Hadoop高可用集群的搭建
1.Hadoop Ha集群的搭建原理
在hadoop的完全分布式使用过程,如果namenode出现故障,处于宕机状态,那么整个集群都将瘫痪,直到namenode重新启动,而随着大数据数据的膨胀,一个namenode节点承担的压力越来越大,宕机可能性的越来越来大。
Hadoop的Ha的实现原理是通过配置多个节点的namenode, 在任何时间点,确 保 NameNodes 中只有一 个处 于 Active 状态, 其他的处 在 Standby 状态 。其中ActiveNameNode 负责集群中的所有客户端操作, StandbyNameNode 仅仅充当备机, 保证一旦 ActiveNameNode 出现问题能够快速切换。
为了确保namenode能够在第一时候能够从standby状态能够快速从转化为active状态,必须在确保所有的namenode使用同一个元数据存储系统可以是 NFS、QJM(Quorum Journal Manager)或者 Zookeeper,Active Namenode 将数据写入共享存储系统,而 Standby 监听该系统,一旦发现有新数据写入,则读取这些数据, 并加载到自己内存中,以保证自己内存状态与 Active NameNode 保持基本一致,如此在紧急情况下,Standby就能迅速从切换成active状态,同时集群中的datanode也会同时向所有namenode节点发送心跳信息和文件信息。
1.1 图中可以看到,元数据由第三方Quorum Journal Manager保管,在进程中可以jps进行查看,进程名是journalnode
1.2 而下方的datanode同时向Standby和Active的发送实时心跳保证两个节点随时可以获得HDFS中的文件信息
1.3通过ZKFC,Standby namenode对Active的健康状态进行实时监控,在ZKFC发现Active发生状况之后 ,Standby迅速切换成Active状态,同时为了避免发生脑裂现象(因为网络原因等情况出现,ZKFC出现误判,而出现两个Active Namenode的情况),Standby对Active发送一个杀死namenode进程的命令
2.Ha的集群规划
HDFS:namenode – 2个 datanode-3个 journalnode-3台 zkfc:2个
YARN:resourcemanager-2个 nodemanager–3个
Zookeeper:3个 QuorumPeerMain
最终规划:
hadoop01:namenode datanode journalnode zkfc nodemanager QuorumPeerMain
hadoop02:namenode datanode journalnode zkfc nodemanager resourcemanager QuorumPeerMain
hadoop03:datanode journalnode nodemanager resourcemanager QuorumPeerMain
3.Ha的安装
1.1 安装前的准备
保证jdk ssh 主机名 映射 防火墙 sellinux 时间同步等
1.2 上传解压到安装目录
上传安装包,这里我们用的是hadoop-2.7.6.tar.gz版本,解压到安装目录,这里我们使用的是/home/hadoop/apps/
1.3 配置环境变量
cd ~/apps/hadoop-2.7.6/etc/hadoop/
vi /etc/profile
测试是否配置成功
1.4修改hadoop-env.sh
export JAVA_HOME= /usr/local/jdk1.8.0_73
1.5修改core-site.xml
<configuration>
<!-- 指定 hdfs 的 nameservice 为 myha01 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://myha01/</value>
</property>
<!-- 指定 hadoop 工作目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/data/hadoopdata/</value>
</property>
<!-- 指定 zookeeper 集群访问地址 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>hadoop01:2181,hadoop02:2181,hadoop03:2181</value>
</property>
</configuration>
1.6修改 hdfs-site.xml
<configuration>
<!-- 指定副本数 -->
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<!--指定 hdfs 的 nameservice 为 myha01,需要和 core-site.xml 中保持一致-->
<property>
<name>dfs.nameservices</name>
<value>myha01</value>
</property>
<!-- myha01 下面有两个 NameNode,分别是 nn1,nn2(namenode的映射) -->
<property>
<name>dfs.ha.namenodes.myha01</name>
<value>nn1,nn2</value>
</property>
<!-- nn1 的 RPC 通信地址 -->
<property>
<name>dfs.namenode.rpc-address.myha01.nn1</name>
<value>hadoop01:9000</value>
</property>
<!-- nn1 的 http 通信地址 -->
<property>
<name>dfs.namenode.http-address.myha01.nn1</name>
<value>hadoop01:50070</value>
</property>
<!-- nn2 的 RPC 通信地址 -->
<property>
<name>dfs.namenode.rpc-address.myha01.nn2</name>
<value>hadoop02:9000</value>
</property>
<!-- nn2 的 http 通信地址 -->
<property>
<name>dfs.namenode.http-address.myha01.nn2</name>
<value>hadoop02:50070</value>
</property>
<!-- 指定 NameNode 的 edits 元数据在 JournalNode 上的存放位置 qjournal:协议-->
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://hadoop01:8485;hadoop02:8485;hadoop03:8485/myha01</value>
