基于docker快速搭建hbase集群

发布时间:2020-07-31 09:32:34编辑:admin阅读(96)

    一、概述

    HBase是一个分布式的、面向列的开源数据库,该技术来源于 Fay Chang 所撰写的Google论文“Bigtable:一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统(File System)所提供的分布式数据存储一样,HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。

    1.png

    Hadoop生太圈

    通过Hadoop生态圈,可以看到HBase的身影,可见HBase在Hadoop的生态圈是扮演这一个重要的角色那就是  实时、分布式、高维数据 的数据存储;

    HBase简介

    • HBase – Hadoop Database,是一个高可靠性、高性能、面向列、可伸缩、 实时读写的分布式数据库 

    • 利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理 HBase中的海量数据,利用Zookeeper作为其分布式协同服务

    • 主要用来存储非结构化和半结构化的松散数据(列存NoSQL数据库)

    HBase数据模型

    1.png

     以关系型数据的思维下会感觉,上面的表格是一个5列4行的数据表格,但是在HBase中这种理解是错误的,其实在HBase中上面的表格只是一行数据;

    Row Key:

        – 决定一行数据的唯一标识

        – RowKey是按照字典顺序排序的。

        – Row key最多只能存储64k的字节数据。

      Column Family列族(CF1、CF2、CF3) & qualifier列:

        – HBase表中的每个列都归属于某个列族,列族必须作为表模式(schema) 定义的一部分预先给出。如create ‘test’, ‘course’;

        – 列名以列族作为前缀,每个“列族”都可以有多个列成员(column,每个列族中可以存放几千~上千万个列);如 CF1:q1, CF2:qw,

           新的列族成员(列)可以随后按需、动态加入,Family下面可以有多个Qualifier,所以可以简单的理解为,HBase中的列是二级列,

         也就是说Family是第一级列,Qualifier是第二级列。两个是父子关系。

        – 权限控制、存储以及调优都是在列族层面进行的;

        – HBase把同一列族里面的数据存储在同一目录下,由几个文件保存。

        – 目前为止HBase的列族能能够很好处理最多不超过3个列族。

      Timestamp时间戳:

        – 在HBase每个cell存储单元对同一份数据有多个版本,根据唯一的时间 戳来区分每个版本之间的差异,不同版本的数据按照时间倒序排序,

         最新的数据版本排在最前面。

        – 时间戳的类型是64位整型。

        – 时间戳可以由HBase(在数据写入时自动)赋值,此时时间戳是精确到毫 秒的当前系统时间。

        – 时间戳也可以由客户显式赋值,如果应用程序要避免数据版本冲突, 就必须自己生成具有唯一性的时间戳。

      Cell单元格:

        – 由行和列的坐标交叉决定;

        – 单元格是有版本的(由时间戳来作为版本);

        – 单元格的内容是未解析的字节数组(Byte[]),cell中的数据是没有类型的,全部是字节码形式存贮。

         • 由{row key,column(=<family> +<qualifier>),version}唯一确定的单元。

     

    HBase体系架构

    1.png

    Client

         • 包含访问HBase的接口并维护cache来加快对HBase的访问

        Zookeeper

         • 保证任何时候,集群中只有一个master

         • 存贮所有Region的寻址入口。

         • 实时监控Region server的上线和下线信息。并实时通知Master

         • 存储HBase的schema和table元数据

        Master

         • 为Region server分配region

         • 负责Region server的负载均衡

         • 发现失效的Region server并重新分配其上的region

         • 管理用户对table的增删改操作

        RegionServer

         • Region server维护region,处理对这些region的IO请求

         • Region server负责切分在运行过程中变得过大的region 

     

         HLog(WAL log):

          – HLog文件就是一个普通的Hadoop Sequence File,Sequence File 的Key是 HLogKey对象,HLogKey中记录了写入数据的归属信息,

             除了table和 region名字外,同时还包括sequence number和timestamp,timestamp是” 写入时间”,sequence number的起始值为0,

           或者是最近一次存入文件系 统中sequence number。

          – HLog SequeceFile的Value是HBase的KeyValue对象,即对应HFile中的 KeyValue

        Region

          – HBase自动把表水平划分成多个区域(region),每个region会保存一个表 里面某段连续的数据;每个表一开始只有一个region,随着数据不断插 入表,

           region不断增大,当增大到一个阀值的时候,region就会等分会 两个新的region(裂变);

