Hadoop HA高可用集羣模式搭建指南

時間 2019-11-08

原文原文鏈接

簡述

hadoop 集羣一共有4種部署模式，詳見《hadoop 生態圈介紹》。 HA模式的集羣裏面會部署兩臺NN（最多也只能兩臺），以造成主備NN節點，達到高可用的目的。兩臺NN之間同步數據有兩種方法：QJM和NFC。本文選擇QJM方式，下文中出現的 journalnode 即爲QJM模式下的進程。另外還能夠配置兩臺ResourceManager，造成主備RM節點，從而達到yarn集羣的高可用。該模式下的集羣配置是在徹底分佈式模式的基礎上作了部分調整。html

全部四種模式的部署指南見：java

Hadoop 僞分佈式搭建指南node

Hadoop 徹底分佈式搭建指南linux

Hadoop HA高可用集羣模式搭建指南web

Hadoop HA+Federation（聯邦）模式搭建指南shell

搭建過程

系統環境

Ubuntu 14.04 x64 Server LTS
Hadoop 2.7.2
vagrant 模擬三臺主機，內存都爲2Gapache

節點角色

IP	主機名	角色描述
192.168.100.201	h01.vm.com	主節點 NameNode, job-history-server
192.168.100.202	h02.vm.com	主節點 NameNode, (yarn)ResourceManager
192.168.100.203	h03.vm.com	-

另，以上全部節點都同時是 zookeeper、zkfc、journalnode 和 datanode。運行Namenode和ResourceManager的節點即爲主節點。bootstrap

更新軟件源索引

分別在 h01 h02 h03 操做

sudo apt-get update

安裝基礎軟件

分別在 h01 h02 h03 操做

sudo apt-get install ssh
sudo apt-get install rsync

配置主機域名

分別在 h01 h02 h03 操做

sudo vim /etc/hostname # centos系統可能沒有該文件，建立便可
h01.vm.com # 該節點主機名

將該文件內容修改成對應的主機名，例如 h01.vm.comubuntu

域名解析

搭建內網DNS服務器（可選，但推薦），可閱讀vincent的博文 http://blog.kissdata.com/2014/07/10/ubuntu-dns-bind.html
配置 /etc/hosts，將如下代碼追加到文件末尾便可（如搭建了DNS服務器，則跳過此步驟）
分別在 h01 h02 h03 操做

sudo vim /etc/hosts
192.168.100.201 h01.vm.com h01
192.168.100.202 h02.vm.com h02
192.168.100.203 h03.vm.com h03

!!! Ubuntu系統，須刪掉 /etc/hosts 映射 127.0.1.1/127.0.0.1 !!! Check that there isn't an entry for your hostname mapped to 127.0.0.1 or 127.0.1.1 in /etc/hosts (Ubuntu is notorious for this). 127.0.1.1 h01.vm.com # must removevim

否則可能會引發 hadoop、zookeeper 節點間通訊的問題

時間同步（可選）

在內網中搭建 ntp 服務器，可閱讀vincent的博文 http://blog.kissdata.com/2014/10/28/ubuntu-ntp.html

準備jdk、hadoop和zookeeper軟件包

須到官方網站下載stable版本 jdk-7u79-linux-x64.tar.gz hadoop-2.7.2.tar.gz zookeeper-3.4.8.tar.gz
全部的軟件包都統一解壓到 /home/vagrant/VMBigData 目錄下，其中 vagrant 是linux系統的用戶名，因爲我是使用 vagrant 虛擬的主機，因此默認是 vagrant
在 h01 操做

# 先在其中一臺機子操做，後面會使用 scp 命令或者其餘方法同步到其餘主機
mkdir -p /home/vagrant/VMBigData/hadoop /home/vagrant/VMBigData/java /home/vagrant/VMBigData/zookeeper
tar zxf jdk-7u79-linux-x64.tar.gz -C /home/vagrant/VMBigData/java
tar zxf hadoop-2.7.2.tar.gz -C /home/vagrant/VMBigData/hadoop
tar zxf zookeeper-3.4.8.tar.gz -C /home/vagrant/VMBigData/zookeeper

