Hadoop HA高可用环境搭建

目录

一:Hadoop HA 高可用

1.1 HA 概述

1.2 HDFS-HA 集群搭建

1.2.1 HDFS-HA 核心问题 

1.3 HDFS-HA 手动模式

1.3.1 环境准备

1.3.2 规划集群

1.3.3 配置 HDFS-HA 集群  

1.3.4 启动 HDFS-HA 集群

1.4 HDFS-HA 自动模式

1.4.1 HDFS-HA 自动故障转移工作机制

1.4.2 HDFS-HA 自动故障转移的集群规划

1.4.3 配置 HDFS-HA 自动故障转移

1.5 YARN-HA 配置

1.5.1 YARN-HA 工作机制

1.5.2 配置 YARN-HA 集群  

1.6 HADOOP HA 的最终规划


一:Hadoop HA 高可用

1.1 HA 概述

(1)所谓 HA(High Availablity),即高可用(7*24 小时不中断服务)。

(2)实现高可用最关键的策略是消除单点故障。HA 严格来说应该分成各个组件的 HA

机制:HDFS 的 HA 和 YARN 的 HA。

(3)NameNode 主要在以下两个方面影响 HDFS 集群

➢ NameNode 机器发生意外,如宕机,集群将无法使用,直到管理员重启

➢ NameNode 机器需要升级,包括软件、硬件升级,此时集群也将无法使用 HDFS HA 功能通过配置多个 NameNodes(Active/Standby)实现在集群中对 NameNode 的 热备来解决上述问题。如果出现故障,如机器崩溃或机器需要升级维护,这时可通过此种方式将 NameNode 很快的切换到另外一台机器。

1.2 HDFS-HA 集群搭建

1.2.1 HDFS-HA 核心问题 

1)怎么保证三台 namenode 的数据一致

a.Fsimage:让一台 nn 生成数据,让其他机器 nn 同步

b.Edits:需要引进新的模块 JournalNode 来保证 edtis 的文件的数据一致性

2)怎么让同时只有一台 nn 是 active,其他所有是 standby 的

a.手动分配 b.自动分配

3)2nn 在 ha 架构中并不存在,定期合并 fsimage 和 edtis 的活谁来干

由 standby 的 nn 来干

4)如果 nn 真的发生了问题,怎么让其他的 nn 上位干活

a.手动故障转移

b.自动故障转移

1.3 HDFS-HA 手动模式

1.3.1 环境准备

(1)修改 IP

(2)修改主机名及主机名和 IP 地址的映射

(3)关闭防火墙

(4)ssh 免密登录

(5)安装 JDK,配置环境变量等

1.3.2 规划集群

1.3.3 配置 HDFS-HA 集群  

1)官方地址:http://hadoop.apache.org/

2)在 opt 目录下创建一个 ha 文件夹

[atguigu@hadoop102 ~]$ cd /opt 
[atguigu@hadoop102 opt]$ sudo mkdir ha 
[atguigu@hadoop102 opt]$ sudo chown atguigu:atguigu /opt/ha 

3)将/opt/module/下的 hadoop-3.1.3 拷贝到/opt/ha 目录下(记得删除 data 和 log 目录)

[atguigu@hadoop102 opt]$ cp -r /opt/module/hadoop-3.1.3 /opt/ha/ 

4)配置 core-site.xml(注意:这里要把以前配置过的信息全部删除)

<configuration> 
<!-- 把多个 NameNode 的地址组装成一个集群 mycluster --> 
 <property> 
 <name>fs.defaultFS</name>  <value>hdfs://mycluster</value> 
 </property> 
<!-- 指定 hadoop 运行时产生文件的存储目录 --> 

 <property> 
 <name>hadoop.tmp.dir</name> 
 <value>/opt/ha/hadoop-3.1.3/data</value> 
 </property> 
</configuration> 

5)配置 hdfs-site.xml(注意:这里要把以前配置过的信息全部删除)

<configuration> 
<!-- NameNode 数据存储目录 --> 

 <property> 
 <name>dfs.namenode.name.dir</name> 
 <value>file://${hadoop.tmp.dir}/name</value> 
 </property> 
<!-- DataNode 数据存储目录 --> 

 <property> 
 <name>dfs.datanode.data.dir</name> 
 <value>file://${hadoop.tmp.dir}/data</value> 
 </property> 
<!-- JournalNode 数据存储目录 --> 
 <property> 
 <name>dfs.journalnode.edits.dir</name> 
 <value>${hadoop.tmp.dir}/jn</value> 
 </property> 
<!-- 完全分布式集群名称 --> 

