大数据高可用集群环境安装与配置（07）——安装HBase高可用集群

1. 下载安装包

登录官网获取HBase安装包下载地址 https://hbase.apache.org/downloads.html

2. 执行命令下载并安装

cd /usr/local/src/
wget http://archive.apache.org/dist/hbase/2.0.0/hbase-2.0.0-bin.tar.gz
tar -zxvf hbase-2.0.0-bin.tar.gz
mv hbase-2.0.0 /usr/local/hbase/

PS：Phoenix5.0只支持HBase2.0版本，HBase即使用了更高一点的小版本，在创建二级索引时也会出现异常。当然不使用二级索引的话，2.1.8版也可以正常使用

3. 修改服务器系统环境变量

所有服务器都需要按要求修改配置

vi /etc/profile

在尾部添加下面配置（内存设置需要根据实际情况进行调整）

export JAVA_HOME=/usr/local/java/jdk
export HBASE_MANAGES_ZK=false
export HBASE_MASTER_OPTS="$HBASE_MASTER_OPTS $HBASE_JMX_BASE -Xmx3g -Xms3g -Xmn256m -XX:+HeapDumpOnOutOfMemoryError -XX:+UseConcMarkSweepGC -XX:+CMSParallelRemarkEnabled -XX:+UseCMSInitiatingOccupancyOnly -XX:+UseParNewGC -XX:-CMSIncrementalMode -XX:CMSInitiatingOccupancyFraction=80"
export HBASE_REGIONSERVER_OPTS="$HBASE_REGIONSERVER_OPTS $HBASE_JMX_BASE -Xmx5g -Xms5g -Xmn256m -XX:+HeapDumpOnOutOfMemoryError -XX:+CMSParallelRemarkEnabled -XX:+UseCMSInitiatingOccupancyOnly -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:-CMSIncrementalMode -XX:CMSInitiatingOccupancyFraction=80 -Xloggc:/data/logs/hbase/gc-$(hostname)-`date +'%Y%m%d'`.log -verbose:gc -XX:+PrintGC -XX:+PrintGCDetails -XX:+PrintGCDateStamps -XX:+PrintGCApplicationStoppedTime -XX:+PrintGCApplicationConcurrentTime -XX:SurvivorRatio=2 -XX:+PrintTenuringDistribution"

