**1.3.**使用场景

HBase擅长于存储结构简单的海量数据但索引能力有限，而Oracle，mysql等传统关系型数据库(RDBMS)能够提供丰富的查询能力，但却疲于应对TB级别的海量数据存储，HBase对传统的RDBMS并不是取代关系，而是一种补充。

适合使用** **对于关系型数据库的一种补充，而不是替代

• 数据库中的很多列都包含了很多空字段(稀疏数据)，在 HBase 中的空字段不会像在关系型数据库中占用空间。

• 需要很高的吞吐量，瞬间写入量很大。

• 数据有很多版本需要维护，HBase 利用时间戳来区分不同版本的数据。

• 具有高可扩展性，能动态地扩展整个存储系统。

比如：用户画像(给用户打标签)，搜索引擎应用，存储用户交互数据等

不适合使用

1. 需要数据分析,比如报表(rowkey) 对sql支持不好

2. 单表数据不超过千万（数据量小）

1.4hbase****的架构

HBase 系统遵循 Master/Salve 架构，由三种不同类型的组件组成：

client

1. 提供了访问hbase的接口

2. 提供cache缓存提高访问hbase的效率 , 比如region的信息

Zookeeper

1. 保证任何时候，集群中只有一个 Master；

2. 存储所有 Region 的寻址入口；

3. 实时监控 Region Server 的状态，将 Region Server 的上线和下线信息实时通知给 Master；

4. 存储 HBase 的 Schema，包括有哪些 Table，每个 Table 有哪些 Column Family 等信息。

Master/master

1. 为 Region Server 分配 Region；

2. 负责 Region Server 的负载均衡 ；

3. 发现失效的 Region Server 并重新分配其上的 Region；

4. GFS 上的垃圾文件回收；

5. 处理 Schema 的更新请求

Region Server

1. Region Server 负责维护 Master 分配给它的 Region ，并处理发送到 Region 上的 IO 请求；

2. Region Server 负责切分在运行过程中变得过大的 Region

**2.**安装

因为hbase需要依赖zookeeper和hdfs，所以在安装hbase集群之前需要确保zookeeper和hdfs的环境是ok的哦！！！

2.1****时间同步

由于HBase默认的容忍间隔是30s，超过这个阈值，就会报“Master rejected startup because clock is out of sync”异常，所以三台机器的时间 间隔不能超过30s

解决方案:

1. 手动的设置时间 date -s "2023-05-07 00:00:00"

2. 修改属性

XML
<property>
<name>hbase.master.maxclockskew</name>
<value>3600000</value>
<description>Time difference of regionserver from master</description>
</property>

1. 向时间服务器自动同步时间

如何时间同步？？
首先安装ntpdate
[root@linux01 doris]# yum install ntpdate -y

然后开始三台机器自己同步时间
[root@node01 ~]# ntpdate ntp.sjtu.edu.cn

-- 这样才能永久生效不变，不然reboot后还会恢复到原来的时间
clock -w 写入BIOS

美国标准技术院时间服务器：time.nist.gov（192.43.244.18）
上海交通大学网络中心NTP服务器地址：ntp.sjtu.edu.cn（202.120.2.101）
中国国家授时中心服务器地址：cn.pool.ntp.org（210.72.145.44）

2.2****下载上传解压

2.3hbase****配置

1. 在conf目录下找到hbase-env.sh

Shell
命令
cd /opt/app/hbase-2.2.5/conf
vi hbase-env.sh
修改的地方：

#1.配置java的环境变量，注意需要将前面的注释打开
export JAVA_HOME=/opt/app/jdk1.8

#2.hbase中内嵌了一个zookeeper，默认使用的是内置的zoopkeeper，将等号后面的true改成false
export HBASE_MANAGES_ZK=false

1. 在 conf目录下找到hbase-site.xml

XML
命令：
vi hbase-site.xml
在最下面输入下面的配置文件，黄色部分需要自己修改主机名
<configuration>

<property>
<name>hbase.rootdir</name>
<value>hdfs://linux001:8020/hbase</value>
</property>

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

<property> <name>hbase.unsafe.stream.capability.enforce</name> <value>false</value> </property> <property> <name>hbase.zookeeper.quorum</name> <value>linux001:2181,linux002:2181,linux003:2181</value> </property> </configuration>

