四、HADOOP(HDFS)-08

四、HADOOP(HDFS)-08

HDFS HA 高可用

1、HA 概述

​ 1）所谓 HA（High Available），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）Hadoop2.0 之前，在 HDFS 集群中 NameNode 存在单点故障（SPOF）。

​ 4）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 Active/Standby 两个 NameNodes 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。

2、HDFS-HA 工作机制

​ 通过双NameNode消除单点故障

3、HDFS-HA 重点

1、元数据管理方式需要改变

​ 内存中各自保存一份元数据；

​ Edits日志只有Active状态的NameNode节点可以做写操作；

​ 两个NameNode都可以读取Edits；

​ 共享的Edits放在一个共享储存管理（qjournal和NFS两个主流实现）；

2、需要一个状态管理功能模块

​ 实现了一个zkfailover，常驻在每一个NameNode所在的节点，每一个zkfailove负责监控自己所在NameNode节点，利用zk进行状态标识，当需要进行状态切换时，由zkfailover来负责切换，切换时需要防止 brain split（脑裂）现象的发生。

3、必须保证两个NameNode之间能够ssh免密钥登录

4、隔离（fence），即同时刻仅有一个NameNode 对外提供服务

4、HDFS-HA 自动故障转移工作机制

1、故障检测

​ 集群中的每个 NameNode 在 ZooKeeper 中维护了一个持久会话，如果

机器崩溃，ZooKeeper 中的会话将终止，ZooKeeper 通知另一个 NameNode 需要触发故障转移。

2、现役NameNode 选择

​ ZooKeeper 提供了一个简单的机制用于唯一的选择一个节点为 active 状态。如果目前现役 NameNode 崩溃，另一个节点可能从 ZooKeeper 获得特殊的排外锁以表明它应该成为现役 NameNode。

​ 另外，ZKFC 是自动故障转移中的另一个新组件，是 ZooKeeper 的客户端，也监视和管理NameNode 的状态。每个运行 NameNode 的主机也运行了一个 ZKFC 进程，ZKFC 负责。

3、健康监测

​ ZKFC 使用一个健康检查命令定期地 ping 与之在相同主机的 NameNode，只要该 NameNode 及时地回复健康状态，ZKFC 认为该节点是健康的。如果该节点崩溃，冻结或进入不健康状态，健康监测器标识该节点为非健康的。

4、Zookeeper 会话管理

​ 当本地 NameNode 是健康的，ZKFC 保持一个在 ZooKeeper中打开的会话。如果本地 NameNode 处于 active 状态，ZKFC 也保持一个特殊的 znode 锁，该锁使用了 ZooKeeper 对短暂节点的支持，如果会话终止，锁节点将自动删除。

5、基于Zookeeper的选择

​ 如果本地 NameNode 是健康的，且 ZKFC 发现没有其它的节点当前持有 znode 锁，它将为自己获取该锁。如果成功，则它已经赢得了选择，并负责运行故障转移进程以使它的本地 NameNode 为 Active。故障转移进程与前面描述的手动故障转移相似，首先如果必要保护之前的现役 NameNode，然后本地 NameNode 转换为 Active 状态。

5、HDFS-HA集群的搭建

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免密钥

​ (5) 安装 JDK、配置环境变量等

2、集群规划

hadoop102	hadoop103	hadoop104
NameNode	NameNode
JournalNode	JournalNode	JournalNode
ZK	ZK	ZK
	ResourceManager
NodeManager	NodeManager	NodeManager

3、Zookeeper集群配置

​ 1、集群规划

​ 在 hadoop102、hadoop103 和 hadoop104 三个节点上部署 Zookeeper。

​ 2、解压安装

​ (1) 解压 Zookeeper 安装包到/opt/module/目录下

[lyinl@hadoop102 software]$ tar -zxvf zookeeper-3.4.10.tar.gz -C /opt/module/

​ (2) 在/opt/module/zookeeper-3.4.10/这个目录下创建 zkData

mkdir -p zkData

​ (3) 重命名/opt/module/zookeeper-3.4.10/conf 这个目录下的zoo_sample.cfg 为 zoo.cfg.

mv zoo_sample.cfg zoo.cfg

​ 3、配置zoo.cfg文件

​ (1) 配置数据输出路径

dataDir=/opt/module/zookeeper-3.4.10/zkData

​ 然后在文件最后增加如下配置

#######################cluster##########################
server.2=hadoop102:2888:3888
server.3=hadoop103:2888:3888
server.4=hadoop104:2888:3888

