hadoop集群搭建之三(Hbase、zookeeper安装)

前两步实现了Hadoop集群的搭建，但是对于数据的存储要用数据库。一般小规模的网站上，我们会用MySQL，在WEB应用方面 MySQL 是最好的 RDBMS (Relational Database Management System，关系数据库管理系统) 应用软件之一。但是MySQL在处理大型的并发性能上远远不行。这里我们会考虑用oracle和Hbase，对于大量的统计业务就使用Oracle,而对于数据挖掘搜索引擎使用Hbase。这里我主要做数据挖掘，机器学习的研究，所以我使用Hbase。
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.
Hbase是bigtable的开源山寨版本。是建立的hdfs之上，提供高可靠性、高性能、列存储、可伸缩、实时读写的数据库系统。它介于nosql和RDBMS之间，仅能通过主键(row key)和主键的range来检索数据，仅支持单行事务(可通过hive支持来实现多表join等复杂操作)。主要用来存储非结构化和半结构化的松散数据。与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。

HBase中的表一般有这样的特点：
1 大：一个表可以有上亿行，上百万列
2 面向列:面向列(族)的存储和权限控制，列(族)独立检索。
3 稀疏:对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。
安装参考文章：http://hbase.apache.org/book.html#architecture

安装前需要注意Hbase支持的JAVA版本：

HBase Version	JDK 6	JDK 7	JDK 8
1.0	Not Supported	yes	Running with JDK 8 will work but is not well tested.
0.98	yes	yes	Running with JDK 8 works but is not well tested. Building with JDK 8 would require removal of thedeprecated remove() method of the PoolMap class and is under consideration. SeeHBASE-7608 for more information about JDK 8support.
0.96	yes	yes	N/A
0.94	yes	yes	N/A

hadoop支持的情况：

Hadoop version support matrix

"S" = supported

"X" = not supported

"NT" = Not tested

	HBase-0.92.x	HBase-0.94.x	HBase-0.96.x	HBase-0.98.x (Support for Hadoop 1.1+ is deprecated.)	HBase-1.0.x (Hadoop 1.x is NOT supported)
Hadoop-0.20.205	S	X	X	X	X
Hadoop-0.22.x	S	X	X	X	X
Hadoop-1.0.x	X	X	X	X	X
Hadoop-1.1.x	NT	S	S	NT	X
Hadoop-0.23.x	X	S	NT	X	X
Hadoop-2.0.x-alpha	X	NT	X	X	X
Hadoop-2.1.0-beta	X	NT	S	X	X
Hadoop-2.2.0	X	NT	S	S	NT
Hadoop-2.3.x	X	NT	S	S	NT
Hadoop-2.4.x	X	NT	S	S	S
Hadoop-2.5.x	X	NT	S	S	S

这里我使用单独的zookeeper。集群的结构如下：

主机名 IP地址 用途
master.hadoop 192.168.0.1 HMster、zookeeper
slave1.hadoop 192.168.0.2 regionserver、zookeeper
slave2.hadoop 192.168.0.3 regionserver、zookeeper
slave3.hadoop 192.168.0.4 regionserver、zookeeper
这里我们先安装zookeeper。zookeeper的下载地址如下：

http://www.apache.org/dyn/closer.cgi/zookeeper/

解压缩安装包，复制zookeeper到/usr/local。先修改环境变量，参考安装Hadoop的例子：

export ZOOKEEPER_HOME=/usr/local/zookeeper
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HBASE_HOME/bin：$ZOOKEEPER_HOME/bin

然后修改zookeeper的配置文件：

cd  zookeeper/conf
cp  zoo_sample.cfg zoo.cfg
vim zoo.cfg

# The number of milliseconds of each tick
tickTime=2000
# The number of ticks that the initial
# synchronization phase can take
initLimit=10
# The number of ticks that can pass between
# sending a request and getting an acknowledgement
syncLimit=5
# the directory where the snapshot is stored.
dataDir=/home/hadoop/hadoopdata/zookeeper/zookeeper-data
# the port at which the clients will connect
clientPort=2222
server.1=master.hadoop:2888:3888
server.2=slave1.hadoop:2888:3888
server.3=slave2.hadoop:2888:3888
server.4=slave3.hadoop:2888:2888