配置軟鏈接，方便之後升級版本

在 h01 操做，後面經過 scp 同步到其餘主機

ln -s /home/vagrant/VMBigData/java/jdk1.7.0_79/  /home/vagrant/VMBigData/java/default
ln -s /home/vagrant/VMBigData/hadoop/hadoop-2.7.2/  /home/vagrant/VMBigData/hadoop/default
ln -s /home/vagrant/VMBigData/zookeeper/zookeeper-3.4.8/ /home/vagrant/VMBigData/zookeeper/default

配置環境變量

分別在 h01 h02 h03 操做

sudo vim /etc/profile
export HADOOP_HOME=/home/vagrant/VMBigData/hadoop/default
export JAVA_HOME=/home/vagrant/VMBigData/java/default
export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$PATH
source /etc/profile

配置免密碼ssh登陸

hadoop主節點須要能遠程登錄集羣內的全部節點（包括本身），以執行命令。因此須要配置免密碼的ssh登錄。可選的ssh祕鑰對生成方式有rsa和dsa兩種，這裏選擇rsa。

分別在 h01 h02 ，即兩個主節點上操做

ssh-keygen -t rsa -C "youremail@xx.com"
# 注意在接下來的命令行交互中，直接按回車跳過輸入密碼

如下命令將本節點的公鑰 id_rsa.pub 文件的內容追加到遠程主機的 authorized_keys 文件中（默認位於 ~/.ssh/）

ssh-copy-id vagrant@h01.vm.com # vagrant是遠程主機用戶名
ssh-copy-id vagrant@h02.vm.com # vagrant是遠程主機用戶名
ssh-copy-id vagrant@h03.vm.com

在 h01 h02 上測試無密碼 ssh 登陸到 h01 h02 h03

ssh h01.vm.com
ssh h02.vm.com
ssh h03.vm.com

!!! 注意使用rsa模式生成密鑰對時，不要輕易覆蓋原來已有的，肯定無影響時方可覆蓋 !!!

配置從節點

在 slaves 文件中配置的主機即爲從節點，將自動運行datanode服務

在 h01 操做，後面經過 scp 同步到其餘主機

vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/slaves
h01.vm.com 
h02.vm.com
h03.vm.com

創建存儲數據的相應目錄

在 h01 操做，後面經過 scp 同步到其餘主機

mkdir -p /home/vagrant/VMBigData/hadoop/data/hdfs/tmp
mkdir -p /home/vagrant/VMBigData/hadoop/data/pid
mkdir -p /home/vagrant/VMBigData/hadoop/data/namenode1
mkdir -p /home/vagrant/VMBigData/hadoop/data/namenode2
mkdir -p /home/vagrant/VMBigData/hadoop/data/datanode1
mkdir -p /home/vagrant/VMBigData/hadoop/data/datanode2
mkdir -p /home/vagrant/VMBigData/hadoop/data/local-dirs
mkdir -p /home/vagrant/VMBigData/hadoop/data/log-dirs

配置hadoop參數

在 h01 操做，後面經過 scp 同步到其餘主機

vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/hadoop-env.sh

# export JAVA_HOME=${JAVA_HOME} # 注意註釋掉原來的這行
export JAVA_HOME=/home/vagrant/VMBigData/java/default
export HADOOP_PREFIX=/home/vagrant/VMBigData/hadoop/default
# export HADOOP_PID_DIR=${HADOOP_PID_DIR} # 注意註釋掉原來的這行
export HADOOP_PID_DIR=/home/vagrant/VMBigData/hadoop/data/hdfs/pid
export YARN_PID_DIR=/home/vagrant/VMBigData/hadoop/data/hdfs/pid
# export HADOOP_SECURE_DN_PID_DIR=${HADOOP_PID_DIR} # 注意註釋掉原來的這行
export HADOOP_SECURE_DN_PID_DIR=${HADOOP_PID_DIR}

vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/mapred-env.sh

export HADOOP_MAPRED_PID_DIR=/home/vagrant/VMBigData/hadoop/data/hdfs/pid

vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/core-site.xml

<?xml version="1.0" encoding="utf-8"?>
<configuration> 
  <!-- 指定hdfs的nameservice爲h01，需與dfs.nameservices一致 -->  
  <property> 
    <name>fs.defaultFS</name>  
    <value>hdfs://ns1</value> 
  </property>  
  <!-- 指定hadoop數據存儲目錄 -->  
  <property> 
    <name>hadoop.tmp.dir</name>  
    <value>/home/vagrant/VMBigData/hadoop/data/hdfs/tmp</value> 
  </property>  
  <!-- 指定zookeeper地址 -->  
  <property> 
    <name>ha.zookeeper.quorum</name>  
    <value>h01.vm.com:2181,h02.vm.com:2181,h03.vm.com:2181</value> 
  </property> 
</configuration>

vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/hdfs-site.xml

<?xml version="1.0" encoding="utf-8"?>
<configuration> 
  <property> 
    <name>dfs.replication</name>  
    <!-- 單機版的通常設爲1，如果集羣，通常設爲3 -->  
    <value>2</value> 
  </property>  
  <!-- 如下3個 property 的配置，是非HA模式下的，即一個集羣只有一個 namenode，在這裏不可以使用 -->  
  <!-- 配置Secondary NameNode在另一個節點上，該節點也將做爲主節點之一 -->  
  <!-- <property>
<name>dfs.http.address</name>
<value>h01.vm.com:50070</value>
<description>Secondary get fsimage and edits via dfs.http.address</description>
</property>
<property>
<name>dfs.secondary.http.address</name>
<value>h02.vm.com:50090</value>
</property>
<property>
<name>dfs.namenode.checkpoint.dir</name>
<value>/home/vagrant/VMBigData/hadoop/data/namesecondary</value>
</property> -->  
  <!-- 如下 property 配置，是haddop的HA即高可用模式，一個集羣能夠配置最多2個namenode -->  
  <!-- 命名空間的邏輯名稱 -->  
  <property> 
    <name>dfs.nameservices</name>  
    <value>ns1</value> 
  </property>  
  <!-- 命名空間中全部NameNode的惟一標示。該標識指示DataNode集羣中有哪些NameNode。目前最多隻能配置兩個NameNode -->  
  <property> 
    <name>dfs.ha.namenodes.ns1</name>  
    <value>nn1,nn2</value> 
  </property>  
  <property> 
    <name>dfs.namenode.rpc-address.ns1.nn1</name>  
    <value>h01.vm.com:9000</value> 
  </property>  
  <property> 
    <name>dfs.namenode.http-address.ns1.nn1</name>  
    <value>h01.vm.com:50070</value> 
  </property>  
  <property> 
    <name>dfs.namenode.rpc-address.ns1.nn2</name>  
    <value>h02.vm.com:9000</value> 
  </property>  
  <property> 
    <name>dfs.namenode.http-address.ns1.nn2</name>  
    <value>h02.vm.com:50070</value> 
  </property>  
  <!-- JournalNode URLs，ActiveNameNode 會將 Edit Log 寫入這些 JournalNode 所配置的本地目錄即 dfs.journalnode.edits.dir -->  
  <property> 
    <name>dfs.namenode.shared.edits.dir</name>  
    <value>qjournal://h01.vm.com:8485;h02.vm.com:8485;h03.vm.com:8485/ns1</value> 
  </property>  
  <!-- JournalNode 用於存放 editlog 和其餘狀態信息的目錄 -->  
  <property> 
    <name>dfs.journalnode.edits.dir</name>  
    <value>/home/vagrant/VMBigData/hadoop/data/journal</value> 
  </property>  
  <property> 
    <name>dfs.ha.automatic-failover.enabled</name>  
    <value>true</value> 
  </property>  
  <property> 
    <name>dfs.client.failover.proxy.provider.ns1</name>  
    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> 
  </property>  
  <!-- 一種關於 NameNode 的隔離機制(fencing) -->  
  <property> 
    <name>dfs.ha.fencing.methods</name>  
    <value>sshfence shell(/bin/true)</value> 
  </property>  
  <property> 
    <name>dfs.ha.fencing.ssh.private-key-files</name>  
    <value>/home/vagrant/.ssh/id_rsa</value> 
  </property>  
  <property> 
    <name>dfs.ha.fencing.ssh.connect-timeout</name>  
    <value>30000</value> 
  </property>  
  <!-- HA模式配置結束 -->  
  <property> 
    <name>dfs.namenode.name.dir</name>  
    <!-- 建立的namenode文件夾位置，若有多個用逗號隔開。配置多個的話，每個目錄下數據都是相同的，達到數據冗餘備份的目的 -->  
    <value>file:///home/vagrant/VMBigData/hadoop/data/namenode1,file:///home/vagrant/VMBigData/hadoop/data/namenode2</value> 
  </property>  
  <property> 
    <name>dfs.datanode.data.dir</name>  
    <!-- 建立的datanode文件夾位置，多個用逗號隔開，實際不存在的目錄會被忽略 -->  
    <value>file:///home/vagrant/VMBigData/hadoop/data/datanode1,file:///home/vagrant/VMBigData/hadoop/data/datanode2</value> 
  </property> 
</configuration>

vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/yarn-site.xml

<?xml version="1.0" encoding="utf-8"?>
<configuration> 
  <property> 
    <name>yarn.resourcemanager.hostname</name>  
    <value>h02.vm.com</value> 
  </property>  
  <property> 
    <name>yarn.log-aggregation-enable</name>  
    <!-- 打開日誌聚合功能，這樣才能從web界面查看日誌 -->  
    <value>true</value> 
  </property>  
  <property> 
    <name>yarn.log-aggregation.retain-seconds</name>  
    <!-- 聚合日誌最長保留時間 -->  
    <value>86400</value> 
  </property>  
  <property> 
    <name>yarn.nodemanager.resource.memory-mb</name>  
    <!-- NodeManager總的可用內存，這個要根據實際狀況合理配置 -->  
    <value>1024</value> 
  </property>  
  <property> 
    <name>yarn.scheduler.minimum-allocation-mb</name>  
    <!-- MapReduce做業時，每一個task最少可申請內存 -->  
    <value>256</value> 
  </property>  
  <property> 
    <name>yarn.scheduler.maximum-allocation-mb</name>  
    <!-- MapReduce做業時，每一個task最多可申請內存 -->  
    <value>512</value> 
  </property>  
  <property> 
    <name>yarn.nodemanager.vmem-pmem-ratio</name>  
    <!-- 可申請使用的虛擬內存，相對於實際使用內存大小的倍數。實際生產環境中可設置的大一些，如4.2 -->  
    <value>2.1</value> 
  </property>  
  <property> 
    <name>yarn.nodemanager.vmem-check-enabled</name>  
    <value>false</value> 
  </property>  
  <property> 
    <name>yarn.nodemanager.local-dirs</name>  
    <!-- 中間結果存放位置。注意，這個參數一般會配置多個目錄，已分攤磁盤IO負載。 -->  
    <value>/home/vagrant/VMBigData/hadoop/data/localdir1,/home/vagrant/VMBigData/hadoop/data/localdir2</value> 
  </property>  
  <property> 
    <name>yarn.nodemanager.log-dirs</name>  
    <!-- 日誌存放位置。注意，這個參數一般會配置多個目錄，已分攤磁盤IO負載。 -->  
    <value>/home/vagrant/VMBigData/hadoop/data/logdir1,/home/vagrant/VMBigData/hadoop/data/logdir2</value> 
  </property>  
  <property> 
    <name>yarn.nodemanager.aux-services</name>  
    <value>mapreduce_shuffle</value> 
  </property>  
  <property> 
    <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>  
    <value>org.apache.hadoop.mapred.ShuffleHandler</value> 
  </property> 
</configuration>

vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/mapred-site.xml

<?xml version="1.0" encoding="utf-8"?>
<configuration> 
  <property> 
    <name>mapreduce.framework.name</name>  
    <value>yarn</value> 
  </property>  
  <property> 
    <name>yarn.app.mapreduce.am.resource.mb</name>  
    <!-- 默認值爲 1536,可根據須要調整，調小一些也是可接受的 -->  
    <value>512</value> 
  </property>  
  <property> 
    <name>mapreduce.map.memory.mb</name>  
    <!-- 每一個map task申請的內存，每一次都會實際申請這麼多 -->  
    <value>384</value> 
  </property>  
  <property> 
    <name>mapreduce.map.java.opts</name>  
    <!-- 每一個map task中的child jvm啓動時參數，須要比 mapreduce.map.memory.mb 設置的小一些 -->  
    <!-- 注意：map任務裏不必定跑java，可能跑非java（如streaming） -->  
    <value>-Xmx256m</value> 
  </property>  
  <property> 
    <name>mapreduce.reduce.memory.mb</name>  
    <value>384</value> 
  </property>  
  <property> 
    <name>mapreduce.reduce.java.opts</name>  
    <value>-Xmx256m</value> 
  </property>  
  <property> 
    <name>mapreduce.tasktracker.map.tasks.maximum</name>  
    <value>2</value> 
  </property>  
  <property> 
    <name>mapreduce.tasktracker.reduce.tasks.maximum</name>  
    <value>2</value> 
  </property>  
  <property> 
    <name>mapred.child.java.opts</name>  
    <!-- 默認值爲 -Xmx200m，生產環境能夠設大一些 -->  
    <value>-Xmx384m</value> 
  </property>  
  <property> 
    <name>mapreduce.task.io.sort.mb</name>  
    <!-- 任務內部排序緩衝區大小 -->  
    <value>128</value> 
  </property>  
  <property> 
    <name>mapreduce.task.io.sort.factor</name>  
    <!-- map計算徹底後的merge階段，一次merge時最多可有多少個輸入流 -->  
    <value>100</value> 
  </property>  
  <property> 
    <name>mapreduce.reduce.shuffle.parallelcopies</name>  
    <!-- reuduce shuffle階段並行傳輸數據的數量 -->  
    <value>50</value> 
  </property>  
  <property> 
    <name>mapreduce.jobhistory.address</name>  
    <value>h01.vm.com:10020</value> 
  </property>  
  <property> 
    <name>mapreduce.jobhistory.webapp.address</name>  
    <value>h01.vm.com:19888</value> 
  </property> 
</configuration>

安裝配置zookeeper

在 h01 操做，後面經過 scp 同步到其餘主機

cd /home/vagrant/VMBigData/zookeeper/default/conf/
cp zoo_sample.cfg zoo.cfg
vim zoo.cfg
# 對該文件作出如下修改
dataDir=/home/vagrant/VMBigData/zookeeper/data/tmp
# 若是沒法啓動zookeeper，可將如下代碼對應的行改成 0.0.0.0:2888:3888
# 注意zookeeper解析該文件很死板，不要輸入多餘的空格和空行
server.1=h01.vm.com:2888:3888
server.2=h02.vm.com:2888:3888
server.3=h03.vm.com:2888:3888

mkdir -p /home/vagrant/VMBigData/zookeeper/data/tmp
vim /home/vagrant/VMBigData/zookeeper/data/tmp/myid
# 在此文件中輸入節點編號，好比h01節點就輸入1，h02節點就輸入2

將hadoop所需文件同步到其餘主機

在 h01 上操做

scp -r /home/vagrant/VMBigData vagrant@h02.vm.com:/home/vagrant
scp -r /home/vagrant/VMBigData vagrant@h03.vm.com:/home/vagrant

!!! 注意：default 軟鏈接須要重建 !!!

