Hadoop、Hbase使用Snappy压缩

1. 前期准备

系统环境：centos7.9

配置信息：8C8G100G

hadoop和hbase为单节点部署模式

jdk版本jdk1.8.0_361

1.1. 修改系统时间

timedatectl set-timezone <TimeZone>

1.2. 修改主机名以及主机名和IP的映射

vim /etc/hosts

#将自己的主机名以及ip映射添加进去

1.3. 关闭防火墙

临时关闭防火墙

systemctl stop firewalld.service 

永久关闭

systemctl disable firewalld.service  

2. hadoop部署

2.1. 下载安装包

mkdir /u01

cd /u01

wget https://dlcdn.apache.org/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz

tar -zxvf hadoop-3.3.6.tar.gz

2.2. 修改配置文件

2.2.1. 修改core-site.xml

<configuration>

    <property>

        <name>fs.defaultFS</name>

        <value>hdfs://192.168.68.129:9000</value>

    </property>

    <!-- 指定 hadoop 数据的存储目录 -->

    <property>

        <name>hadoop.tmp.dir</name>

        <value>/u01/hadoop-3.3.6/tmp</value>

    </property>

    <property>

        <name>hadoop.proxyuser.root.hosts</name>

        <value>*</value>

    </property>

    <property>

        <name>hadoop.proxyuser.root.groups</name>

        <value>*</value>

    </property>

    <property>

        <name>io.compression.codecs</name>

        <value>org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.BZip2Codec,org.apache.hadoop.io.compress.SnappyCodec</value>

    </property>

    <property>

        <name>io.compression.codec.lzo.class</name>

        <value>org.apache.hadoop.io.compress.SnappyCodec</value>

    </property>

</configuration>

2.2.2. 修改hdfs-site.xml

<configuration>

    <property>

        <name>dfs.namenode.name.dir</name>

        <value>/u01/hadoop-3.3.6/hdfs/name</value>

        <final>true</final>

    </property>

    <property>

        <name>dfs.datanode.data.dir</name>

        <value>/u01/hadoop-3.3.6/hdfs/data</value>

        <final>true</final>

    </property>

    <property>

        <name>dfs.http.address</name>

        <value>192.168.68.129:50070</value>

    </property>

    <property>

        <name>dfs.permissions</name>

        <value>false</value>

    </property>

</configuration>

2.2.3. 修改yarn-site.xml

<configuration>

  <property>

    <name>yarn.nodemanager.aux-services</name>

    <value>mapreduce_shuffle</value>

  </property>

</configuration>

2.2.4. 修改hadoop-env.sh

export HDFS_NAMENODE_USER=hadoop
export HDFS_DATANODE_USER=hadoop
export HDFS_SECONDARYNAMENODE_USER=hadoop
export YARN_RESOURCEMANAGER_USER=hadoop
export YARN_NODEMANAGER_USER=hadoop
export HADOOP_MAPRED_HOME=/u01/hadoop-3.3.6

export HDFS_NAMENODE_USER=hadoop：
设置NameNode进程以hadoop用户身份运行。NameNode是HDFS中的主节点，负责管理文件系统的命名空间和客户端对文件的访问。

export HDFS_DATANODE_USER=hadoop：
设置DataNode进程以hadoop用户身份运行。DataNode是HDFS中的从节点，负责存储实际的数据块，并执行读写操作。

export HDFS_SECONDARYNAMENODE_USER=hadoop：
设置Secondary NameNode进程以hadoop用户身份运行。Secondary NameNode不是NameNode的备份，而是辅助NameNode进行检查点操作，帮助保持NameNode的运行状态。

export YARN_RESOURCEMANAGER_USER=hadoop：
设置ResourceManager进程以hadoop用户身份运行。ResourceManager是YARN的一部分，负责整个集群的资源管理和分配。

export YARN_NODEMANAGER_USER=hadoop：
设置NodeManager进程以hadoop用户身份运行。NodeManager是YARN的一部分，负责单个节点上的资源管理以及容器的生命周期管理。

export HADOOP_MAPRED_HOME=/u01/hadoop-3.3.6：
指定MapReduce框架的安装目录。这通常指向Hadoop发行版的根目录，在这个例子中是/u01/hadoop-3.3.6。
 

