HBase 参考文档翻译之 Getting Started

　　本篇是对HBase官方参考文档的大体翻译，介于本人英文水平实在有限，难免有纰漏之处。本篇不只是对官方文档的翻译，还加入了一些本人对HBase的理解。在翻译过程中，一些没有营养的废话，我就忽略了没有翻译。本篇按照 2016年 5、6 月 最新版的 http://hbase.apache.org/book.html 进行翻译，此时：

　　

　　而 stable 文件夹中的内容：

---------------------------------------------------------------------------------------------------------------------------------------------

Getting Started（准备开始）
1、简介
　　文档将带你搭建和运行一个单节点、单实例的HBase，随后是一个伪分布式的单机实例，最后是一个完全分布式的集群。
2、快速开始--单机模式HBase
　　本指南描述的是在本地文件系统中搭建单机模式下的HBase。对于一个HBase生产环境下的实例来说，这是不恰当的配置，但是，在本地测试情况下运行是允许的。本章节将要像你展示使用HBase shell 命令创建一个表，插入数据，对表进行put和scan操作，enable 或者 disable 表，并且运行和停止HBase。除去下载HBase，整个过程应该不超过十分钟。
　　在本地文件系统下使用HBase不保证耐久性。如果文件未正常关闭，本地HDFS文件系统实现将丢失编辑的内容。当你试用新软件时这是很有可能发生的，经常启动和停止守护进程通常是并不干净的。你需要确保在HDFS运行HBase所有的写入是已经保存了的。针对本地文件系统的运行能够让你快速熟悉怎样生产系统任务，获取第一阶段的评价。关于本地文件系统上的问题更详尽的描述，请访问 HBASE-3696 。
　　在HBase 0.94.X 版本之前，HBase期望的IP地址是 127.0.0.1。Ubuntu及一些其他分支默认是 127.0.0.1，这将给你带来麻烦。
　　*** Example 1. 对于Ubuntu，HBase 0.94.x及早期版本正确的配置如下。如果你陷入困境，请使用如下配置。

127.0.0.1 localhost
127.0.0.1 ubuntu.ubuntu-domain ubuntu

2.1、JDK版本要求
　　*** HBase 0.98.5 及 更新版本，必须在集群的每一个节点设置JAVA_HOME。hbase-env.sh提供了一个便利的机制。

2.2、开始使用HBase
　　步骤：下载，配置，启动。
　　（1）、从 Apache Download Mirrors 列表中选择一个下载站。它为你提供HBase发布版的镜像。点击名为“stable”的文件夹，然后下载以“.tar.gz”结尾的二进制文件到本地文件系统。在HBase 1.X版本之前，一定要选择你可能用到的Hadoop的更迟版本对应的HBase版本（大部分情况下，你应该选择hadoop 2.X版本的，类似hbase-0.98.13-hadoop2-bin.tar.gz）。暂时不下载以 “src.tar.gz”结尾的文件。
　　（2）、解压下载文件，并打开目录。

$ tar xzvf hbase-<?eval ${project.version}?>-bin.tar.gz
$ cd hbase-<?eval ${project.version}?>/

　　（3）、对于HBase 0.98.5 及之后版本，在启动HBase前，你需要设置JAVA_HOME环境变量。在HBase 0.98.5之前，如果没有设置环境变量，HBase尝试检测Java的位置。你可以通过操作系统的一般机制来设置环境变量，但HBase提供一个中枢机制 conf/hbase-env.sh 。编辑该文件，取消 JAVA_HOME 前的注释符，并设置你本机适当的位置。
　　*** 这个指令假设集群的每个节点都采用同样的配置。如果不一致，你需要单独设置每个节点。
　　（4）、编辑 conf/hbase-site.xml 这个HBase主配置文件。这时候，你仅需要指定本地文件系统中HBase和Zookeeper写数据的目录即可。默认是在/tmp目录下新建一个目录。许多机器在重启后是会删除/tmp目录内容的，所以你需要存储数据到别处。下面的配置将存储HBase的数据在testuser用户主目录下的hbase目录。在标签<configuration>下粘贴<property>标签，在一个新安装的HBase中这应该是个空的。你不要创建HBase数据目录。HBase会为你这么做。如果你创建了目录，HBase会迁移，而这不是你想要的。
　　*** Example 2. HBase的单例模式的 hbase-site.xml 配置：

<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>

　　（5）、bin/start-hbase.sh 此脚本为启动HBase提供了方便的途径。执行命令，在标准输出的日志里可以看到HBase启动成功的消息。你可以使用 jps 命令来确认你有一个正在运行的进行 HMaster。在 HBase 的单例模式中，所有的服务都运行在同一JVM中，如 HMaster，单例的 HRegionServer 和 ZooKeeper 的守护进程。
　　步骤：使用HBase
　　1）、连接HBase。
在HBase安装目录下bin/ 目录下使用 hbase shell 命令连接正在运行的HBase实例。在下面这个例子中，当你启动HBase Shell 并忽略打印的一些用法和版本信息后，HBase Shell 是以字符‘>’结尾。

