HBase学习之一HBase本地模式与伪分布式模式

HBase是模仿Google的Bigtable开发的开源的、分布式的、面向列的存储仓库。就像Bigtable利用Google文件系统（GFS）提供的分布式数据存储，HBase基于Hadoop和HDFS提供了类似Bigtable的功能。当需要随机的、实时的读写大数据时，HBase就有了用武之地。

HBase有单机（本地）和分布式模式两种，而分布式模式又分为伪分布式和全分布是模式。单机模式是HBase的默认模式，该模式使用本地文件系统存储数据而不是基于HDFS。在该模式下，所有的HBase守护进程和一个本地ZooKeeper运行在同一个JVM中，Zookeeper通过绑定一个端口使得客户端可以与HBase通讯。伪分布式下的所有守护进程运行在单个节点上，而且既可以运行在本地文件系统也可以运行在Hadoop Distributed FileSystem (HDFS)上。而全分布式的守护进程则分布在集群中的所有节点上，并且只能运行在HDFS上。

在本地文件系统上运行HBase一般不能确保数据的持久性，要想确保数据都被保存下来，需要在HDFS上运行HBase。但是在本地文件系统上运行HBase 可以快速开始学习和熟悉HBase系统时如何运作的。

首先需要在HBase官方网站下载相对应的HBase版本，解压到指定的目录，假设为${HBASE_HOME}。在本地文件系统上以单机模式运行HBase非常简单，甚至不需要做任何修改就可以直接启动HBase，方法为运行${HBASE_HOME}/bin/start-hbase.sh，日志会记录在${HBASE_HOME}/logs目录中，可以通过查看日志文件确认HBase启动过程是否出现问题及是否启动成功。执行${HBASE_HOME}/bin/stop-hbase.sh可以停止HBase。默认情况下，HBase向目录/tmp/hbase-${user.name}中写数据，而ZooKeeper的数据写入/tmp/hbase-${user.name}/zookeeper中。可以修改${HBASE_HOME}/conf/hbase-site.xml文件，该文件初始不包含任何属性及属性值，可以通过设置特定属性值来覆盖默认值。比如上面提到的hbase和zookeeper的数据存放目录可以通过修改hbase.rootdir和hbase.zookeeper.property.dataDir属性值来改变。具体代码如下：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>hbase.rootdir</name>
    <value>file:///DIRECTORY/hbase</value>
  </property>
  <property>
    <name>hbase.zookeeper.property.dataDir</name>
    <value>/DIRECTORY/zookeeper</value>
  </property>
</configuration>

DIRECTORY为实际目录路径。

伪分布模式运行HBase在单个节点上，只能用来作为测试或者原型开发的目的，而不能用于生产或者测试HBase的性能。伪分布式即可以运行在本地文件系统上也可以运行在HDFS上（即使HDFS也以伪分布模式部署）。要想使HBase以伪分布或者全分布模式运行，必须修改hbase-site.xml文件的属性hbase.cluster.distributed为true以覆盖默认值false，false表示HBase以单机模式运行。修改的代码如下：

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

若伪分布模式下的HBase运行在本地文件系统之上（如何指定数据目录可参考上面内容），由于HBase使用Hadoop本地文件系统写数据到操作系统的本地文件系统，而Hadoop本地文件系统不支持同步，除非操作系统正常的关闭，否则会出现数据丢失的问题。若将HBase的数据按照默认方式保存在/tmp/hbase-${user.name}，则由于大多数操作系统会定时清理/tmp/目录，还是会出现数据丢失的问题。为了数据的持久性，最好的办法是基于HDFS运行HBase，下面介绍如何进行这方面的配置。

修改hbase-site.xm文件内容如下，其中hdfs://hadoop:8020/hbase，其中hadoop为运行namenode的主机，8020为端口号，hbase为在HDFS上存放HBase数据的目录。

<configuration>
  <property>
    <name>hbase.rootdir</name>
    <value>hdfs://hadoop:8020/hbase</value>
  </property>
  <property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
  </property>
</configuration>

完成上面的配置后，在启动HBase之前需要确保HDFS进程已经在运行，该进程可以通过脚本start-dfs.sh或者start-all.sh启动，后者还会启动jobtracker和tasktracker进程，而这两个进程不是HBase使用的，所以不是必须启动的。运行${HBASE_HOME}/bin/start-hbase.sh启动HBase，将会启动HMaster、HQuorumPeer、HRegionServer，可以通过使用命令jps或者查看${HBASE_HOME}/logs下的日志文件确认HBase启动成功。

HBase也提供了UI界面访问HBase，可以查看HBase的启动时间、HBase的版本、HBase表、Region Servers等。默认是配置在主机点的60010端口上，可以在hbase-site.xml修改hbase.master.info.port属性值来改变端口或者-1以禁用UI。UI界面如下面的图片所示：