</property>
<!-- 指定 JournalNode 在本地磁盘存放数据的位置 -->
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/home/hadoop/data/hadoopdata/journaldata</value>
</property>
<!-- 开启 NameNode 失败自动切换 -->
<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>
<!-- 配置失败自动切换实现方式 -->
<!-- 此处配置在安装的时候切记检查不要换行-->
<property>
<name>dfs.client.failover.proxy.provider.myha01</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
<!-- 配置隔离机制方法,多个机制用换行分割,即每个机制暂用一行-->
<property>
<name>dfs.ha.fencing.methods</name>
<value>
sshfence
shell(/bin/true)
</value>
</property>
<!-- 使用 sshfence 隔离机制时需要 ssh 免登陆 -->
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/home/hadoop/.ssh/id_rsa</value>
</property>
<!-- 配置 sshfence 隔离机制超时时间 毫秒 -->
<property>
<name>dfs.ha.fencing.ssh.connect-timeout</name>
<value>30000</value>
</property>
</configuration>
1.7修改 mapred-site.xml
##复制一份mapred-site.xml.template为 mapred-site.xml
cp mapred-site.xml.template mapred-site.xml
<configuration>
<!-- 指定 mr 框架为 yarn 方式 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!-- 设置 mapreduce 的历史服务器地址和端口号 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop02:10020</value>
</property>
<!-- mapreduce 历史服务器的 web 访问地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop02:19888</value>
</property>
</configuration>
1.8修改 yarn-site.xml
<configuration>
<!-- 开启 RM 高可用 -->
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<!-- 指定 RM 的 cluster id -->
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>yrc</value>
</property>
<!-- 指定 RM 的名字 -->
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<!-- 分别指定 RM 的地址 -->
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>hadoop02</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>hadoop03</value>
</property>
<!-- 指定 zk 集群地址 -->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>hadoop01:2181,hadoop02:2181,hadoop03:2181</value>
</property>
<!-- 要运行 MapReduce 程序必须配置的附属服务 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 开启 YARN 集群的日志聚合功能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- YARN 集群的聚合日志最长保留时长 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>86400</value>
</property>
<!-- 启用自动恢复 -->
<property>
<name>yarn.resourcemanager.recovery.enabled</name>
<value>true</value>
</property>
<!-- 制定 resourcemanager 的状态信息存储在 zookeeper 集群上-->
<property>
<name>yarn.resourcemanager.store.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
</property>
</configuration>
1.8发送到集群其他节点
scp -r /home/hadoop/apps/hadoop-2.7.6 hadoop03:$PWD
4.集群初始化操作
4.1先启动 zookeeper 集群
zkServer.sh start
检查启动是否正常:zkServer.sh status
4.2分别在每个 zookeeper (也就是规划的三个 journalnode 节点, 不一定跟 zookeeper节点一样)节点上启动 journalnode 进程 然后用 jps 命令查看是否各个 datanode 节点上都启动了 journalnode 进程 如果报错,根据错误提示改进
hadoop-daemon.sh start journalnode
4.3 在第一个 namenode 上执行格式化操作
hadoop namenode -format
4.4复制上面格式化的fsimage文件复制到另外一个namenode节点上
scp -r dfs hadoop02:/home/hadoop/data/hadoopdata/
4.5zkfc的初始化 在任意一个namenode节点
hdfs zkfc -formatZK
4.6启动:
先启动hdfs start-dfs.sh 在任意节点
hdfs start-dfs.sh
启动yarn
start-yarn.sh
另外一个主节点的rm不会启动 需要手动启动
yarn-daemon.sh start resourcemanager