          – 当table中的行不断增多,就会有越来越多的region。这样一张完整的表 被保存在多个Regionserver上。

        Memstore 与 storefile

          – 一个region由多个store组成,一个store对应一个CF(列族)

          – store包括位于内存中的memstore和位于磁盘的storefile写操作先写入 memstore,当memstore中的数据达到某个阈值,

           hregionserver会启动 flashcache进程写入storefile,每次写入形成单独的一个storefile

          – 当storefile文件的数量增长到一定阈值后,系统会进行合并(minor、 major compaction),在合并过程中会进行版本合并和删除工作 (majar),

           形成更大的storefile。

          – 当一个region所有storefile的大小和超过一定阈值后,会把当前的region 分割为两个,并由hmaster分配到相应的regionserver服务器,实现负载均衡。

          – 客户端检索数据,先在memstore找,找不到再找storefile

          – HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表 示不同的HRegion可以分布在不同的HRegion server上。

          – HRegion由一个或者多个Store组成,每个store保存一个columns family。

          – 每个Strore又由一个memStore和0至多个StoreFile组成。

           如图:StoreFile 以HFile格式保存在HDFS上。

    1.png

     

    二、docker部署

    环境说明

    操作系统docker版本ip地址配置
    centos 7.619.03.12192.168.31.2294核8g

     

     

     

     

    软件版本

    软件版本
    openjdkjava-8-openjdk-amd64
    hadoop2.9.2
    hbase1.3.6
    zookeeper3.4.14

     

     

     

     

     

     

     

    说明:openjdk直接用apt-get 在线安装,其他软件从官网下载即可。

     

    目录结构

    cd /opt/git clone https://github.com/py3study/hadoop-hbase.git

     

    /opt/hadoop-hbase 目录结构如下:

    ./
    ├── config
    │   ├── core-site.xml
    │   ├── hadoop-env.sh
    │   ├── hbase-env.sh
    │   ├── hbase-site.xml
    │   ├── hdfs-site.xml
    │   ├── mapred-site.xml
    │   ├── regionservers
    │   ├── run-wordcount.sh
    │   ├── slaves
    │   ├── ssh_config
    │   ├── start-hadoop.sh
    │   ├── yarn-site.xml
    │   └── zoo.cfg
    ├── Dockerfile
    ├── hadoop-2.9.2.tar.gz
    ├── hbase-1.3.6-bin.tar.gz
    ├── README.md
    ├── run.sh
    ├── sources.list
    ├── start-container1.sh
    ├── start-container2.sh
    └── zookeeper-3.4.14.tar.gz

     

    由于软件包比较大,需要使用迅雷下载,下载地址如下:

    https://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.9.2/hadoop-2.9.2.tar.gz
    https://mirror.bit.edu.cn/apache/hbase/hbase-1.3.6/hbase-1.3.6-bin.tar.gz
    https://mirror.bit.edu.cn/apache/zookeeper/zookeeper-3.4.14/zookeeper-3.4.14.tar.gz

    构建镜像

    docker build -t hadoop-hbase:1 .

     

    创建数据目录

    mkdir -p /data/hadoop-cluster/master/ /data/hadoop-cluster/slave{1,2}/

     

    创建网桥

    docker network create hadoop

     

    运行镜像

    cd /opt/hadoop-hbase
    bash start-container1.sh

     

    拷贝hdfs文件到宿主机目录

    docker cp hadoop-master:/root/hdfs /data/hadoop-cluster/master/
    docker cp hadoop-slave1:/root/hdfs /data/hadoop-cluster/slave1/
    docker cp hadoop-slave2:/root/hdfs /data/hadoop-cluster/slave2/

    拷贝zookeeper文件到宿主机目录

    docker cp hadoop-master:/usr/local/zookeeper/data /data/hadoop-cluster/master/zookeeper
    docker cp hadoop-slave1:/usr/local/zookeeper/data /data/hadoop-cluster/slave1/zookeeper
    docker cp hadoop-slave2:/usr/local/zookeeper/data /data/hadoop-cluster/slave2/zookeeper

     

    使用第2个脚本,挂载宿主机目录,运行镜像

    bash start-container2.sh

     

    开启hadoop

    启动hadoop集群

    bash start-hadoop.sh

    注意:这一步会ssh连接到每一个节点,确保ssh信任是正常的。

    Hadoop的启动速度取决于机器性能

     