 <property> 
 <name>dfs.nameservices</name> 
 <value>mycluster</value> 
 </property> 
<!-- 集群中 NameNode 节点都有哪些 --> 

 <property> 
 <name>dfs.ha.namenodes.mycluster</name> 
 <value>nn1,nn2,nn3</value> 
 </property> 
<!-- NameNode 的 RPC 通信地址 --> 

 <property> 
 <name>dfs.namenode.rpc-address.mycluster.nn1</name> 
 <value>hadoop102:8020</value> 
 </property> 
 <property> 
 <name>dfs.namenode.rpc-address.mycluster.nn2</name> 
 <value>hadoop103:8020</value> 
 </property>  <property> 
 <name>dfs.namenode.rpc-address.mycluster.nn3</name> 
 <value>hadoop104:8020</value> 
 </property> 
<!-- NameNode 的 http 通信地址 --> 

 <property> 
 <name>dfs.namenode.http-address.mycluster.nn1</name> 
 <value>hadoop102:9870</value> 
 </property> 
 <property> 
 <name>dfs.namenode.http-address.mycluster.nn2</name> 
 <value>hadoop103:9870</value> 
 </property> 
 <property> 
 <name>dfs.namenode.http-address.mycluster.nn3</name> 
 <value>hadoop104:9870</value> 
 </property> 
<!-- 指定 NameNode 元数据在 JournalNode 上的存放位置 --> 

 <property> 
<name>dfs.namenode.shared.edits.dir</name> 
<value>qjournal://hadoop102:8485;hadoop103:8485;hadoop104:8485/myclus
ter</value> 
 </property> 
<!-- 访问代理类:client 用于确定哪个 NameNode 为 Active --> 

 <property> 
 <name>dfs.client.failover.proxy.provider.mycluster</name> 
 
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyP
rovider</value> 
 </property> 
<!-- 配置隔离机制,即同一时刻只能有一台服务器对外响应 --> 

 <property> 
 <name>dfs.ha.fencing.methods</name> 
 <value>sshfence</value> 
 </property> 
<!-- 使用隔离机制时需要 ssh 秘钥登录--> 

 <property> 
 <name>dfs.ha.fencing.ssh.private-key-files</name> 
 <value>/home/atguigu/.ssh/id_rsa</value> 
 </property> 
</configuration> 

6)分发配置好的 hadoop 环境到其他节点

1.3.4 启动 HDFS-HA 集群

1)将 HADOOP_HOME 环境变量更改到 HA 目录(三台机器)

[atguigu@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh 
将 HADOOP_HOME 部分改为如下 

#HADOOP_HOME 
export HADOOP_HOME=/opt/ha/hadoop-3.1.3 
export PATH=$PATH:$HADOOP_HOME/bin 
export PATH=$PATH:$HADOOP_HOME/sbin 

去三台机器上 source 环境变量

[atguigu@hadoop102 ~]$source /etc/profile

2)在各个 JournalNode 节点上,输入以下命令启动 journalnode 服务

[atguigu@hadoop102 ~]$ hdfs --daemon start journalnode 
[atguigu@hadoop103 ~]$ hdfs --daemon start journalnode 
[atguigu@hadoop104 ~]$ hdfs --daemon start journalnode 

3)在[nn1]上,对其进行格式化,并启动

[atguigu@hadoop102 ~]$ hdfs namenode -format 
[atguigu@hadoop102 ~]$ hdfs --daemon start namenode

4)在[nn2]和[nn3]上,同步 nn1 的元数据信息

[atguigu@hadoop103 ~]$ hdfs namenode -bootstrapStandby 
[atguigu@hadoop104 ~]$ hdfs namenode -bootstrapStandby 

5)启动[nn2]和[nn3]

[atguigu@hadoop103 ~]$ hdfs --daemon start namenode 
[atguigu@hadoop104 ~]$ hdfs --daemon start namenode 

6)查看 web 页面显示(hadoop102:9870)

7)在所有节点上,启动 datanode

[atguigu@hadoop102 ~]$ hdfs --daemon start datanode 
[atguigu@hadoop103 ~]$ hdfs --daemon start datanode 
[atguigu@hadoop104 ~]$ hdfs --daemon start datanode 

