Author：张丹(Conan)
Date: 2013-04-07
Weibo: @Conan_Z
Email: bsspirit@gmail.com
Blog: http://www.fens.me/blog
APPs:
@晒粉丝 http://www.fens.me
@每日中国天气 http://apps.weibo.com/chinaweatherapp
RHadoop实践系列文章
RHadoop实践系列文章，包含了R语言与Hadoop结合进行海量数据分析。Hadoop主要用来存储海量数据，R语言完成MapReduce算法，用来替代Java的MapReduce实现。有了RHadoop可以让广大的R语言爱好者，有更强大的工具处理大数据。1G, 10G, 100G, TB,PB 由于大数据所带来的单机性能问题，可能会一去联复返了。
RHadoop实践是一套系列文章，主要包括“Hadoop环境搭建”，“RHadoop安装与使用”，“R实现MapReduce的算法案例”，“HBase和rhbase的安装与使用”。对于单独的R语言爱好者，Java爱好者，或者Hadoop爱好者来说，同时具备三种语言知识并不容易。此文虽为入门文章，但R,Java,Hadoop基础知识还是需要大家提前掌握。
第四篇 HBase和rhbase的安装与使用，分为3个章节。
- 环境准备及HBase安装
- rhbase安装
- rhbase程序用例
每一章节，都会分为“文字说明部分”和“代码部分”，保持文字说明与代码的连贯性。
注：Hadoop环境及RHadoop的环境，请查看同系列前二篇文章，此文将不再介绍。
1. 环境准备及HBase安装
文字说明部分：
首先环境准备，这里我选择了Linux Ubuntu操作系统12.04的64位版本，大家可以根据自己的使用习惯选择顺手的Linux。
但JDK一定要用Oracle SUN官方的版本，请从官网下载，操作系统的自带的OpenJDK会有各种不兼容。JDK请选择1.6.x的版本，JDK1.7版本也会有各种的不兼容情况。
http://www.oracle.com/technetwork/java/javase/downloads/index.html
Hadoop的环境安装，请参考RHadoop实践系统“Hadoop环境搭建”的一文。
Hadoop和HBase版本：hadoop-1.0.3,hbase-0.94.2
配置HBase的启动命令的环境变量，使用HBase自带的ZooKeeper
export HBASE_MANAGES_ZK=true
配置hbase-site.xml，设置访问目录，数据副本数，ZooKeeper的访问端口。
复制Hadoop环境的类库，覆盖HBase中的类库。
配置完成，启动HBase服务。
代码部分：
hbase安装
- 下载安装hbase
~ http://www.fayea.com/apache-mirror/hbase/hbase-0.94.2/hbase-0.94.2.tar.gz
~ tar xvf hbase-0.94.2.tar.gz
- 修改配置文件
~ cd hbase-0.94.2/
~ vi conf/hbase-env.sh
export JAVA_HOME=/root/toolkit/jdk1.6.0_29
export HBASE_HOME=/root/hbase-0.94.2
export HADOOP_INSTALL=/root/hadoop-1.0.3
export HBASE_CLASSPATH=/root/hadoop-1.0.3/conf
export HBASE_MANAGES_ZK=true
~ vi conf/hbase-site.xml
<configuration>
<property>
<name>hbase.rootdir</name
<value>hdfs://master:9000/hbase</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>master</value>
</property>
<property>
<name>hbase.zookeeper.property.clientPort</name>
<value>2181</value>
</property>
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>/root/hadoop/hdata</value>
</property>
</configuration>
- 复制hadoop环境的配置文件和类库
~ cp ~/hadoop-1.0.3/conf/hdfs-site.xml ~/hbase-0.94.2/conf
~ cp ~/hadoop-1.0.3/hadoop-core-1.0.3.jar ~/hbase-0.94.2/lib
~ cp ~/hadoop-1.0.3/lib/commons-configuration-1.6.jar ~/hbase-0.94.2/lib
~ cp ~/hadoop-1.0.3/lib/commons-collections-3.2.1.jar ~/hbase-0.94.2/lib
- 启动hadoop和hbase
~/hadoop-1.0.3/bin/start-all.sh
~/hbase-0.94.2/bin/start-hbase.sh
- 查看hbase进行
~ jps
12041 HMaster
12209 HRegionServer
31734 TaskTracker
31343 DataNode
31499 SecondaryNameNode
13328 Jps
31596 JobTracker
11916 HQuorumPeer
31216 NameNode
- 打开hbase命令行客户端
~/hbase-0.94.2/bin/hbase shell
HBase Shell; enter 'help<RETURN>' for list of supported commands.
