HDFS HA 高可用
HA 简述
（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 NN 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。
HDFS-HA工作机制
通过双 NameNode 消除单点故障
HDFS-HA 工作点
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 NN 节点可以做写操作
- 两个 NN 都可以读取 Edits
- 共享的 Edits 放在一个共享存储中管理（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，常驻在每个 NN 的节点，每个 zkfailover 负责监控自己所在的 NN 节点，利用 zk 进行状态标识，需要进行状态切换时，由 zkfailover 负责切换，切换时需要防止 brain split 现象发生。
3、必须保证两个 NN 之间能够 ssh 无密码登录
4、隔离（Fence），即同一时刻仅仅有一个 NN 对外提供服务
HDFS-HA 自动故障转移机制
hdfs haadmin -failover 可以进行手动故障转移，在该模式下，即使现役 NN已经失效，系统也不会自动从现役 NN 转移到待机 NN。自动故障转移为 HDFS 部署增加了两个新组件：ZooKeeper 和 ZKFailoverController（ZKFC）进程，如下图。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。HA的自动故障转移依赖于ZooKeeper的以下功能：
（1）故障检测：集群中的每个 NN 在 ZK 中维护了一个持久会话，如果机器崩溃，ZK 中的会话将终止，ZK 通知另一个 NN 需要触发故障转移。
（2）现役 NN 选择：ZK 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 NN 崩溃，另一个节点可能从 ZK 获得特殊的排外锁以表明它应该成为现役 NN。
ZKFC 是自动故障转移中的另一个新组件，是 ZK 的客户端，也监视和管理 NN 的状态。每个运行 NN 的主机也运行了一个 ZKFC 进程，ZKFC 负责如下：
（1）健康检测：ZKFC 使用一个健康检查命令定期地 ping 与之在相同主机的 NN，只要该 NN 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。
（2）Zookeeper 会话管理：当本地 NN 是健康的，ZKFC 保持一个在 ZK 中打开的会话。如果本地 NN 处于 active 状态，ZKFC 也保持一个特殊的 znode 锁，该锁使用了 ZK对短暂节点的支持，如果会话终止，锁节点将自动删除。
（3）基于 Zookeeper 的选择：如果本地 NN 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 NN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 NN，然后本地 NN 转换为 Active 状态。
HDFS-HA 集群配置
环境准备
- 安装或克隆主机
- 修改主机 IP
- 修改主机名及主机名和 IP 的映射
- 关闭防火墙
- 实现 ssh 免密登录
- 安装 JDK，配置环境变量
集群规划
| hadoop101 | hadoop102 | hadoop103 |
| NameNode | NameNode | |
| JournalNode | JournalNode | JournalNode |
| DataNode | DataNode | DataNode |
| ZK | ZK | ZK |
| ResourceManager | ||
| NodeManager | NodeManager | NodeManager |
配置 Zookeeper 集群
1、集群规划
在 hadoop101、hadoop102、hadoop103 三个节点上部署 Zookeeper
2、解压安装
（1）解压 Zookeeper 安装包到 /opt/modul/ 目录下
tar -zxvf zookeeper-3.4.10.tar.gz -C /opt/module/
（2）在 /opt/modul/zookeeper-3.4.10/ 这个目录下创建 zkData
mkdir -p zkData
（3）重命名 /opt/modul/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）具体配置
dataDir=/opt/module/zookeeper-3.4.10/zkData
增加如下配置
#######################cluster##########################
server.1=hadoop101:2888:3888
server.2=hadoop102:2888:3888
server.3=hadoop103:2888:3888
（2）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，ZK 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
（2）编辑myid文件
vim myid 在文件中添加与server对应的编号：如 1
（3）拷贝配置好的zookeeper到其他机器上
scp -r zookeeper-3.4.10/ root@hadoop102.atguigu.com:/opt/app/
scp -r zookeeper-3.4.10/ root@hadoop103.atguigu.com:/opt/app/并分别修改myid文件中内容为2、3
（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）查看状态
bin/zkServer.sh status
两个 server 状态为 follower ，一个为 leader
配置 HDFS-HA 集群
1、在 opt 目录下创建 ha
mkdir ha
2、将 /opt/app/ 下的 hadoop-2.7.7 拷贝到 /opt/ha 目录下
cp -r hadoop-2.7.7/ /opt/ha/
3、配置hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
4、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-2.7.7/data/tmp</value>
</property>
</configuration>
5、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>hadoop101:9000</value>
</property><!-- nn2的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.mycluster.nn2</name>
<value>hadoop102:9000</value>
</property><!-- nn1的http通信地址 -->
<property>
<name>dfs.namenode.http-address.mycluster.nn1</name>
<value>hadoop101:50070</value>
</property><!-- nn2的http通信地址 -->
<property>
<name>dfs.namenode.http-address.mycluster.nn2</name>
<value>hadoop102:50070</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://hadoop101:8485;hadoop102:8485;hadoop103:8485/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/root/.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-2.7.7/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.ConfiguredFailoverProxyProvider</value>
</property>
</configuration>
6、拷贝配置好的hadoop环境到其他节点
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、在[nn1]上，启动所有 datanode
sbin/hadoop-daemons.sh start datanode
6、将[nn1]切换为 Active
bin/hdfs haadmin -transitionToActive nn1
7、查看是否 Active
bin/hdfs haadmin -getServiceState nn1
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>hadoop101:2181,hadoop102:2181,hadoop103:2181</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 NN 节点上启动 DFSZK Failover Controller，先在哪台机器启动，哪个机器的 NN 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
YARN-HA 配置
YARN-HA 工作机制
配置YARN-HA 集群
1、准备环境
- 安装或克隆主机
- 修改 IP
- 修改主机名及主机名和 IP 的映射
- 关闭防火墙
- ssh 免密登录
- 安装 JDK，配置环境变量
- 配置 Zookeeper 集群
2、集群规划
| hadoop101 | hadoop102 | hadoop103 |
| NameNode | NameNode | |
| JournalNode | JournalNode | JournalNode |
| DataNode | DataNode | DataNode |
| ZK | ZK | ZK |
| ResourceManager | ResourceManager | |
| NodeManager | NodeManager | NodeManager |
3、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><property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property><property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>hadoop101</value>
</property><property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>hadoop102</value>
</property>
<!--指定zookeeper集群的地址-->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>hadoop101:2181,hadoop102:2181,hadoop103:2181</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.ZKRMStateStore</value>
</property></configuration>
（2）同步更新其他节点的配置信息
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
bin/hdfs haadmin -transitionToActive nn1
5、启动 YARN
（1）在 hadoop101 中执行
sbin/start-yarn.sh
（2）在 hadoop102 中执行
sbin/yarn-daemon.sh start resourcemanager
（3）查看服务状态
bin/yarn rmadmin -getServiceState rm1
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的存储（假设文件平均大小为40MB）。随着数据的飞速增长，存储的需求也随之增长。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很有可能影响整个HDFS上运行的程序。
（3）性能的瓶颈
由于是单个NameNode的HDFS架构，因此整个HDFS文件系统的吞吐量受限于单个NameNode的吞吐量。
2、HDFS Federation架构设计
能不能有多个 NN 呢？
| NameNode | NameNode | NameNode |
| 元数据 | 元数据 | 元数据 |
| Log | machine | 电商数据/话单数据 |
3、HDFS Federation应用思考
不同应用可以使用不同的 NameNode 进行数据管理
如：图片业务、日志审计业务、客户业务
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）
3945
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