8)将[nn1]切换为 Active

[atguigu@hadoop102 ~]$ hdfs haadmin -transitionToActive nn1 

9)查看是否 Active

[atguigu@hadoop102 ~]$ hdfs haadmin -getServiceState nn1 

1.4 HDFS-HA 自动模式

1.4.1 HDFS-HA 自动故障转移工作机制

自动故障转移为 HDFS 部署增加了两个新组件:ZooKeeper 和 ZKFailoverController

(ZKFC)进程,如图所示。ZooKeeper 是维护少量协调数据,通知客户端这些数据的改变 和监视客户端故障的高可用服务。

HDFS-HA故障转移机制 :

 

 (1)假如标记为active的namenode没有和其他的namenode连接成功(假死),或者标记为active已经终止

(2)标记为active的namenode的对应的Zkfc则会检测到假死

(3)检测都假死后,则会通知另一台namenode节点的Zkfc

(4)Zkfc会强行杀死namenode,防止脑裂,ssh -9 namenode进程号

(5)如果ssh补刀失败则调用用户自定义脚本程序

(6)获取命令运行结果

(7)激活本台namenode,切换为Active


1.4.2 HDFS-HA 自动故障转移的集群规划

1.4.3 配置 HDFS-HA 自动故障转移

 1)具体配置

(1)在 hdfs-site.xml 中增加

<!-- 启用 nn 故障自动转移 --> 
<property> 
 <name>dfs.ha.automatic-failover.enabled</name> 
 <value>true</value> 
</property> 

(2)在 core-site.xml 文件中增加

<!-- 指定 zkfc 要连接的 zkServer 地址 --> 
<property> 
 <name>ha.zookeeper.quorum</name> 
 <value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value> 
</property> 

(3)修改后分发配置文件

[atguigu@hadoop102 etc]$ pwd 
/opt/ha/hadoop-3.1.3/etc 
[atguigu@hadoop102 etc]$ xsync hadoop/ 

2)启动

(1)关闭所有 HDFS 服务:

[atguigu@hadoop102 ~]$ stop-dfs.sh 

(2)启动 Zookeeper 集群:

[atguigu@hadoop102 ~]$ zkServer.sh start 
[atguigu@hadoop103 ~]$ zkServer.sh start 
[atguigu@hadoop104 ~]$ zkServer.sh start 

(3)启动 Zookeeper 以后,然后再初始化 HA 在 Zookeeper 中状态:

[atguigu@hadoop102 ~]$ hdfs zkfc -formatZK 

(4)启动 HDFS 服务:

[atguigu@hadoop102 ~]$ start-dfs.sh 

(5)可以去 zkCli.sh 客户端查看 Namenode 选举锁节点内容:

[zk: localhost:2181(CONNECTED) 7] get -s 
/hadoop-ha/mycluster/ActiveStandbyElectorLock 

3)验证

(1)将 Active NameNode 进程 kill,查看网页端三台 Namenode 的状态变化

[atguigu@hadoop102 ~]$ kill -9 namenode 的进程 id 

1.5 YARN-HA 配置

1.5.1 YARN-HA 工作机制

YARN-HA 工作机制

1.5.2 配置 YARN-HA 集群  

1)环境准备

(1)修改 IP

(2)修改主机名及主机名和 IP 地址的映射

(3)关闭防火墙

(4)ssh 免密登录

(5)安装 JDK,配置环境变量等

(6)配置 Zookeeper 集群

2)规划集群

3)核心问题  

a .如果当前 active rm 挂了,其他 rm 怎么将其他 standby rm 上位

核心原理跟 hdfs 一样,利用了 zk 的临时节点

b. 当前 rm 上有很多的计算程序在等待运行,其他的 rm 怎么将这些程序接手过来接着跑

rm 会将当前的所有计算程序的状态存储在 zk 中,其他 rm 上位后会去读取,然后接 着跑

4)具体配置

(1)yarn-site.xml

<configuration> 
 
 <property> 
 <name>yarn.nodemanager.aux-services</name> 
 <value>mapreduce_shuffle</value> 
 </property> 
 
 <!-- 启用 resourcemanager ha --> 
 <property> 
 <name>yarn.resourcemanager.ha.enabled</name> 
 <value>true</value> 
 </property> 
 