$ ./bin/hbase shell
hbase(main)::>

　　2）、预览 HBase Shell 的帮助文本。
　　输入 help 并点击回车，可以看到一些基本的HBase Shell 用法信息，以及一些示例命令。
　　3）、创建一个表。
　　使用 create 命令创建一个表，你必须执行一个表名和列族名。

hbase(main)::> create 'test', 'cf'
 row(s) in 0.4170 seconds
=> Hbase::Table - test

　　4）、关于你的表的列表信息。
　　使用 list 命令：

hbase(main)::> list 'test'
TABLE
test
 row(s) in 0.0180 seconds
=> ["test"]

　　5）、插入数据到表中。
　　使用 put 命令插入数据。

hbase(main)::> put 'test', 'row1', 'cf:a', 'value1'
 row(s) in 0.0850 seconds
hbase(main)::> put 'test', 'row2', 'cf:b', 'value2'
 row(s) in 0.0110 seconds
hbase(main)::> put 'test', 'row3', 'cf:c', 'value3'
 row(s) in 0.0100 seconds

在这里，我们往 test 表中依次插入了三条数据。首先插入了一条rowkey为row1、列为 cf:a、值为 value1 的数据。HBase中的列是包含列族前缀的，在这个例子中，冒号前的为列族 cf ，冒号后的为列限定符 a 。

　　6）、扫描表的全部数据。

　　从HBase获取数据的途径之一就是 scan 。使用 scan 命令扫描表数据。你可以对扫描做限制，不过现在，获取全部的数据。

hbase(main)::> scan 'test'
ROW       COLUMN+CELL
row1     column=cf:a, timestamp=, value=value1
row2     column=cf:b, timestamp=, value=value2
row3     column=cf:c, timestamp=, value=value3
 row(s) in 0.0230 seconds

　　7）、获取一条数据。

　　使用 get 命令一次获取一条数据。

hbase(main)::> get 'test', 'row1'
COLUMN                    CELL
cf:a                      timestamp=, value=value1
 row(s) in 0.0350 seconds　　

　　8）、禁用一个表。

　　如果你想删除一个表或者改变表的设置，以及一些其他的场景，首先你需要使用 disable 命令禁用表。你可以使用 enable 命令“反禁用”即启用表。

hbase(main)::> disable 'test'
 row(s) in 1.1820 seconds
hbase(main)::> enable 'test'
 row(s) in 0.1770 seconds

　　9）、删除表。

　　使用 drop 命令删除一个表。

hbase(main)::> drop 'test'
 row(s) in 0.1370 seconds

　　10）、退出。

　　使用 quit 命令退出命令行并从集群断开连接。HBase 仍然在后台运行。

　　步骤：停止HBase。

　　1）、bin/start-hbase.sh 这个脚本提供了便利的启动所有 HBase 服务，同样地，bin/stop-hbase.sh 脚本用来停止所有HBase服务。

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

　　2）、在使用这个命令后，它可能需要过几分钟才能停掉服务进程。使用 jps 命令来确认 HMaster 和 HRegionServer 进程是否关闭。

2.3 中级 ----- 本地伪分布式安装

　　在你学习过前面内容后，你要重新配置 HBase 来运行伪分布式模式。伪分布式模式的意思是 HBase 仍然在一台机器上完整的运行，不过，每个HBase 服务（HMaster，HRegionServer，Zookeeper）是在单独的一个进程中运行。默认的，如果你像上面描述的一样没有配置 hbase.rootdir ，你的数据仍然存储在 /tmp 目录下。在本文的稍后部分中，假设你有可用的HDFS，我们存储数据在HDFS。你可以略过HDFS配置继续存储你的数据在本地文件系统。

　　（1）、如果正在运行，请先停掉HBase。

　　如果你完成了单例模式的HBase并且正在运行，请停掉它。这个步骤将完全的创建一个存储HBase数据的新目录，所以之前你创建的数据库将丢失。

　　（2）、配置HBase。

　　编辑 hbase-site.xml 进行配置。首先，添加 property，使 HBase 以分布式模式运行，并且一个 JVM 实例化一个守护进程。

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

　　接下来，把 hbase.rootdir 的配置从本地文件系统改为你的HDFS实例的地址，并使用 hdfs:// 开头的 URL 语法。下面这个例子中，HDFS是运行在本地端口 8020。

