1、搭建環境
部署節點操作系統爲CentOS，防火牆和SElinux禁用，創建了一個shiyanlou用戶並在系統根目錄下創建/app目錄，用於存放Hadoop等組件運行包。因爲該目錄用於安裝hadoop等組件程序，用戶對shiyanlou必須賦予rwx權限(一般做法是root用戶在根目錄下創建/app目錄，並修改該目錄擁有者爲shiyanlou(chown –R shiyanlou:shiyanlou /app)。
Hadoop搭建環境：
l 虛擬機操作系統： CentOS6.6 64位，單核，1G內存
l JDK：1.7.0_55 64位
l Hadoop：1.1.2
2、HBase介紹
HBase – Hadoop Database，是一個高可靠性、高性能、面向列、可伸縮的分佈式存儲系統，利用HBase技術可在廉價PC Server上搭建起大規模結構化存儲集羣。
HBase是Google Bigtable的開源實現，類似Google Bigtable利用GFS作爲其文件存儲系統，HBase利用Hadoop HDFS作爲其文件存儲系統;Google運行MapReduce來處理Bigtable中的海量數據，HBase同樣利用Hadoop MapReduce來處理HBase中的海量數據;Google Bigtable利用 Chubby作爲協同服務，HBase利用Zookeeper作爲對應來源：北京oracle培訓。
上圖描述了Hadoop EcoSystem中的各層系統，其中HBase位於結構化存儲層，Hadoop HDFS爲HBase提供了高可靠性的底層存儲支持，Hadoop MapReduce爲HBase提供了高性能的計算能力，Zookeeper爲HBase提供了穩定服務和failover機制。
此外，Pig和Hive還爲HBase提供了高層語言支持，使得在HBase上進行數據統計處理變的非常簡單。 Sqoop則爲HBase提供了方便的RDBMS數據導入功能，使得傳統數據庫數據向HBase中遷移變的非常方便。
2.1 HBase訪問接口
1. Native Java API，最常規和高效的訪問方式，適合Hadoop MapReduce Job並行批處理HBase表數據
2. HBase Shell，HBase的命令行工具，最簡單的接口，適合HBase管理使用
3. Thrift Gateway，利用Thrift序列化技術，支持C++，PHP，Python等多種語言，適合其他異構系統在線訪問HBase表數據
4. REST Gateway，支持REST 風格的Http API訪問HBase, 解除了語言限制
5. Pig，可以使用Pig Latin流式編程語言來操作HBase中的數據，和Hive類似，本質最終也是編譯成MapReduce Job來處理HBase表數據，適合做數據統計
6. Hive，當前Hive的Release版本尚沒有加入對HBase的支持，但在下一個版本Hive 0.7.0中將會支持HBase，可以使用類似SQL語言來訪問HBase
2.2 HBase數據模型
2.2.1 Table & Column Family
l Row Key: 行鍵，Table的主鍵，Table中的記錄按照Row Key排序
l Timestamp: 時間戳，每次數據操作對應的時間戳，可以看作是數據的version number
l Column Family：列簇，Table在水平方向有一個或者多個Column Family組成，一個Column Family中可以由任意多個Column組成，即Column Family支持動態擴展，無需預先定義Column的數量以及類型，所有Column均以二進制格式存儲，用戶需要自行進行類型轉換。
2.2.2 Table & Region
當Table隨着記錄數不斷增加而變大後，會逐漸分裂成多份splits，成爲regions，一個region由[startkey,endkey)表示，不同的region會被Master分配給相應的RegionServer進行管理：
-ROOT- && .META. Table
HBase中有兩張特殊的Table，-ROOT-和.META.