    运行wordcount

     先等待1分钟,再执行命令:

    bash run-wordcount.sh

    此脚本会连接到fdfs,并生成几个测试文件。

     

    运行结果:

    ...
    input file1.txt:
    Hello Hadoop
    
    input file2.txt:
    Hello Docker
    
    wordcount output:
    Docker  1
    Hadoop  1
    Hello   2

    wordcount的执行速度取决于机器性能

     

    关闭安全模式

    执行命令:

    hadoop dfsadmin -safemode leave

     

    启动hbase

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

    注意:等待3分钟,因为启动要一定的时间。

     

    进入hbase shell

    /usr/local/hbase/bin/hbase shell

     

    三、HBase的Shell命令

    查看列表

    hbase(main):001:0> list
    TABLE                                                                                                                                          
    users                                                                                                                                          
    users_tmp                                                                                                                                      
    2 row(s) in 0.2370 seconds

     

    如果出现

    ERROR: org.apache.hadoop.hbase.PleaseHoldException: Master is initializing

    说明hbase集群还没有启动好,需要等待一段时间。

     

    创建表

    hbase(main):002:0> create 'users','user_id','address','info'
    0 row(s) in 4.6300 seconds
    
    => Hbase::Table - users

    添加记录

    hbase(main):002:0> put 'users','xiaoming','info:birthday','1987-06-17'
    0 row(s) in 0.1910 seconds

     

    获取记录

    取得一个id的所有数据

    hbase(main):003:0> get 'users','xiaoming'
    COLUMN                               CELL                                                                                                      
     info:birthday                       timestamp=1594003730408, value=1987-06-17                                                                 
    1 row(s) in 0.0710 seconds

    更新记录

    hbase(main):004:0> put 'users','xiaoming','info:age' ,''
    0 row(s) in 0.0150 seconds
    
    hbase(main):005:0> get 'users','xiaoming','info:age'
    COLUMN                               CELL                                                                                                      
     info:age                            timestamp=1594003806409, value=                                                                           
    1 row(s) in 0.0170 seconds

     

    获取单元格数据的版本数据

    hbase(main):006:0> get 'users','xiaoming',{COLUMN=>'info:age',VERSIONS=>1}COLUMN                               CELL                                                                                                      
     info:age                            timestamp=1594003806409, value=                                                                           
    1 row(s) in 0.0040 seconds

    全表扫描

    hbase(main):007:0> scan 'users'
    ROW                                  COLUMN+CELL                                                                                               
     xiaoming                            column=info:age, timestamp=1594003806409, value=                                                          
     xiaoming                            column=info:birthday, timestamp=1594003730408, value=1987-06-17                                           
    1 row(s) in 0.0340 seconds

     

    删除

    删除xiaoming值的'info:age'字段:

    hbase(main):008:0> delete 'users','xiaoming','info:age'
    0 row(s) in 0.0340 seconds
    
    hbase(main):009:0> get 'users','xiaoming'
    COLUMN                               CELL                                                                                                      
     info:birthday                       timestamp=1594003730408, value=1987-06-17                                                                 
    1 row(s) in 0.0110 seconds

     

    删除整行

    hbase(main):010:0> deleteall 'users','xiaoming'
    0 row(s) in 0.0170 seconds

     

    统计表的行数

    hbase(main):011:0> count 'users'
    0 row(s) in 0.0260 seconds

     

    清空表:

    hbase(main):012:0> truncate 'users'
    Truncating 'users' table (it may take a while):
     - Disabling table...
     - Truncating table...
    0 row(s) in 4.2520 seconds

    四、web服务验证

    hadoop管理页面

    http://ip地址:8088/

    效果如下:

    1.png

    1.png

    hdfs 管理页面

    http://ip地址:50070/

    效果如下:

    1.png

    hbase 管理页面

    http://ip地址:16010/

    效果如下:

    1.png

     

     注意:这里出现的 2 nodes with inconsistent version,不用理会,不影响正常运行。

    参考链接:https://developer.aliyun.com/ask/136178?spm=a2c6h.13159736

     

     

    本文参考链接:

    https://www.cnblogs.com/raphael5200/p/5229164.html

    https://blog.csdn.net/qq_32440951/article/details/80803729

    https://www.jianshu.com/p/a1524dccb1e4

    https://www.bbsmax.com/A/6pdDLqOGdw/


关键字