【大数据技能基础 | 实验七】HBase实验：部署HBase

  

---

一、实验目的

[list
=1]

掌握HBase基础简介及体系架构；

掌握HBase集群安装部署及HBase Shell的一些常用命令的使用；

相识HBase和HDFS及Zookeeper之间的关系。
[/list
] 二、实验要求

[list
=1]

巩固学习下【大数据技能基础 | 实验一】设置SSH免密登录、【大数据技能基础 | 实验三】HDFS实验：部署HDFS、【大数据技能基础 | 实验五】ZooKeeper实验：部署ZooKeeper；

部署一个主节点，三个子节点的HBase集群，并引用外部Zookeeper；

进入HBase Shell通过命令练习创建表、插入数据及查询等命令。
[/list
] 三、实验原理

简介：HBase是基于Hadoop的开源分布式数据库，它以Google的BigTable为原型，计划并实现了具有高可靠性、高性能、列存储、可伸缩、及时读写的分布式数据库体系，它是基于列而不是基于行的模式，适合存储非布局化数据。
体系布局：HBase是一个分布式的数据库，使用Zookeeper管理集群，使用HDFS作为底层存储，它由HMaster和HRegionServer组成，遵从主从服务器架构。HBase将逻辑上的表分别成多个数据块即HRegion，存储在HRegionServer中。HMaster负责管理全部的HRegionServer，它本身并不存储任何数据，而只是存储数据到HRegionServer的映射关系(元数据)。HBase的基本架构如图所示：

四、实验环境


[list
]

云创大数据实验平台：

Java 版本：jdk1.7.0_79

Hadoop 版本：hadoop-2.7.1

ZooKeeper 版本：zookeeper-3.4.6

HBase 版本：hbase-1.1.2
[/list
] 五、实验内容和步调

本实验主要演示HBase的安装部署过程，因HBase依赖于HDFS和Zookeeper，以是该实验需要分为四个步调。
首先，设置SSH无密钥登录（参考【大数据技能基础 | 实验一】设置SSH免密登录）。
其次，安装Hadoop集群（参考【大数据技能基础 | 实验三】HDFS实验：部署HDFS）。
然后，安装Zookeeper集群（参考【大数据技能基础 | 实验五】ZooKeeper实验：部署ZooKeeper）。
最后，修改HBase设置文件，具体内容如下：
（一）验证Hadoop和ZooKeeper已启动

通过jps
命令验证Hadoop和ZooKeeper已启动：

1. jps

复制代码

（二）修改HBase设置文件

将HBase安装包hbase.1.1.2.tar.gz解压到/usr/cstor目次，并将hbase.1.1.2目次改名为hbase，且所属用户改成root:root。

1. tar -zxvf hbase.1.1.2.tar.gz -c /usr/cstor/hbase
2. mv /usr/cstor/hbase.1.1.2 /usr/cstor/hbase
3. chown -R root:root /usr/cstor/hbase

复制代码

以上操作实验平台已经事先做好了。我们直接进入到hbase目次下：

1. cd /usr/cstor/hbase
2. ls

复制代码

1. 设置hbase-env.sh文件
进入解压目次下，设置conf目次下的/usr/cstor/hbase/conf/hbase-env.sh文件，设置如下：

1. vim /usr/cstor/hbase/conf/hbase-env.sh

复制代码

[list
]

Java安装路径： (需根据实际环境指定)
[/list
]

1. export JAVA_HOME=/usr/local/jdk1.7.0_79

复制代码

[list
]

不使用HBase自带的Zookeeper：
[/list
]

1. export HBASE_MANAGES_ZK=false

复制代码

2. 设置hbase-site.xml文件
设置conf目次下的hbase-site.xml文件，设置如下：

1. vim /usr/cstor/hbase/conf/hbase-site.xml

复制代码

1. <configuration>
2.    <property>
3.       <name>hbase.rootdir</name>
4.       <value>hdfs://master:8020/hbase</value>
5.    </property>
6.    <property>
7.       <name>hbase.cluster.distributed</name>
8.       <value>true</value>
9.    </property>
10.    <property>
11.       <name>hbase.zookeeper.quorum</name>
12.       <value>slave1,slave2,master</value>
13.    </property>
14.    <property>
15.       <name>hbase.tmp.dir</name>
16.       <value>/usr/cstor/hbase/data/tmp</value>
17.    </property>
18. </configuration>