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

　　你不需要在HDFS中创建 /hbase 目录，HBase会自动创建。不过，如果你创建了 /hbase 目录，HBase会尝试移动，而这不是你想要的。

　　（3）、启动HBase。

　　使用 bin/start-hbase.sh 命令启动HBase。如果你配置得当，使用 jps 命令可以查看到 HMaster 和 HRegionServer 进程正在运行。

　　（4）、检查 HDFS 中 HBase 目录。

　　如果一切正常，HBase 会在 HDFS 创建目录。在配置文件中，是存储在HDFS的 /hbase 目录。你可以使用 hadoop fs 命令查看这个目录。

$ hadoop fs -ls /hbase
Found  items
drwxr-xr-x   - hbase users           -- : /hbase/.tmp
drwxr-xr-x   - hbase users           -- : /hbase/WALs
drwxr-xr-x   - hbase users           -- : /hbase/corrupt
drwxr-xr-x   - hbase users           -- : /hbase/data
-rw-r--r--    hbase users          -- : /hbase/hbase.id
-rw-r--r--    hbase users           -- : /hbase/hbase.version
drwxr-xr-x   - hbase users           -- : /hbase/oldWALs

　　（5）、创建一个表，并插入数据。

　　你可以使用 HBase Shell 创建一个表，插入数据，并 scan 和 get 数据，使用方法和上面一样。

　　（6）、启动和停止一个 HMaster 备份服务器。

　　对于生产环境而言在同一个机器上运行多个 HMaster 实例是没有意义的，同样的，在生产环境上运行伪分布式模式也是没有意义的。

　　HMaster 服务器用来管理HBase集群。你可以弄10个 HMaster，其中9个做备份 HMaster 服务器。使用 local-master-backup.sh 启动备份HMaster 。对于每个你想要启动的 master，可以添加一个参数代表这个 master 的端口。每个HMaster使用三个端口，默认是16010,16020,16030 。端口偏移量添加到这些端口，所以偏移量为2 ，备份HMaster会使用16012/16022/16032 的端口。以下命令使用 16012/16022/16032, 16013/16023/16033, 和16015/16025/16035 作为端口号。

$ ./bin/local-master-backup.sh   

　　从整个集群中移除某一个备份 master ，你需要找到进程ID（PID）。PID存储在名称类似于 /tmp/hbase-USER-X-master.pid 的文件中。你可以使用 kill -9 命令来杀死这个PID。下面的命令将从正在运行的集群中移除一个端口偏移量为1的 master。

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

　　（7）、启动和停止附加的 RegionServer 。

　　HRegionServer 在 HMaster 的指导下管理 storefile 中的数据。一般的，一个 HRegionServer 在集群的每个节点上运行。伪分布式模式下在一个系统中运行多个HRegionServer 对于测试是有用的。local-regionservers.sh 命令允许你运行多个 RegionServer。它的工作原理类似于 local-master-backup.sh 命令，你提供的参数代表实例端口偏移量。每个 RegionServer 需要两个端口，默认的是16020和16030 。无论怎样，附件的 RegionServer 的基本端口不能使用默认的，因为默认端口被HMaster 端口占用，这也是 HBase 1.0.0 版本 RegionServer 的一个使用。基本端口用16200和16300替代。在同一台机器上，你可以运行99个附加的RegionServer，不是HMaster或者备份HMaster。下面这个命令启动4个附件的 RegionServer ，运行在从 16202/16302 开始连续的端口（16200/16300 端口每次加2）。

$ .bin/local-regionservers.sh start    

　　使用 local-regionservers.sh 命令加上 stop 参数及服务器端口偏移量手动地停止一个RegionServer

$ .bin/local-regionservers.sh stop 

2.4 高级 -----  完全分布式

　　实际上，你需要一个完全分布式配置并且使用真实情景去完全的测试HBase。在一个分布式配置中，一个集群包含多个节点，每个节点运行一个或者多个 HBase 守护进程。他们包含主 HMaster 和备份 HMaster 实例，多个 Zookeeper 节点，和多个 RegionServer 节点。

　　添加大于两个的节点到你的集群，实例如下：

　　表1. 分布式集群样例模板

　　这个示例采取每个节点是在同一网段的虚拟机。分布式模式的搭建是根据之前的伪分布式的搭建，假设之前的配置步骤是在现在的 node-a 节点。停止掉 HBase 后再继续。

