大数据虚拟化实例：Tarball方式部署Hadoop发行版

在博文《灵活管理Hadoop各发行版的运维利器》中，我们介绍了vSphere Big Data Extensions（BDE）是解决企业部署和管理Hadoop发行版的利器，通过它可以很方便可靠地运维Hadoop多个主流的商业发行版（包括社区的Apache Hadoop）。本文的内容围绕上述主题，以具体实例深入讲解如何做到灵活部署和管理Hadoop发行版的。

实例：Tarball方式部署GPHD1.2发行版

首先，需要下载GPHD 1.2发行版到本地。这里是Tarball的下载地址，完成后解压缩文件。可以看到一组目录：

这个实例，我们要部署的是黄色高亮的组件。

1. 以serengeti账号SSH 到BDE服务器，Windows上推荐使用WinSCP 工具进行

   

2. 在文件系统中，定位到/opt/serengeti/www/distros/，创建新的目录，命名为gphd/1.2.0.0/

3. 将本地的GPHD 1.2发行版中的hadoop、pig、hive这三个文件夹中的tar文件上传到gphd/1.2.0.0/目录下，如图所示：

   

4. 打开/opt/seregneti/www/distros/manifest文件，更新gphd相关tarball的注册清单。这个文件非常重要，记录了BDE支持的所有Hadoop发行版的信息

   需要更新的清单信息如下：

   1	{
   2	"name" : "gphd",    "vendor" : "GPHD",
   3	"version" :  "1.2.0.0",
   4	"hveSupported" : true,
   5	"packages" : [
   6	{
   7	"roles" :  ["hadoop_namenode", "hadoop_jobtracker",  "hadoop_tasktracker", "hadoop_datanode",  "hadoop_client"],
   8	"tarball" :  "gphd/1.2.0.0/hadoop-1.0.3-gphd-1.2.0.0-GA.tar.gz"
   9	},
   10	{
   11	"roles" : ["pig"],
   12	"tarball" :  "gphd/1.2.0.0/pig-0.9.2-gphd-1.2.0.0-GA.tar.gz"
   13	},
   14	{
   15	"roles" : ["hive",  "hive_server"],
   16	"tarball" :  "gphd/1.2.0.0/hive-0.8.1-gphd-1.2.0.0-GA.tar.gz"
   17	}
   18	]
   19	}

   说明：

   行1：将这段信息加在Apache Hadoop清单信息之后，用逗号分隔。

   行2：name字段可以是任意名称，vendor字段必须是GPHD(不区分大小写)，BDE以此识别为GPHD发行版。

   行3：版本号和目录1.2.0.0保持一致

   行4：hveSupported表示这个Hadoop发行版是否已支持HVE，GPHD1.2已经支持，所以填写true。（关于HVE，后续有文章介绍）

   行5– 18：是描述GPHD当前包含的Hadoop组件，这个例子使用了Hadoop，Pig和Hive，所以在Packages里，按照三个不同的tarball，分别描述tarball支持的角色。

   行6– 9：描述gphd中hadoop的tarball位置以及它支持的角色名称。其中，tarball的路径和实际路径应该保持一样，并且大小写一致。Pig和Hive tarball的描述按照同样要求遵循。每个tarball的描述用{}包含，逗号分隔开。

   
   

5. 用serengeti账号SSH登录BDE服务器，重启Tomcat服务。

   sudo service tomcat restart

   这个重启过程中，BDE服务器会执行一些后台脚本，并重新加载更新后的manifest文件以识别新添加的GPHD发行版，

6. 重启完成后，打开Serengeti CLI，输入distro list，gphd已经列在其中了。

   注意：如果distrolist给出一些错误提示，表明用户在完成前5步中有一些问题，可以简单自查，如果问题依旧不明确，可以定位到/opt/serengeti/logs目录中的日志文件查看详细错误信息。

   
   

验证GPHD 1.2发行版

7.  验证发行版部署成功的有效办法，就是创建一个GPHD的新集群，这在BDE中非常方便，10分钟搞定。

CLI命令行如下：

cluster create --name gpcluster --distro gphd

--distro是cluster create的一个参数，表示用户希望用哪个发行版创建集群，这里指定“GPHD”为发行版名称，必须大写。如果不提供distro参数，cluster create默认创建的是Apache Hadoop 1.2集群。

创建成功后可以运行cluster list查看该集群运行参数和状态，如下图所示

另外，也可以使用BDE的WEB UI创建一个GPHD的集群，步骤如下：

1. 打开vSphere Web Client，点击Big Data Extensions，进入BDE管理界面。

2. 点击Big Data Clusters，进入集群管理界面

3. 在中央的集群列表上方，点击【+】图标

4. 填写创建集群的表单，在Hadoop Distribution选项里，选择GPHD。其余默认即可。

5. 提交表单。

创建成功后如图所示：

了解更多大数据虚拟化精彩内容，欢迎报名参加VMware大数据沙龙。VMware中国研发团队邀请了直接参与vSphere Big Data Extension产品设计和开发的资深专家和工程师、具有丰富经验的美国解决方案架构师，通过精彩演讲和演示，探讨VMware大数据战略，讲解大数据最新技术和核心价值，深度介绍BDE产品的特性和应用场景。VMware大数据沙龙上海站报名：http://event.weibo.com/1526900，北京站报名：http://event.weibo.com/1544712。

如有任何问题，您可以发邮件至bigdata_apac@vmware.com。

关于vSphere Big Data Extensions:

VMware vSphere Big Data Extensions（简称BDE）基于vSphere平台支持大数据和Hadoop作业。BDE以开源Serengeti项目为基础，为企业级用户提供一系列整合的管理工具，通过在vSphere上虚拟化Hadoop，帮助用户在基础设施上实现灵活、弹性、安全和快捷的大数据部署、运行和管理工作。了解更多关于VMware vSphere Big Data Extensions的信息，请参见http://www.vmware.com/hadoop。

作者简介：

张君迟

VMware大数据解决方案项目经理

目前负责VMware大数据解决方案的管理和市场工作。曾担任VMware数据库管理产品vFabric Data Director产品经理，对虚拟化、云计算、关系型数据库和大数据等企业产品、技术方案和市场有深入的理解和实战经验。在此之前，就职于Microsoft从事分布式系统的产品管理和研发工作。