​ (2) 配置参数解读

Server.A=B:C:D

​ A 是一个数字，表示这个是第几号服务器；

​ B 是这个服务器的 IP 地址；

​ C 是这个服务器与集群中的 Leader 服务器交换信息的端口；

​ D 是万一集群中的 Leader 服务器挂了，需要一个端口来重新进行选举，选出一个新的Leader，而这个端口就是用来执行选举时服务器相互通信的端口。

​ 集群模式下配置一个文件 myid，这个文件在 dataDir 目录下，这个文件里面有一个数据就是 A 的值，Zookeeper 启动时读取此文件，拿到里面的数据与 zoo.cfg 里面的配置信息比较从而判断到底是哪个 server。

​ 4、集群操作

​ (1) 在/opt/module/zookeeper-3.4.10/zkData 目录下创建一个 myid 的文件

touch myid

​ 注意 添加 myid 文件，注意一定要在 linux 里面创建，在 notepad++里面很可能乱码*

​ (2) 编辑myid文件

vi myid

​ 在文件中添加与server对应的编号：如 2

​ (3) 拷贝配置好的zookeeper到其他机器上

scp -r zookeeper-3.4.10/ root@hadoop103.lyinl.com:/opt/app/
scp -r zookeeper-3.4.10/ root@hadoop104.lyinl.com:/opt/app/

​ 并分别修改 myid 文件中内容为 3、4

​ (4) 分别启动zookeeper

[root@hadoop102 zookeeper-3.4.10]# bin/zkServer.sh start
[root@hadoop103 zookeeper-3.4.10]# bin/zkServer.sh start
[root@hadoop104 zookeeper-3.4.10]# bin/zkServer.sh start

​ (5) 查看zookeeper状态

[root@hadoop102 zookeeper-3.4.10]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-
3.4.10/bin/../conf/zoo.cfg
Mode: follower
[root@hadoop103 zookeeper-3.4.10]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-
3.4.10/bin/../conf/zoo.cfg
Mode: leader
[root@hadoop104 zookeeper-3.4.5]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-
3.4.10/bin/../co

4、HDFS-HA集群配置

​ 1、官方地址：http://hadoop.apache.org/

​ 2、在opt目录下创建一个ha文件夹

mkdir ha

​ 3、将/opt/app/下的 hadoop-2.7.2 拷贝到/opt/ha 目录下

cp -r hadoop-2.7.2/ /opt/ha/

​ 4、配置Hadoop-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

​ 5、配置core-site.xml

<configuration>
<!-- 把两个 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-2.7.2/data/tmp</value>
</property>
</configuration>

​ 6、配置hdfs-site.xml

<configuration>
<!-- 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</value>
</property>
<!-- nn1 的 RPC 通信地址 -->
<property>
<name>dfs.namenode.rpc-address.mycluster.nn1</name>
<value>hadoop102:9000</value>
</property>
<!-- nn2 的 RPC 通信地址 -->
<property>
<name>dfs.namenode.rpc-address.mycluster.nn2</name>
<value>hadoop103:9000</value>
</property>
<!-- nn1 的 http 通信地址 -->
<property>
<name>dfs.namenode.http-address.mycluster.nn1</name>
<value>hadoop102:50070</value>
</property>
<!-- nn2 的 http 通信地址 -->
<property>
<name>dfs.namenode.http-address.mycluster.nn2</name>
<value>hadoop103:50070</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;hadoop10
4:8485/mycluster</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 无秘钥登录-->
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/home/atguigu/.ssh/id_rsa</value>
</property>
<!-- 声明 journalnode 服务器存储目录-->
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/opt/ha/hadoop-2.7.2/data/jn</value>
</property>
<!-- 关闭权限检查-->
<property>
<name>dfs.permissions.enable</name>
<value>false</value>
</property>
<!-- 访问代理类：client，mycluster，active 配置失败自动切换实现方
式-->
<property>
 
<name>dfs.client.failover.proxy.provider.mycluster</name
>
<value>org.apache.hadoop.hdfs.server.namenode.ha.Configu
redFailoverProxyProvider</value>
</property>
</configuration>

​ 7、将Hadoop拷贝到其他节点

5、启动HDFS-HA集群

​ 1、在各个 JournalNode 节点上，输入以下命令启动 journalnode 服务

sbin/hadoop-daemon.sh start journalnode

​ 2、在[nn1]上，对其进行格式化，并启动

bin/hdfs namenode -format
sbin/hadoop-daemon.sh start namenode

​ 3、在[nn2]上，同步 nn1 的元数据信息

bin/hdfs namenode -bootstrapStandby

​ 4、启动[nn2]

sbin/hadoop-daemon.sh start namenode

​ 5、查看 web 页面显示：

​ 6、在[nn1]上，启动所有 datanode

sbin/hadoop-daemons.sh start datanode

​ 7、将[nn1]切换为 Active

bin/hdfs haadmin -transitionToActive nn1

​ 8、查看是否 Active

bin/hdfs haadmin -getServiceState nn1

6、配置HDFS-HA自动故障转移

1、具体配置

​ (1) 在 hdfs-site.xml 中增加

<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>

​ (2) 在 core-site.xml 文件中增加

<property>
<name>ha.zookeeper.quorum</name>
<value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value>
</property>