保存退出后，运行命令，让配置马上生效

source /etc/profile

4. 配置HBase的Java安装路径

vi /usr/local/hbase/conf/hbase-env.sh

在尾部添加下面配置

export JAVA_HOME=/usr/local/java/jdk
export HBASE_MANAGES_ZK=false

5. 配置hbase-site.xml

官方文档配置说明：https://hbase.apache.org/book.html

vi /usr/local/hbase/conf/hbase-site.xml

在配置中添加下面代码

<configuration>
    <!-- hbase在hadoop的HDFS中的存储路径 -->
    <property>
        <name>hbase.rootdir</name>
        <value>hdfs://nameservice/hbase</value>
    </property>
    <!-- 设置zookeeper集群地址 -->
    <property>
        <name>hbase.zookeeper.quorum</name>
        <value>master,master-backup</value>
    </property>
    <!-- 设置zookeeper的数据存放目录 -->
    <property>
        <name>hbase.zookeeper.property.dataDir</name>
        <value>/usr/local/zookeeper</value>
    </property>
    <!-- 是否开启完全分布式配置 -->
    <property>
        <name>hbase.cluster.distributed</name>
        <value>true</value>
    </property>
    <!-- RegionServer与Zookeeper间的连接超时时间。当超时时间到后，ReigonServer会被Zookeeper从RS集群清单中移除，HMaster收到移除通知后，会对这台server负责的regions重新balance，让其他存活的RegionServer接管 -->
    <property>
        <name>zookeeper.session.timeout</name>
        <value>240000</value>
    </property>
    <!-- 设置regionserver节点故障自动重启恢复 -->
    <property>
        <name>hbase.regionserver.restart.on.zk.expire</name>
        <value>true</value>
        <description>
            Zookeeper sessionexpired will force regionserver exit.
            Enable this will makethe regionserver restart.
        </description>
    </property>
    <!-- Client端与zk发送心跳的时间间隔 -->
    <property>
        <name>hbase.zookeeper.property.tickTime</name>
        <value>6000</value>
    </property>
    <!-- 在当前ReigonServer上单个Reigon的最大存储空间，单个Region超过该值时，这个Region会被自动split成更小的region -->
    <property>
        <name>hbase.hregion.max.filesize</name>
        <value>5368709120</value>
    </property>
    <!-- 在flush时，当一个region中的Store（Coulmn Family）内有超过7个storefile时，则block所有的写请求进行compaction，以减少storefile数量。 -->
    <property>
        <name>hbase.hstore.blockingStoreFiles</name>
        <value>30</value>
    </property>
    <!-- block的等待时间 -->
    <property>
        <name>hbase.hstore.blockingWaitTime</name>
        <value>90000</value>
    </property>
    <!-- 减少因内存碎片导致的Full GC，提高整体性能 -->
    <property>
        <name>hbase.hregion.memstore.mslab.enabled</name>
        <value>true</value>
    </property>
    <!-- memstore大小，当达到该值则会flush到外存设备 -->
    <property>
        <name>hbase.hregion.memstore.flush.size</name>
        <value>268435456</value>
    </property>
    <!-- 强制刷新之前，RegionServer中所有memstore的最大大小（默认值为：hbase.regionserver.global.memstore.size 的95%），当由于内存限制而导致更新被阻塞时，系统会以尽可能小的刷新量刷新数据，此值中的默认值特意设置为空，以遵守旧的 hbase.regionserver.global.memstore.lowerLimit 属性 -->
    <property> 
        <name>hbase.regionserver.global.memstore.size.lower.limit</name> 
        <value>0.36</value> 
    </property>
    <!-- hbase.hregion.memstore.flush.size 这个参数的作用是当单个Region内所有的memstore大小总和超过指定值时，flush该region的所有memstore。RegionServer的flush是通过将请求添加一个队列，模拟生产消费模式来异步处理的。那这里就有一个问题，当队列来不及消费，产生大量积压请求时，可能会导致内存陡增，最坏的情况是触发OOM。这个参数的作用是防止内存占用过大，当ReigonServer内所有region的memstores所占用内存总和达到heap的40%时，HBase会强制block所有的更新并flush这些region以释放所有memstore占用的内存。 -->
    <property> 
        <name>hbase.regionserver.global.memstore.upperLimit</name> 
        <value>0.4</value> 
    </property>
    <!-- 堆内存占比设置，需要注意调的过高也很容易引发OOM -->
    <property> 
        <name>hfile.block.cache.size</name> 
        <value>0.3</value> 
    </property>
    <!-- 当一个region里的memstore占用内存大小超过hbase.hregion.memstore.flush.size两倍的大小时，block该region的所有请求，进行flush，释放内存。虽然我们设置了region所占用的memstores总内存大小，比如64M，但想象一下，在最后63.9M的时候，我Put了一个200M的数据，此时memstore的大小会瞬间暴涨到超过预期的hbase.hregion.memstore.flush.size的几倍。这个参数的作用是当memstore的大小增至超过hbase.hregion.memstore.flush.size 2倍时，block所有请求，遏制风险进一步扩大 -->
    <property> 
        <name>hbase.hregion.memstore.block.multiplier：</name> 
        <value>2</value> 
    </property>
    <!-- RegionServer的请求处理IO线程数 -->
    <property>
        <name>hbase.regionserver.handler.count</name>
        <value>100</value>
    </property>
    <!-- 每次获取行锁的超时时间，默认为30s -->
    <property>  
        <name>hbase.rowlock.wait.duration</name>  
        <value>90000</value>
    </property>  
    <!-- rpc超时时间 -->
    <property>  
        <name>hbase.rpc.timeout</name>  
        <value>900000</value>
    </property>
    <!-- 客户端每次scan|get的超时时间 -->
    <property>  
        <name>hbase.client.scanner.timeout.period</name>  
        <value>900000</value>
    </property>  
    <!-- 客户端每次scan的一个next，获得多少行，默认1  -->
    <property>  
        <name>hbase.client.scanner.caching</name>  
        <value>1000</value>
    </property>
    <!-- RegionServer端开启的RPC监听器实例个数，也即RegionServer能够处理的IO请求线程数(处理场景消耗内存要求不同配置值需要做出相应调整，单次请求内存消耗高或内存比较紧张的场景，设置相对要小一些) -->
    <property>
        <name>hbase.regionserver.handler.count</name>
        <value>150</value>
    </property>
    <!-- 最小thrift工作线程 -->
    <property>
        <name>hbase.thrift.minWorkerThreads</name>
        <value>1000</value>
    </property>
    <property>
        <name>hbase.thrift.maxWorkerThreads</name>
        <value>10000</value>
    </property>
    <!-- thrift查询超时时间（如果有需要直接使用thrift查询大批量数据，需要调大这个配置）  -->
    <property>
        <name>hbase.thrift.server.socket.read.timeout</name>
        <value>3000000</value>
        <description>eg:milisecond</description>
    </property>
    <property>
        <name>hbase.regionserver.thrift.maxreadlength</name>         
        <value>0</value>
        <description>0:not check data length</description>
    </property>
</configuration>