修改各節點的 zookeeper 的 /home/vagrant/VMBigData/zookeeper/data/tmp/myid 文件，內容爲各節點編號，本例中爲 1,2,3

啓動zookeeper

在 h01 h02 h03 操做

cd /home/vagrant/VMBigData/zookeeper/default
bin/zkServer.sh start

啓動JournalNode

在任一配置了journalnode的節點操做

cd /home/vagrant/VMBigData/hadoop/default
sbin/hadoop-daemons.sh start journalnode

格式化namenode

在 h01 namenode 上執行

hdfs namenode -format

!!! 注意僅在首次啓動時執行，由於此命令會刪除hadoop集羣全部的數據 !!!

同步兩個namenode數據（方法一：推薦）

在 h01 啓動 namenode

cd /home/vagrant/VMBigData/hadoop/default
sbin/hadoop-daemon.sh start namenode

在 h02 執行同步

cd /home/vagrant/VMBigData/hadoop/default
bin/hdfs namenode -bootstrapStandby

在 h02 啓動 namenode

cd /home/vagrant/VMBigData/hadoop/default
sbin/hadoop-daemon.sh start namenode

同步兩個namenode數據（方法二：不推薦，可能引發複製後的文件的權限問題）

在 h01 操做

scp -r /home/vagrant/VMBigData/hadoop/data/namenode1/ vagrant@h02.vm.com:/home/vagrant/VMBigData/hadoop/data/
scp -r /home/vagrant/VMBigData/hadoop/data/namenode2/ vagrant@h02.vm.com:/home/vagrant/VMBigData/hadoop/data/

格式化zkfc

在 h01 或 h02 (任一namenode) 上操做

hdfs zkfc -formatZK

!!! 注意僅在首次啓動時執行 !!!

啓動zkfc

在 h01 h02 h03 等計劃運行zkfc的節點上操做

cd /home/vagrant/VMBigData/hadoop/default
sbin/hadoop-daemon.sh start zkfc
# sbin/hadoop-daemon.sh stop zkfc #  中止

啓動hadoop集羣：

啓動hdfs

可在任意主節點執行

cd /home/vagrant/VMBigData/hadoop/default
sbin/start-dfs.sh
# sbin/stop-dfs.sh # 中止

啓動Yarn

在 h02 ResourceManager 上操做

cd /home/vagrant/VMBigData/hadoop/default
sbin/start-yarn.sh
# sbin/stop-yarn.sh# 中止

啓動 job history server（可選）

在 h01 上操做

cd /home/vagrant/VMBigData/hadoop/default
sbin/mr-jobhistory-daemon.sh start historyserver
# sbin/mr-jobhistory-daemon.sh stop historyserver # 中止

瀏覽服務啓動狀況

NameNode1 http://192.168.100.201:50070

NameNode2 http://192.168.100.202:50070

ResourceManager http://192.168.100.202:8088

MapReduce JobHistory Server http://192.168.100.201:19888

Datanode http://192.168.100.201:50075 http://192.168.100.202:50075 http://192.168.100.203:50075

zookeeper bin/zkServer.sh status

zookeeper命令行 zkCli.sh -server 127.0.0.1:2181

集羣狀態 bin/hdfs dfsadmin -report

hadoop進程 jps

參考連接

HDFS High Availability Using the Quorum Journal Manager

HDFS High Availability

ResourceManager High Availability

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。