Type "exit<RETURN>" to leave the HBase Shell
Version 0.94.2, r1395367, Sun Oct 7 19:11:01 UTC 2012
hbase(main):001:0> list
TABLE
0 row(s) in 0.0150 seconds
HBase安装完成。
2. rhbase安装
文字说明部分：
安装完成HBase后，我们还需要安装Thrift，因为rhbase是通过Thrift调用HBase的。
Thrift是需要本地编译的，官方没有提供二进制安装包，首先下载thrift-0.8.0。
在thrift解压目录输入./configure，会列Thrift在当前机器所支持的语言环境，如果只是为了rhbase默认配置就可以了。
在我的配置中除了希望支持rhbase访问，还支持PHP,Python,C++。因此需要在系统中，装一些额外的类库。大家可以根据自己的要求，设置Thrift的编译参数。
编译并安装Thrift，然后启动HBase的ThriftServer服务。
最后，安装rhbase。
代码部分：
-
下载thrift
~ wget http://archive.apache.org/dist/thrift/0.8.0/thrift-0.8.0.tar.gz ~ tar xvf thrift-0.8.0.tar.gz ~ cd thrift-0.8.0/ -
下载PHP支持类库(可选)
~ sudo apt-get install php-cli -
下载C++支持类库(可选)
~ sudo apt-get install libboost-dev libboost-test-dev libboost-program-options-dev libevent-dev automake libtool flex bison pkg-config g++ libssl-dev -
生成编译的配置参数
~ ./configure thrift 0.8.0 Building code generators ..... : Building C++ Library ......... : yes Building C (GLib) Library .... : no Building Java Library ........ : no Building C# Library .......... : no Building Python Library ...... : yes Building Ruby Library ........ : no Building Haskell Library ..... : no Building Perl Library ........ : no Building PHP Library ......... : yes Building Erlang Library ...... : no Building Go Library .......... : no Building TZlibTransport ...... : yes Building TNonblockingServer .. : yes Using Python ................. : /usr/bin/python Using php-config ............. : /usr/bin/php-config -
编译和安装
~ make ~ make install -
查看thrift版本
~ thrift -version Thrift version 0.8.0 -
启动HBase的Thrift Server
~ /hbase-0.94.2/bin/hbase-daemon.sh start thrift ~ jps 12041 HMaster 12209 HRegionServer 13222 ThriftServer 31734 TaskTracker 31343 DataNode 31499 SecondaryNameNode 13328 Jps 31596 JobTracker 11916 HQuorumPeer 31216 NameNode -
安装rhbase
~ R CMD INSTALL rhbase_1.1.1.tar.gz
很顺利的安装完成。
3. rhbase程序用例
文字说明部分：
rhbase的相关函数：
hb.compact.table hb.describe.table hb.insert hb.regions.table
hb.defaults hb.get hb.insert.data.frame hb.scan
hb.delete hb.get.data.frame hb.list.tables hb.scan.ex
hb.delete.table hb.init hb.new.table hb.set.table.mode
hbase和rhbase的基本操作对比：
建表
HBASE: create 'student_shell','info'
RHBASE: hb.new.table("student_rhbase","info")
列出所有表
HBASE: list
RHBASE: hb.list.tables()
显示表结构
HBASE: describe 'student_shell'
RHBASE: hb.describe.table("student_rhbase")
插入一条数据
HBASE: put 'student_shell','mary','info:age','19'
RHBASE: hb.insert("student_rhbase",list(list("mary","info:age", "24")))
读取数据
HBASE: get 'student_shell','mary'
RHBASE: hb.get('student_rhbase','mary')
删除表(HBASE需要两条命令，rhbase仅是一个操作)
HBASE: disable 'student_shell'
HBASE: drop 'student_shell'
RHBASE: hb.delete.table('student_rhbase')
代码部分：
Hbase Shell
> create 'student_shell','info'
> list
TABLE
student_shell
> describe 'student_shell'
DESCRIPTION ENABLED
{NAME => 'student_shell', FAMILIES => [{NAME => 'info', DATA_BLOCK_ true
ENCODING => 'NONE', BLOOMFILTER => 'NONE', REPLICATION_SCOPE => '0'
, VERSIONS => '3', COMPRESSION => 'NONE', MIN_VERSIONS => '0', TTL
=> '2147483647', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536
', IN_MEMORY => 'false', ENCODE_ON_DISK => 'true', BLOCKCACHE => 't
rue'}]}
> put 'student_shell','mary','info:age','19'
> get 'student_shell','mary'
COLUMN CELL
info:age timestamp=1365414964962, value=19
> disable 'student_shell'
> drop 'student_shell'
rhbase script
~ R
> library(rhbase)
> hb.init()
<pointer: 0x16494a0>
attr(,"class")
[1] "hb.client.connection"
>hb.new.table("student_rhbase","info",opts=list(maxversions=5,x=list(maxversions=1L,compression='GZ',inmemory=TRUE)))
[1] TRUE
> hb.list.tables()
$student_rhbase
maxversions compression inmemory bloomfiltertype bloomfiltervecsize
info: 5 NONE FALSE NONE 0
bloomfilternbhashes blockcache timetolive
info: 0 FALSE -1
> hb.describe.table("student_rhbase")
maxversions compression inmemory bloomfiltertype bloomfiltervecsize
info: 5 NONE FALSE NONE 0
bloomfilternbhashes blockcache timetolive
info: 0 FALSE -1
> hb.insert("student_rhbase",list(list("mary","info:age", "24")))
[1] TRUE
> hb.get('student_rhbase','mary')
[[1]]
[[1]][[1]]
[1] "mary"
[[1]][[2]]
[1] "info:age"
[[1]][[3]]
[[1]][[3]][[1]]
[1] "24"
> hb.delete.table('student_rhbase')
[1] TRUE
RHadoop实践系列文章的第四篇完成！希望这个四篇文章对大家有所帮助。
稍后我可能还会写一些，关于rmr算法实践，rhadoop架构方面和hive的使用的相关文章。
欢迎大家多提问题，多交流。
敬告各位友媒，如需转载，请与统计之都小编联系（直接留言或发至邮箱：editor@cos.name），获准转载的请在显著位置注明作者和出处（转载自：统计之都），并在文章结尾处附上统计之都微信二维码。
发表/查看评论