6.设置HBase日志配置

vi /usr/local/hbase/conf/log4j.properties

修改下面配置（HBase长期运行日志会增涨的很快，实际上出现问题时都会及时查看，所以只需要保留5个备份就够了）

hbase.log.maxfilesize=100MB
hbase.log.maxbackupindex=5

7. 配置节点服务器地址

vi /usr/local/hbase/conf/regionservers

修改为下面配置

node1
node2
node3

8. 复制hdfs-site.xml到HBase的配置路径下

cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml /usr/local/hbase/conf/

9. 创建backup-masters

echo 'master-backup' > /usr/local/hbase/conf/backup-masters

10. 配置Phoenix方式访问hbase

cd /usr/local/src/
wget http://www.apache.org/dyn/closer.lua/phoenix/apache-phoenix-5.0.0-HBase-2.0/bin/apache-phoenix-5.0.0-HBase-2.0-bin.tar.gz
tar -zxvf apache-phoenix-5.0.0-HBase-2.0-bin.tar.gz
mv apache-phoenix-5.0.0-HBase-2.0-bin /usr/local/phoenix
cd /usr/local/phoenix

# 复制phoenix服务插件到hbase目录下
cp phoenix-5.0.0-HBase-2.0-server.jar /usr/local/hbase/lib/
cp phoenix-core-5.0.0-HBase-2.0.jar /usr/local/hbase/lib/
cp phoenix-5.0.0-HBase-2.0-queryserver.jar /usr/local/hbase/lib/

# 修改phoneix配置
vi /usr/local/phoenix/bin/hbase-site.xml

# 在配置中添加下面内容
    <!-- 开启phoenix命名空间配置 -->
    <property>
        <name>phoenix.schema.isNamespaceMappingEnabled</name>
        <value>true</value>
    </property>
    <!-- phoenix二级索引配置 -->
    <property> 
        <name>hbase.regionserver.wal.codec</name> 
        <value>org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec</value> 
    </property>
    <property> 
        <name>hbase.region.server.rpc.scheduler.factory.class</name>
        <value>org.apache.hadoop.hbase.ipc.PhoenixRpcSchedulerFactory</value> 
        <description>Factory to create the Phoenix RPC Scheduler that uses separate queues for index and metadata updates</description> 
    </property>
    <property>
        <name>hbase.rpc.controllerfactory.class</name>
        <value>org.apache.hadoop.hbase.ipc.controller.ServerRpcControllerFactory</value>
        <description>Factory to create the Phoenix RPC Scheduler that uses separate queues for index and metadata updates</description>
    </property>

11.将hbase同步到其他服务器

rsync -avz /usr/local/hbase/ master-backup:/usr/local/hbase/
rsync -avz /usr/local/hbase/ node1:/usr/local/hbase/
rsync -avz /usr/local/hbase/ node2:/usr/local/hbase/
rsync -avz /usr/local/hbase/ node3:/usr/local/hbase/

12.配置Phoenix主节点

在master和master-backup节点的hbase-site.xml添加下面配置

vi /usr/local/hbase/conf/hbase-site.xml

在配置中添加下面代码

    <property>
        <name>hbase.master.loadbalancer.class</name>
        <value>org.apache.phoenix.hbase.index.balancer.IndexLoadBalancer</value>
    </property>
    <property>
        <name>hbase.coprocessor.master.classes</name>
        <value>org.apache.phoenix.hbase.index.master.IndexMasterObserver</value>
    </property>

13. 让hbase支持LZ4压缩，减少磁盘空间的占用

每台服务器都运行下面代码，安装lz4

yum install lz4
yum install lz4-devel -y
mkdir /usr/local/hbase/lib/native
ln -s /usr/local/hadoop/lib/native /usr/local/hbase/lib/native/Linux-amd64-64

14. 启动服务

在master服务器启动HBase服务

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

关闭服务

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

15. 检查服务是否已正常启动

在master与master-backup中输入

jps

如果显示下面服务，则表示服务已正常启动

4669 HMaster

在各个node节点服务器中输入jps，检查是否已运行下面服务

11224 HRegionServer

打开浏览器，检查hbase是否启动成功

• master

http://192.168.10.90:16010/master-status

• backup-master

http://192.168.10.91:16010/master-status

版权声明：本文原创发表于 博客园，作者为 AllEmpty 本文欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则视为侵权。

作者博客：http://www.cnblogs.com/EmptyFS/