1. regionservers 配置 启动集群中的Regionserver机器

Shell
命令：
vi regionservers
输入自己的三台机器域名
linux01
linux02
linux03

2.4****集群分发

Shell
[root@linux01 apps]# pwd
/usr/apps
[root@linux01 apps]# scp -r hbase-2.0.4/ linux02:$PWD
[root@linux01 apps]# scp -r hbase-2.0.4/ linux03:$PWD
在app目录下执行：
for i in 2 3
do
scp -r hbase-2.2.5/ linux0$i:$PWD
done

2.5****启动

单节点启动：

Shell
bin/hbase-daemon.sh start master
bin/hbase-daemon.sh start regionserver

提示：如果regionserver无法启动，请先检查下集群之间的节点时间是否同步

一键启动：

Shell
bin/start-hbase.sh

2.6****页面访问

验证启动是否成功

1. jps查看

Shell
[root@linux01 conf]# jps
4305 Jps
2386 QuorumPeerMain
2051 DataNode
3747 HMaster --查看HMaster有无进程
1898 NameNode
3934 HRegionServer -- 查看HRegionServer有无进程

1. 通过"linux01:16010"的方式来访问HBase管理页面,进得去代表启动成功

help命令及其运用

Hbase 的一些命令
COMMAND GROUPS:
Group name: general 常规
Commands: 命令,指令
processlist, 进程列表,正在运行中的服务列表
status, 状态
table_help, 表帮助
version, 版本
whoami 显示本用户信息

Group name: ddl 数据定义语言
Commands:
alter, alter_async, alter_status, clone_table_schema, create,
describe, disable, disable_all, drop, drop_all, enable, enable_all,
exists, get_table, is_disabled, is_enabled, list, list_regions, locate_region, show_filters

Group name: namespace 命名空间
Commands: alter_namespace, create_namespace, describe_namespace, drop_namespace, list_namespace, list_namespace_tables

Group name: dml 数据操作语言
Commands: append, count, delete, deleteall, get, get_counter, get_splits, incr, put, scan, truncate, truncate_preserve

Group name: tools
Commands: assign, balance_switch, balancer, balancer_enabled, catalogjanitor_enabled,
catalogjanitor_run, catalogjanitor_switch, cleaner_chore_enabled, cleaner_chore_run,
cleaner_chore_switch, clear_block_cache, clear_compaction_queues, clear_deadservers,
close_region, compact, compact_rs, compaction_state, compaction_switch, decommission_regionservers,
flush, hbck_chore_run, is_in_maintenance_mode, list_deadservers, list_decommissioned_regionservers,
major_compact, merge_region, move, normalize, normalizer_enabled, normalizer_switch,
recommission_regionserver, regioninfo, rit, split, splitormerge_enabled, splitormerge_switch,
stop_master, stop_regionserver, trace, unassign, wal_roll, zk_dump

Group name: replication
Commands: add_peer, append_peer_exclude_namespaces, append_peer_exclude_tableCFs,
append_peer_namespaces, append_peer_tableCFs, disable_peer, disable_table_replication,
enable_peer, enable_table_replication, get_peer_config, list_peer_configs, list_peers,
list_replicated_tables, remove_peer, remove_peer_exclude_namespaces, remove_peer_exclude_tableCFs,
remove_peer_namespaces, remove_peer_tableCFs, set_peer_bandwidth, set_peer_exclude_namespaces,
set_peer_exclude_tableCFs, set_peer_namespaces, set_peer_replicate_all, set_peer_serial,
set_peer_tableCFs, show_peer_tableCFs, update_peer_config

Group name: snapshots
Commands: clone_snapshot, delete_all_snapshot, delete_snapshot, delete_table_snapshots,
list_snapshots, list_table_snapshots, restore_snapshot, snapshot

Group name: configuration
Commands: update_all_config, update_config

Group name: quotas
Commands: disable_exceed_throttle_quota, disable_rpc_throttle, enable_exceed_throttle_quota,
enable_rpc_throttle, list_quota_snapshots, list_quota_table_sizes, list_quotas, list_snapshot_sizes, set_quota

Group name: security
Commands: grant, list_security_capabilities, revoke, user_permission

Group name: procedures
Commands: list_locks, list_procedures

Group name: visibility labels
Commands: add_labels, clear_auths, get_auths, list_labels, set_auths, set_visibility

Group name: rsgroup
Commands: add_rsgroup, balance_rsgroup, get_rsgroup, get_server_rsgroup, get_table_rsgroup,
list_rsgroups, move_namespaces_rsgroup, move_servers_namespaces_rsgroup, move_servers_rsgroup,
move_servers_tables_rsgroup, move_tables_rsgroup, remove_rsgroup, remove_servers_rsgroup, rename_rsgroup