l .META.：記錄了用戶表的Region信息，.META.可以有多個regoin
l -ROOT-：記錄了.META.表的Region信息，-ROOT-只有一個region
l Zookeeper中記錄了-ROOT-表的location
Client訪問用戶數據之前需要首先訪問zookeeper，然後訪問-ROOT-表，接着訪問.META.表，最後才能找到用戶數據的位置去訪問，中間需要多次網絡操作，不過client端會做cache緩存。
2.2.3 MapReduce on HBase
在HBase系統上運行批處理運算，最方便和實用的模型依然是MapReduce，如下圖：
HBase Table和Region的關係，比較類似HDFS File和Block的關係，HBase提供了配套的TableInputFormat和TableOutputFormat API，可以方便的將HBase Table作爲Hadoop MapReduce的Source和Sink，對於MapReduce Job應用開發人員來說，基本不需要關注HBase系統自身的細節。
2.3 HBase系統架構
2.3.1 Client
HBase Client使用HBase的RPC機制與HMaster和HRegionServer進行通信，對於管理類操作，Client與HMaster進行RPC;對於數據讀寫類操作，Client與HRegionServer進行RPC
2.3.2 Zookeeper
Zookeeper Quorum中除了存儲了-ROOT-表的地址和HMaster的地址，HRegionServer也會把自己以Ephemeral方式註冊到 Zookeeper中，使得HMaster可以隨時感知到各個HRegionServer的健康狀態。此外，Zookeeper也避免了HMaster的 單點問題，見下文描述
2.3.3 HMaster
HMaster沒有單點問題，HBase中可以啓動多個HMaster，通過Zookeeper的Master Election機制保證總有一個Master運行，HMaster在功能上主要負責Table和Region的管理工作：
1. 管理用戶對Table的增、刪、改、查操作
2. 管理HRegionServer的負載均衡，調整Region分佈
3. 在Region Split後，負責新Region的分配
4. 在HRegionServer停機後，負責失效HRegionServer 上的Regions遷移
2.3.4 HRegionServer
HRegionServer主要負責響應用戶I/O請求，向HDFS文件系統中讀寫數據，是HBase中最核心的模塊。
HRegionServer內部管理了一系列HRegion對象，每個HRegion對應了Table中的一個 Region，HRegion中由多個HStore組成。每個HStore對應了Table中的一個Column Family的存儲，可以看出每個Column Family其實就是一個集中的存儲單元，因此最好將具備共同IO特性的column放在一個Column Family中，這樣最高效。
HStore存儲是HBase存儲的核心了，其中由兩部分組成，一部分是MemStore，一部分是StoreFiles。 MemStore是Sorted Memory Buffer，用戶寫入的數據首先會放入MemStore，當MemStore滿了以後會Flush成一個StoreFile(底層實現是HFile)， 當StoreFile文件數量增長到一定閾值，會觸發Compact合併操作，將多個StoreFiles合併成一個StoreFile，合併過程中會進 行版本合併和數據刪除，因此可以看出HBase其實只有增加數據，所有的更新和刪除操作都是在後續的compact過程中進行的，這使得用戶的寫操作只要 進入內存中就可以立即返回，保證了HBase I/O的高性能。當StoreFiles Compact後，會逐步形成越來越大的StoreFile，當單個StoreFile大小超過一定閾值後，會觸發Split操作，同時把當前 Region Split成2個Region，父Region會下線，新Split出的2個孩子Region會被HMaster分配到相應的HRegionServer 上，使得原先1個Region的壓力得以分流到2個Region上。下圖描述了Compaction和Split的過程：
在理解了上述HStore的基本原理後，還必須瞭解一下HLog的功能，因爲上述的HStore在系統正常工作的前提下是沒有問 題的，但是在分佈式系統環境中，無法避免系統出錯或者宕機，因此一旦HRegionServer意外退出，MemStore中的內存數據將會丟失，這就需要引入HLog了。每個HRegionServer中都有一個HLog對象，HLog是一個實現Write Ahead Log的類，在每次用戶操作寫入MemStore的同時，也會寫一份數據到HLog文件中(HLog文件格式見後續)，HLog文件定期會滾動出新的，並 刪除舊的文件(已持久化到StoreFile中的數據)。當HRegionServer意外終止後，HMaster會通過Zookeeper感知 到，HMaster首先會處理遺留的 HLog文件，將其中不同Region的Log數據進行拆分，分別放到相應region的目錄下，然後再將失效的region重新分配，領取 到這些region的HRegionServer在Load Region的過程中，會發現有歷史HLog需要處理，因此會Replay HLog中的數據到MemStore中，然後flush到StoreFiles，完成數據恢復。
2.4 HBase存儲格式