2.2.5. 修改mapred-site.xml

<configuration>

    <property>

        <name>mapreduce.framework.name</name>

        <value>yarn</value>

    </property>

    <property>

        <name>yarn.app.mapreduce.am.env</name>

        <value>HADOOP_MAPRED_HOME=/u01/hadoop-3.3.6</value>

    </property>

    <property>

        <name>mapreduce.map.env</name>

        <value>HADOOP_MAPRED_HOME=/u01/hadoop-3.3.6</value>

    </property>

    <property>

        <name>mapreduce.reduce.env</name>

        <value>HADOOP_MAPRED_HOME=/u01/hadoop-3.3.6</value>

    </property>

    <!-- 这个参数设为true启用压缩 -->

    <property>

        <name>mapreduce.output.fileoutputformat.compress</name>

        <value>true</value>

    </property>

    <property>

        <name>mapreduce.map.output.compress</name>

        <value>true</value>

    </property>

    <!-- 使用编解码器 -->

    <property>

        <name>mapreduce.output.fileoutputformat.compress.codec</name>

        <value>org.apache.hadoop.io.compress.SnappyCodec</value>

    </property>

</configuration>

2.2.6. 修改环境变量

vim /etc/profile

export HADOOP_HOME=/u01/hadoop-3.3.6

export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

2.3. 启动hadoop服务

2.3.1. 格式化namenode

hdfs namenode -format

2.3.2. 启动服务

./sbin/start-all.sh

启动成功后，使用jps命令查看服务

显示有NameNode、DataNode、SecondaryNameNode、ResourceManager、NodeManager这5个服务

则为启动成功

查看hdfs和yarn的web界面，端口分别是50070和8088

2.4. 验证snappy压缩

验证方法：运行Hadoop的hadoop-mapreduce-examples-3.3.6.jar测试包进行wordcount，查看生成的文件大小

创建一个文件，input，键入以下内容或其它内容，把这个文件上传到hdfs，当然也可以使用本地文件

jakchquihfquhdqwhcn9eiuhcf198fh8chquihfquhdqwhcwqhdb9uchquihfquhdqwhch91ugh2ufgb92ufb2ufsfcd

2.4.1. 未开启压缩

把mapred-site.xml和core-site.xml相关的snappy配置去掉，重启hadoop服务，执行以下命令行

./bin/hadoop jar /u01/hadoop-3.3.6/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.6.jar wordcount /u01/input /u01/output-n

查看生成的文件大小,验证结果

2.4.2. 开启压缩

执行以下命令行

./bin/hadoop jar /u01/hadoop-3.3.6/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.6.jar wordcount /u01/input /u01/output-y4

查看生成的文件大小，验证结果

3. hbase部署

3.1. 下载安装包

cd /u01

wget https://dlcdn.apache.org/hbase/2.6.1/hbase-2.6.1-bin.tar.gz

tar -zxvf hbase-2.6.1-bin.tar.gz

cd hbase-2.6.1

3.2. 修改配置文件

3.2.1. 修改hbase-site.xml

<configuration>

 <property>

    <name>hbase.cluster.distributed</name>

    <value>true</value>

 </property>

 <property>

    <name>hbase.rootdir</name>

    <value>hdfs://master2:9000/hbase</value>

  </property>

  <property>

    <name>hbase.tmp.dir</name>

    <value>/u01/hbase-2.6.1/tmp</value>

  </property>

  <property>

    <name>hbase.wal.provider</name>

    <value>filesystem</value>

  </property>

  <property>

    <name>hbase.io.compress.snappy.codec</name>

    <value>org.apache.hadoop.hbase.io.compress.xerial.SnappyCodec</value>

  </property>

</configuration>

3.2.2. 修改hbase-env.xml

如果启动出现SLF4J: Found binding in [jar:file:/u01/hbase-2.6.1/lib/client-facing-thirdparty/log4j-slf4j-impl-2.17.2.jar!/org/slf4j/impl/StaticLoggerBinder.class]