2、启动

​ (1) 关闭所有HDFS服务：

sbin/stop-dfs.sh

​ (2) 启动zookeeper集群：

bin/zkServer.sh start

​ (3) 初始化HA 在Zookeeper中状态

bin/hdfs zkfc -formatZK

​ (4) 启动HDFS服务：

sbin/start-dfs.sh

​ (5) 在各个 NameNode 节点上启动 DFSZK Failover Controller，先在哪台机器启动，哪个机器的 NameNode 就是 Active NameNode。

sbin/hadoop-daemin.sh start zkfc

3、验证

​ (1) 将Active NameNode进程kill

kill -9 namenode 的进程 id

​ (2) 将Active NameNode 机器断开网络

service network stop

7、YARN-HA配置

1、YARN-HA工作机制

​ 1、官方文档：

http://hadoop.apache.org/docs/r2.7.2/hadoop-yarn/hadoop-yarn-site/ResourceManagerHA.html

​ 2、YARN-HA工作机制，如图：

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、集群规划

Hadoop102	Hadoop103	Hadoop104
NameNode	NameNode
JournalNode	JournalNode	JournalNode
DataNode	DataNode	DataNode
ZK	ZK	ZK
ResourceManager	ResourceManage
NodeManage	NodeManage	NodeManage

​ 3、配置文件

​ (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>
 <property>
 <name>yarn.resourcemanager.ha.rm-ids</name>
 <value>rm1,rm2</value>
 </property>
 <property>
 <name>yarn.resourcemanager.hostname.rm1</name>
 <value>hadoop102</value>
 </property>
 <property>
 <name>yarn.resourcemanager.hostname.rm2</name>
 <value>hadoop103</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.recov
ery.ZKRMStateStore</value>
</property>
</configuration>

​ (2) 同步更新其他节点的配置

​ 4、启动hdfs

​ (1) 在各个journalNode节点上，输入以下命令启动journalnode服务：

sbin/hadoop-daemon.sh start journalnode

​ (2) 在[nn1]上，对其进行格式化，并启动：

bin/hdfs namenode -format
sbin/hadoop-daemon.sh start namenode

​ (3) 在[nn2]上，同步nn1的元数据信息：

bin/hdfs namenode -bootstrapStandby

​ (4) 启动[nn2]：

sbin/hadoop-daemon.sh start namenode

​ (5) 启动所有DataNode

sbin/hadoop-daemons.sh start datanode

​ (6) 将[nn1]切换为Active

sbin/hadoop-daemons.sh start datanode

​ 5、启动YARN

​ (1) 在Hadoop102中执行：

sbin/start-yarn.sh

​ (2) 在Hadoop103中执行：

sbin/yarn-daemon.sh start resourcemanager

​ (3) 查看服务状态：

bin/yarn rmadmin -getServiceState rm1

8、HDFS Federation架构设计

1、NameNode架构的局限性

​ (1) Namespace（命名空间）的限制

​ 由于NameNode在内存中存储所有的元数据(metadata)，因此单个NameNode所能存储的对象（文件+块）数目受到NameNode所在JVM的heap size的限制。50G的heap能够存储20亿（200million）个对象，这20亿个对象支持4000个DataNode，12PB的储存（假设文件平均大小为40MB）。随着数据的飞速增长，储存的需求也随之增长。单个DataNode从4T增长到36T，集群的尺寸增长到8000个DataNode。存储的需求从12PB增长到大于100PB。

​ (2) 隔离问题

​ 由于HDFS仅有一个NameNode，无法隔离各个程序，因此HDFS上的一个实验程序就有可能影响整个HDFS上运行程序。

​ (3) 性能的瓶颈

​ 由于是单个NameNode的HDFS架构，因此HDFS文件系统的吞吐量受限制于单个NameNode 的吞吐量。

​ 2、HDFS Federation 架构设计，如图示：

NameNode	NameNode	NameNode
元数据	元数据	元数据
Log	machine	真实数据

​ 3、HDFS Federation应用

​ 不同应用可以使用不同 NameNode 进行数据管理图片业务、爬虫业务、日志审计业务Hadoop 生态系统中，不同的框架使用不同的 NameNode 进行管理 NameSpace。（隔离性）