复制代码

3. 设置regionservers文件
设置conf目次下的regionservers文件，设置如下：

1. vim /usr/cstor/hbase/conf/regionservers

复制代码

1. slave1
2. slave2

复制代码

设置完成后，将hbase目次传输到集群的别的节点：

1. scp -r /usr/cstor/hbase root@slave1:/usr/cstor
2. scp -r /usr/cstor/hbase root@slave2:/usr/cstor

复制代码

（三）启动并验证HBase

接着，启动HBase，并简单验证HBase，如下：
在主节点master进入hbase解压目次的bin目次，启动HBase服务进程(已启动Zookeeper)：

1. cd /usr/cstor/hbase/bin
2. ./start-hbase.sh

复制代码

启动完HBase后，使用jps
命令查看进程：

在master服务器上，可以看到HMaster进程；在slave1~2上，可以看到HRegionServer进程。如许，HBase就启动成功了。
通过以下命令进入HBase shell界面：

1. ./hbase shell

复制代码

在shell里创建表：

1. create 'testhbase' , 'f1'

复制代码

查询全部表名：

1. list

复制代码

查看表布局信息：

1. describe 'testhbase'

复制代码

在shell里插入数据：

1. put 'testhbase', '001', 'f1:name', 'aaa'

复制代码

在shell里查询：

1. scan 'testhbase'

复制代码

删除表，先disable再drop：

1. disable 'testhbase'
2. drop 'testhbase'

复制代码

退出shell：

1. quit

复制代码

六、实验效果

HBase启动成功后，进入shell界面，用shell命令简单操作HBase数据库验证HBase成功安装，验证效果如图所示。

HBase安装成功后，可以通过访问HBase WEB页面（http://master:16010）来查看HBase集群的一些基本环境，如图所示。（这里的master要替换为对应的IP地址）

七、实验心得

  在进行HBase实验的过程中，我深刻体会到了HBase作为一个分布式、可扩展的NoSQL数据库的独特优势。HBase的计划理念夸大高吞吐量和低延迟，这使得它非常适合处理惩罚大规模数据存储和及时数据访问。
  首先，我在实验中学习了HBase的基本架构。HBase是建立在Hadoop之上的，它使用Hadoop的HDFS作为底层存储。通过理解RegionServer、HMaster和Zookeeper的协作机制，我认识到HBase是如何实现高可用性和容错性的。尤其是Zookeeper在HBase中起到了关键的协调作用，确保了体系的一致性和稳固性。
  在实际操作中，我体验到了HBase的表计划与传统关系型数据库的显著不同。在HBase中，表的计划更为灵活，允许动态列族的添加和删除。这种灵活性使得我们可以更方便地进行数据建模，尤其是在处理惩罚多样化和不断变革的数据时。别的，实验中我还实践了HBase的CRUD操作，通过Java API进行数据的插入、查询、更新和删除。尽管最初遇到了一些API使用上的困惑，但在查阅文档和反复试验后，我逐渐掌握了如何高效地进行数据操作。HBase的Scan和Get操作让我能够快速检索所需数据，极大进步了数据处理惩罚服从。
  同时，我也注意到HBase在处理惩罚海量数据时的性能优势。在对大规模数据集进行测试时，HBase表现精彩，能够迅速响应查询请求，表现出其高效的性能。这使我意识到，HBase非常适合大数据分析和及时数据处理惩罚的场景。在实验的最后阶段，我实验对HBase进行一些基本的性能调优，相识了如预分区、缓存等优化策略。这些措施能够有效提升HBase的读写性能，为后续的应用提供了更好的支持。
  总的来说，这次HBase实验让我对分布式数据库的架构和操作有了更加深入的理解。通过实践，我不仅学会了如何使用HBase，还认识到了在实际应用中如何根据需求进行计划和优化。这将对我未来的数据处理惩罚和分析工作产生积极的影响。
   附：以上文中的数据文件及干系资源下载地址：
链接：https://pan.quark.cn/s/356a503ecf3e
提取码：khqu

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。