HBase Shell 2.5.6 脚本化实战：5个自动化运维场景与完整命令文件

HBase Shell 2.5.6 脚本化实战5个自动化运维场景与完整命令文件1. 为什么需要HBase Shell脚本化在HBase集群的日常运维中重复性操作会消耗大量时间。想象一下凌晨3点被报警叫醒需要紧急处理10张表的备份清理——这时候交互式命令行显然不是最佳选择。脚本化运维将带来三个核心优势可重复性确保每次操作执行完全相同的步骤可调度性通过crontab或调度系统定时触发可审计性所有操作记录都有完整日志HBase Shell基于JRuby实现这意味着我们不仅能使用HBase命令还能利用Ruby的循环、条件判断等编程特性。下面是一个简单的脚本示例# 基本脚本结构 include Java import org.apache.hadoop.hbase.util.Bytes # 输出当前时间 puts 脚本开始执行: #{Time.now}2. 批量建表自动化当需要初始化数十张具有相似结构的表时手动创建简直是噩梦。以下脚本演示如何批量创建测试表# 批量建表示例 namespace test_ns table_prefix order_ column_families [cf1, cf2] # 创建命名空间(如果不存在) begin create_namespace namespace rescue puts 命名空间 #{namespace} 已存在 end # 批量建表(10张表) (1..10).each do |i| table_name #{namespace}:#{table_prefix}#{i} create table_name, *column_families puts 已创建表: #{table_name} end关键参数说明VERSIONS设置数据版本数COMPRESSION指定压缩算法TTL设置生存时间3. 数据导入自动化从CSV导入数据是常见需求这个脚本处理带标题行的CSV文件# CSV导入脚本 require csv table_name test_ns:user_data csv_file /data/user.csv batch_size 1000 # 批处理大小 # 检查表是否存在 unless exists(table_name) raise 表 #{table_name} 不存在 end # 批量导入 count 0 CSV.foreach(csv_file, headers: true) do |row| put table_name, row[user_id], basic:name, row[name], basic:age, row[age], contact:email, row[email] count 1 if count % batch_size 0 puts 已处理 #{count} 条记录 end end puts 导入完成总计处理 #{count} 条记录提示对于超大规模数据导入建议使用HBase的BulkLoad工具而非Put操作4. 状态巡检自动化日常巡检需要检查以下关键指标检查项正常标准检查命令RegionServer状态无dead节点status detailed表状态所有表ENABLEDlistis_enabledRegion分布无严重倾斜list_regionsHDFS使用率低于85%hdfs dfs -df完整巡检脚本示例# 集群巡检脚本 puts 开始集群巡检 puts 执行时间: #{Time.now} # 1. 检查RegionServer状态 puts \n[RegionServer状态检查] status_result status detailed puts status_result # 2. 检查所有表状态 puts \n[表状态检查] list.each do |table| unless is_enabled(table) puts 警告: 表 #{table} 处于DISABLED状态! end end # 3. Region分布检查 puts \n[Region分布检查] list.each do |table| regions list_regions(table) region_count regions.size puts #{table} 包含 #{region_count} 个Region # 简单判断是否倾斜(超过平均值的2倍) avg region_count / 3.0 # 假设3个RS regions.group_by(:server).each do |server, regions| if regions.size avg * 2 puts 警告: #{server} 承载过多Region(#{regions.size}) end end end puts 巡检完成 5. 备份清理自动化合理的数据生命周期管理需要定期清理旧数据这个脚本处理7天前的备份# 备份清理脚本 require date backup_dir /hbase/backups retention_days 7 current_date Date.today # 获取所有备份目录 Dir.glob(#{backup_dir}/*).each do |dir| dir_date dir.split(/).last backup_date Date.parse(dir_date) rescue next # 计算天数差 days_old (current_date - backup_date).to_i if days_old retention_days puts 删除过期备份: #{dir} (创建于#{days_old}天前) system(hdfs dfs -rm -r #{dir}) end end # 执行HBase清理(可选) major_compact .*6. 权限检查自动化安全审计时需要检查所有表的ACL设置# 权限检查脚本 puts 开始权限审计 # 获取所有表 tables list # 检查每张表的ACL tables.each do |table| puts \n表 #{table} 的权限: user_permissions user_permission table user_permissions.each do |perm| puts #{perm.user} #{perm.actions.join(,)} end end # 检查全局权限 puts \n全局权限: global_perms user_permission global_perms.each do |perm| puts #{perm.user} #{perm.actions.join(,)} end puts 审计完成 7. 完整脚本文件示例将上述场景整合为一个可执行的脚本文件hbase_ops.rb#!/usr/bin/env hbase include Java import org.apache.hadoop.hbase.util.Bytes def batch_create_tables # 批量建表逻辑 end def import_from_csv # 数据导入逻辑 end def cluster_inspection # 巡检逻辑 end def cleanup_backups # 备份清理逻辑 end def check_permissions # 权限检查逻辑 end # 主程序 case ARGV[0] when create batch_create_tables when import import_from_csv when inspect cluster_inspection when cleanup cleanup_backups when audit check_permissions else puts Usage: hbase shell hbase_ops.rb [create|import|inspect|cleanup|audit] end执行方式hbase shell hbase_ops.rb inspect # 执行巡检8. 高级技巧与错误处理超时处理为长时间操作添加超时控制require timeout begin Timeout.timeout(300) do # 5分钟超时 major_compact important_table end rescue Timeout::Error puts 警告: major_compact 操作超时 end异常处理优雅处理各种错误def safe_disable(table) begin if is_enabled(table) disable table puts 已禁用表 #{table} else puts 表 #{table} 已经处于禁用状态 end rescue e puts 禁用表 #{table} 时出错: #{e.message} # 可以添加重试逻辑 end end性能优化批量操作提升效率# 批量禁用表(减少RPC调用) def batch_disable_tables(table_pattern) tables list.grep(/#{table_pattern}/) tables.each_slice(10) do |batch| disable_all batch.join(,) puts 已批量禁用 #{batch.size} 张表 end end通过将这些脚本集成到运维平台或调度系统中可以实现HBase集群的自动化管理大幅提升运维效率并降低人为错误风险。