 <!-- 声明两台 resourcemanager 的地址 --> 
 <property> 
 <name>yarn.resourcemanager.cluster-id</name> 
 <value>cluster-yarn1</value> 
 </property> 
 <!--指定 resourcemanager 的逻辑列表--> 
 <property> 
 <name>yarn.resourcemanager.ha.rm-ids</name> 
 <value>rm1,rm2,rm3</value> 
</property> 
<!-- ========== rm1 的配置 ========== --> 
<!-- 指定 rm1 的主机名 --> 
 <property> 
 <name>yarn.resourcemanager.hostname.rm1</name> 
 <value>hadoop102</value> 
</property> 
<!-- 指定 rm1 的 web 端地址 --> 
<property> 
 <name>yarn.resourcemanager.webapp.address.rm1</name> 
 <value>hadoop102:8088</value> 
</property> 
<!-- 指定 rm1 的内部通信地址 --> 
<property> 
 <name>yarn.resourcemanager.address.rm1</name> 
 <value>hadoop102:8032</value> 
</property> 
<!-- 指定 AM 向 rm1 申请资源的地址 --> 
<property>  <name>yarn.resourcemanager.scheduler.address.rm1</name> 
 <value>hadoop102:8030</value> 
</property> 
<!-- 指定供 NM 连接的地址 --> 
<property> 
 <name>yarn.resourcemanager.resource-tracker.address.rm1</name> 
 <value>hadoop102:8031</value> 
</property> 
<!-- ========== rm2 的配置 ========== --> 
 <!-- 指定 rm2 的主机名 --> 
 <property> 
 <name>yarn.resourcemanager.hostname.rm2</name> 
 <value>hadoop103</value> 
</property> 
<property> 
 <name>yarn.resourcemanager.webapp.address.rm2</name> 
 <value>hadoop103:8088</value> 
</property> 
<property> 
 <name>yarn.resourcemanager.address.rm2</name> 
 <value>hadoop103:8032</value> 
</property> 
<property> 
 <name>yarn.resourcemanager.scheduler.address.rm2</name> 
 <value>hadoop103:8030</value> 
</property> 
<property> 
 <name>yarn.resourcemanager.resource-tracker.address.rm2</name> 
 <value>hadoop103:8031</value> 
</property> 
 <!-- ========== rm3 的配置 ========== --> 
<!-- 指定 rm1 的主机名 --> 
 <property> 
 <name>yarn.resourcemanager.hostname.rm3</name> 
 <value>hadoop104</value> 
</property> 
<!-- 指定 rm1 的 web 端地址 --> 
<property> 
 <name>yarn.resourcemanager.webapp.address.rm3</name> 
 <value>hadoop104:8088</value> 
</property> 
<!-- 指定 rm1 的内部通信地址 --> 
<property> 
 <name>yarn.resourcemanager.address.rm3</name>  <value>hadoop104:8032</value> 
</property> 
<!-- 指定 AM 向 rm1 申请资源的地址 --> 
<property> 
 <name>yarn.resourcemanager.scheduler.address.rm3</name> 
 <value>hadoop104:8030</value> 
</property> 
<!-- 指定供 NM 连接的地址 --> 
<property> 
 <name>yarn.resourcemanager.resource-tracker.address.rm3</name> 
 <value>hadoop104:8031</value> 
</property> 
 <!-- 指定 zookeeper 集群的地址 --> 
 <property> 
 <name>yarn.resourcemanager.zk-address</name> 
 <value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value> 
 </property> 
 
 <!-- 启用自动恢复 --> 
 <property> 
 <name>yarn.resourcemanager.recovery.enabled</name> 
 <value>true</value> 
 </property> 
 
 <!-- 指定 resourcemanager 的状态信息存储在 zookeeper 集群 --> 
 <property> 
 <name>yarn.resourcemanager.store.class</name> 
<value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateSt
ore</value> 
</property> 
<!-- 环境变量的继承 --> 
 <property> 
 <name>yarn.nodemanager.env-whitelist</name> 
 
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLAS
SPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value> 
 </property> 

 
</configuration>

(2)同步更新其他节点的配置信息,分发配置文件

[atguigu@hadoop102 etc]$ xsync hadoop/ 

4)启动 YARN

(1)在 hadoop102 或者 hadoop103 中执行:

[atguigu@hadoop102 ~]$ start-yarn.sh 

(2)查看服务状态

[atguigu@hadoop102 ~]$ yarn rmadmin -getServiceState rm1 

(3)可以去 zkCli.sh 客户端查看 ResourceManager 选举锁节点内容:

[atguigu@hadoop102 ~]$ zkCli.sh 
[zk: localhost:2181(CONNECTED) 16] get -s 
/yarn-leader-election/cluster-yarn1/ActiveStandbyElectorLock 

(4)web 端查看 hadoop102:8088 和 hadoop103:8088 的 YARN 的状态

1.6 HADOOP HA 的最终规划

将整个 ha 搭建完成后,集群将形成以下模样

 

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值