HBase中的所有數據文件都存儲在Hadoop HDFS文件系統上，主要包括上述提出的兩種文件類型：
1.HFile， HBase中KeyValue數據的存儲格式，HFile是Hadoop的二進制格式文件，實際上StoreFile就是對HFile做了輕量級包裝，即StoreFile底層就是HFile
2.HLog File，HBase中WAL(Write Ahead Log) 的存儲格式，物理上是Hadoop的Sequence File
2.4.1 HFile
下圖是HFile的存儲格式：
首先HFile文件是不定長的，長度固定的只有其中的兩塊：Trailer和FileInfo。正如圖中所示的，Trailer 中有指針指向其他數據塊的起始點。File Info中記錄了文件的一些Meta信息，例如：AVG_KEY_LEN, AVG_VALUE_LEN, LAST_KEY, COMPARATOR, MAX_SEQ_ID_KEY等。Data Index和Meta Index塊記錄了每個Data塊和Meta塊的起始點。
Data Block是HBase I/O的基本單元，爲了提高效率，HRegionServer中有基於LRU的Block Cache機制。每個Data塊的大小可以在創建一個Table的時候通過參數指定，大號的Block有利於順序Scan，小號Block利於隨機查詢。 每個Data塊除了開頭的Magic以外就是一個個KeyValue對拼接而成, Magic內容就是一些隨機數字，目的是防止數據損壞。後面會詳細介紹每個KeyValue對的內部構造。
HFile裏面的每個KeyValue對就是一個簡單的byte數組。但是這個byte數組裏麪包含了很多項，並且有固定的結構。我們來看看裏面的具體結構：
開始是兩個固定長度的數值，分別表示Key的長度和Value的長度。緊接着是Key，開始是固定長度的數值，表示RowKey 的長度，緊接着是RowKey，然後是固定長度的數值，表示Family的長度，然後是Family，接着是Qualifier，然後是兩個固定長度的數 值，表示Time Stamp和Key Type(Put/Delete)。Value部分沒有這麼複雜的結構，就是純粹的二進制數據了。
2.4.2 HLogFile
上圖中示意了HLog文件的結構，其實HLog文件就是一個普通的Hadoop Sequence File，Sequence File 的Key是HLogKey對象，HLogKey中記錄了寫入數據的歸屬信息，除了table和region名字外，同時還包括 sequence number和timestamp，timestamp是“寫入時間”，sequence number的起始值爲0，或者是最近一次存入文件系統中sequence number。
HLog Sequece File的Value是HBase的KeyValue對象，即對應HFile中的KeyValue，可參見上文描述。
3、安裝部署HBase
3.1 安裝過程
3.1.1 下載HBase安裝包
從Apache網站上(hbase.apache.org)下載HBase穩定發佈包:
http://mirrors.cnnic.cn/apache/hbase/hbase-0.96.2/
也可以在/home/shiyanlou/install-pack目錄中找到該安裝包，解壓該安裝包並把該安裝包複製到/app目錄中
cd /home/shiyanlou/install-pack
tar -zxf hbase-0.96.2-hadoop1-bin.tar.gz
mv hbase-0.96.2-hadoop1 /app/hbase-0.96.2
3.1.2 設置環境變量
1. 使用sudo vi /etc/profile命令修改系統環境變量
export HBASE_HOME=/app/hbase-0.96.2
export PATH=$PATH:$HBASE_HOME/bin
2. 使環境變量生效並驗證環境變量生效
source /etc/profile
hbase version
3.1.3 編輯hbase-env.sh
1. 打開hbase-env.sh文件
cd /app/hbase-0.96.2/conf
sudo vi hbase-env.sh
2. 修改該文件配置
#Java環境
export JAVA_HOME=/app/lib/jdk1.7.0_55
#通過hadoop的配置文件找到hadoop集羣
export HBASE_CLASSPATH=/app/hadoop-1.1.2/conf
#使用HBASE自帶的zookeeper管理集羣
export HBASE_MANAGES_ZK=true
3.1.4 編輯hbase-site.xml
1. 打開hbase-site.xml配置文件
cd /app/hbase-0.96.2/conf
sudo vi hbase-site.xml
2. 配置hbase-site.xml文件
hbase.rootdir
hdfs://hadoop:9000/hbase
hbase.cluster.distributed
true
hbase.zookeeper.quorum
b393a04554e1
3.2 啓動並驗證
3.2.1 啓動HBase
通過如下命令啓動Hbase
cd /app/hbase-0.96.2/bin
./start-hbase.sh
3.2.2 驗證啓動
1. 在hadoop節點使用jps查看節點狀態
2. 進入hbase的shell命令行，創建表member並進行查看
hbase shell
hbase>create 'member', 'm_id', 'address', 'info'