则添加以下配置

export HBASE_DISABLE_HADOOP_CLASSPATH_LOOKUP=true

export HBASE_DISABLE_HADOOP_CLASSPATH_LOOKUP=true 这个命令的作用是设置环境变量 HBASE_DISABLE_HADOOP_CLASSPATH_LOOKUP 为 true。这意味着在启动 HBase 时，将禁用 Hadoop 类路径查找功能。

通常情况下，HBase 在启动时会尝试查找 Hadoop 的类路径，以便能够与 Hadoop 集成。但是，在某些环境中，例如在不使用 Hadoop 或者希望使用自定义配置的情况下，禁用这个功能是有意义的。通过设置此环境变量为 true，可以避免 HBase 自动查找 Hadoop 类路径，从而可能解决一些依赖性问题或者提高启动速度。

3.2.3. 添加环境变量

vim /etc/profile 或者 在/home目录中的.bashrc文件中 添加

export HBASE_HOME=/u01/hbase-2.6.1

export PATH=$PATH:$HBASE_HOME/bin

3.3. 启动hbase服务

./bin/start-hbase.sh

启动成功后，使用jps查看启动的服务有有HQuorumPeer、HMaster、HRegionServer

3.4. 验证snappy压缩

验证方法：使用hbase shell创建两张表compress_1219_3和no_compress_1219_3，一张指定使用snappy压缩，另一张不指定，然后使用hbase java api往这两张表写入相同的数据，观察表的存储大小情况

3.4.1. 建表

使用hbase shell

create 'compress_1219_3',{ NAME => 'cf', COMPRESSION => 'SNAPPY' }

create 'no_compress_1219_3',{ NAME => 'cf' }

3.4.2. 生成数据

执行两次，依次向compress_1219_3和no_compress_1219_3写数据

package com.easipass;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.hbase.HBaseConfiguration;

import org.apache.hadoop.hbase.TableName;

import org.apache.hadoop.hbase.client.Connection;

import org.apache.hadoop.hbase.client.ConnectionFactory;

import org.apache.hadoop.hbase.client.Put;

import org.apache.hadoop.hbase.client.Table;

import org.apache.hadoop.hbase.util.Bytes;

import java.io.IOException;

public class Main {

    public static void main(String[] args) throws IOException {

        Configuration configuration = HBaseConfiguration.create();

        configuration.set("hbase.zookeeper.property.clientPort", "2181");

        // 如果是集群 则主机名用逗号分隔

        configuration.set("hbase.zookeeper.quorum", "192.168.68.129");

        Connection connection = ConnectionFactory.createConnection(configuration);

        //修改为compress_1219_3和no_compress_1219_3，分别执行

        Table table = connection.getTable(TableName.valueOf("compress_1219_2"));

        //rowkey

        for (int i = 1; i < 200000; i++) {

            Put put = new Put(Bytes.toBytes("H5000000"+i));

            //列簇，列名，列值

            put.addColumn(

                    Bytes.toBytes("cf"),

                    Bytes.toBytes("name"),

                    Bytes.toBytes("AAAAAAABBBB中文Hadoop、hbase使用snappy压缩"+"5000000"+i)

            );

            put.addColumn(

                    Bytes.toBytes("cf"),

                    Bytes.toBytes("age"),

                    Bytes.toBytes("AAAAAAABBBB中age文Hadoop、hbase使用snappy压缩"+"5000000"+i)

            );

            table.put(put);

        }

        table.close();

        connection.close();

    }

}

3.4.3. 从内存flush到磁盘

使用hbase shell的flush命令手动将两张表的数据从内存写到磁盘

flush 'compress_1219_3'

flush 'no_compress_1219_3'

3.4.4. 未开启压缩

查看表配置

查看region大小和表存储大小

再来查看hdfs的存储情况

第一列为一个副本的大小，第二列为3个副本占用的总存储大小

3.4.5. 开启压缩

查看表配置

查看region大小和表存储大小

共产生了一个region

再来查看hdfs的存储情况

第一列为一个副本的大小，第二列为3个副本占用的总存储大小