然后创建zookeeper-data文件夹：

mkdir /home/hadoop/hadoopdata/zookeeper/zookeeper-data

再把master.hadoop上的zookeeper目录同步到slave1.hadoop、slave2.hadoop、slave3.hadoop。
同样在部署zookeeper的节点上创建/home/hadoop/hadoopdata/zookeeper/zookeeper-data目录，然后在此新建一个myid文件里写入zoo.cfg文件对应的server号码，例如：master.hadoop写1，slave1.hadoop写2，依次类推，配置文件处写了多少就写多少。
下面准备启动zookeeper。（在hadoop已经启动的条件下，确保集群内各个节点上的防火墙关闭）
在每个部署zookeeper节点的机器上执行如下命令

zkServer.sh start

然后每个节点上执行下面命令，查看节点是那种角色：

zkServer.sh status

要停止zookeeper，每个节点上执行下面命令：

zkServer.sh stop

Hbase安装包的下载地址如下，这里建议下载stable版本的安装包，本次安装的时Hbase1.0

http://www.apache.org/dyn/closer.cgi/hbase/
在master上解压缩文件hbase-1.0.0-bin.tar.gz，进入目录conf，编辑文件hbase-env.sh，添加下面内容：

# The java implementation to use.  Java 1.7+ required.
export JAVA_HOME=/usr/local/jdk1.7.0_21/

# Extra Java CLASSPATH elements.  Optional.
export HBASE_CLASSPATH=/usr/local/hadoop/etc/hadoop

再编辑文件hbase-site.xml，添加下面内容，这里需要注意的是hbase.rootdir的端口号一定要和hadoop的配置文件core-site.xml中的fs.default.name下的端口号保持一致：

<configuration>
<property>
<name>hbase.rootdir</name>
<value>hdfs://master.hadoop:9000/hbase</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>master.hadoop,slave1.hadoop,slave2.hadoop,slave3.hadoop</value>
</property>
<property>
<name>hbase.zookeeper.sission.timeout</name>
<value>60000</value>
</property>
<property>
<name>hbase.zookeeper.property.clientPort</name>
<value>2222</value>
</property>
<property>
<name>hbase.master</name>
<value>master.hadoop:60000</value>
</property>
<property>
<name>hbase.master.info.port</name>
<value>60010</value>
</property>
<property>
<name>hbase.regionserver.info.port</name>
<value>60030</value>
</property>
<property>
<name>hbase.master.maxclockskew</name>
<value>6000000000</value>
</property>
</configuration>

这里需要注意的是最后一个参数，每次启动Hbase的时候发现，有一个slave没有起来，查看日志得知这个节点的时钟与master节点的时钟相比相差很多，超过阈值，所以这里设置这个参数增大这个阈值。其实也可以试试其他集群同步时间的方法，这里用了比较莽夫的方法~~~~

然后修改/etc/profie文件

export HADOOP_HOME=/usr/local/hadoop
export HBASE_HOME=/usr/local/hbase
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HBASE_HOME/bin

至此主节点上的配置全部完成，然后将配置好的hbase文件利用scp拷贝到各个slave的/usr/local/目录下，再修改环境变量即可。然后在主节点上启动Hbase，利用下面的命令：

start-hbase.sh

这里需要注意的一点时启动Hbase之前要确定Hadoop一定启动了，关闭的时候，我们先关闭Hbase再关闭Hadoop。

启动Hbase后，主节点终端键入jps可以看到下面的现象：

15279 ResourceManager
24690 SecondaryNameNode
20497 QuorumPeerMain
14948 NameNode
20587 HMaster
20914 Jps

slave节点上信息如下：

14844 QuorumPeerMain
14949 Jps
20587 HRegionServer
13927 NodeManager1
3801 DataNode

至此Hbase的安装完成。主节点上键入下面命令进入Hbase的shell：

hbase shell

hbase(main):001:0>

如果要关闭Hbase使用下面命令：

stop-hbase.sh

至此hadoop、zookeeper、Hbase安装完毕，注意启动的时候顺序是hadoop->zookeeper->hbase，关闭的时候是hbase->zookeeper->hadoop。