　　！请确保每个节点的防火墙关闭。

　　步骤：配置SSH互信

　　（略过，请自行 Google 或者某度！）

　　步骤：准备节点 node-a

　　node-a 节点用来运行主 master 和 Zookeeper 进程，不过没有 RegeionServer 。

　　（1）、编辑 cong/regionservers ，并且移除 lcoalhost 行。然后添加 node-b 和 node-c 的主机名或者IP地址。

　　如果你想要在节点 node-a 节点运行 RegionServer ，你应该确保各主机间能够相互通信。这使你可以配置分发到任何主机冲突的节点。保存文件。

　　（2）、配置 HBase 使 node-b 节点作为备份 master。

　　创建一个新的文件 conf/backup-masters ，并添加新的一行主机名--node-b。在本例中，主机名是 node-b.example.com。

　　（3）、配置 Zookeeper。

　　实际上，你需要小心的考虑 Zookeeper 的配置。关于 Zookeeper的更多配置，下面有专门解释。

　　在节点 node-a ，编辑 conf/hbase-site.xml ，添加以下配置。

<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>

　　步骤：准备 node-c 和 node-b

　　node-c 上将要运行备份 master 和 一个 Zookeeper 实例。

　　（1）、下载和解压 HBase

　　下载和解压 HBase 到 node-b ，就像之前单机模式和为分布式模式一样。

　　（2）、从 node-a 节点复制配置文件到 node-b 和 node-c。

　　集群上每个节点都应该保持同样的配置。复制目录 conf/ 内容到 node-b 和 node-c 目录下。

　　步骤：启动和测试你的集群

　　（1）、在各节点上确认HBase没有运行。

　　如果之前测试的时候你忘记停掉 HBase，你将要报错的。使用 jps 命令检验每台机器上的 HBase 是否运行。看下是否存在进程 HMaster、HRegionServer、HQuorumPeer，如果存在，kill 掉。

　　（2）、启动集群。

　　在节点 node-a 上，执行 start-hbase.sh 命令。你将看到和下面相似的输出。

$ bin/start-hbase.sh
node-c.example.com: starting zookeeper, logging to /home/hbuser/hbase-0.98.-hadoop2/bin/../logs/hbase-h         buser-zookeeper-node-c.example.com.out
node-a.example.com: starting zookeeper, logging to /home/hbuser/hbase-0.98.-hadoop2/bin/../logs/hbase-h        buser-zookeeper-node-a.example.com.out
node-b.example.com: starting zookeeper, logging to /home/hbuser/hbase-0.98.-hadoop2/bin/../logs/hbase-h        buser-zookeeper-node-b.example.com.out
starting master, logging to /home/hbuser/hbase-0.98.-hadoop2/bin/../logs/hbase-hbuser-master-node-a.exa            mple.com.out
node-c.example.com: starting regionserver, logging to /home/hbuser/hbase-0.98.-hadoop2/bin/../logs/hbase-        hbuser-regionserver-node-c.example.com.out
node-b.example.com: starting regionserver, logging to /home/hbuser/hbase-0.98.-hadoop2/bin/../logs/hbase-        hbuser-regionserver-node-b.example.com.out
node-b.example.com: starting master, logging to /home/hbuser/hbase-0.98.-hadoop2/bin/../logs/hbase-hbus        er-master-nodeb.example.com.out

　　首先启动 Zookeeper ，然后是 master ，然后是 RegionServer， 最后是 备份 master。

　　（3）、检验进程是否运行。

　　在每台节点上运行 jps 命令，检验每个机器上的相应进程是否运行。

　　Example 3. node-a jps Output

$ jps
 Jps
 HQuorumPeer
 HMaster

　　Example 4. node-b jps Output

$ jps
 HRegionServer
 Jps
 HQuorumPeer
 HMaster

　　Example 5. node-a jps Output

$ jps
 Jps
 HQuorumPeer
 HRegionServer

　　！Zookeeper 进程名

　　HQuorumPeer 进程是用来管理和启动HBase的 Zookeeper 实例。如果你按照这种方式使用 Zookeeper，那么他将被限制在集群每个节点上运行一个实例，这只是适用于测试。如果 Zookeeper 是运行在 HBase 外，进程名即是 QuorumPeer 。

　　（4）、浏览器 WEB UI

　　在 HBase 0.98.X 更高版本，HBase Web 界面的 HTTP 端口从 Master 的 60010 和 每个 RegionServer 的 60030 改变为 Master 的 16010 和 RegionServer 的16030 。

　　如果一切准备妥当，你应该能够使用 web 浏览器连接到 Master http://node-a.example.com:16010/ 和第二Master 的 http://node-b.example.com:16010/。如果你可以通过 localhost 连接，但不能从其他主机连接，请检查你的防火墙配置。

　　（5）、测试节点或者服务器消失会发生什么。

　　如上配置的三个节点的集群，并不是有弹性的。尽管如此，你仍然可以测试当主 Master 或者 RegionServer消失发生什么，杀死进程并查看日志。

3、下一站

　　下一章节，将要讲述关于 HBase 相关的信息，关于不同 HBase 的运行模式，HBase的运行时系统配置，一个分布式 HBase 集群的临界配置区域。