如何使用docker搭建Hadoop集群

一. 环境：

1.Ubuntu20
2.Hadoop3.1.4
3.Jdk1.8_301

二. 具体步骤

1. 拉取最新版本ubuntu 镜像
2. 利用挂载将jdk,hadoop 等安装包通过xftp 或者使用命令行scp 命令传到挂载目录。
3. 进入ubuntu 镜像容器docker exec -it 容器id /bin/bash
4. 更新apt-get 系统源apt-get update
5. 更新完后可以下载一些必须工具，如vim
6. 安装sshd
   在开启分布式Hadoop 时，需要用到ssh 连接slave 节点apt-get install ssh
   然后运行如下脚本即可开启sshd 服务器:/etc/init.d/ssh start
   这样在开启镜像时，都需要手动开启sshd 服务，可以把这条命令写进~/.bashrc 文件，保存后每次进入容器会自动启动sshd 服务(这一句一定要放 在最后，一定要，不然后面会启动异常！）
7. 配置免密登录（这里我试了一下，在容器里使用ssh localhost 输入密码会
   拒绝登录）cd ~/.ssh
ssh-keygen -t rsa 一路按回车
   最后输入cat ./id_rsa.pub >> ./authorized_keys
   接下来就可以直接输入ssh localhost 登录本机了
8. 配置jdk，和前面单机版配置一样。
9. 安装hadoop,将hadoop 解压到自己指定的目录
10. 配置hadoop 集群
    (1)打开hadoop_env.sh，修改JAVA_HOME
    (2)打开core-site.xml，输入

<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value>
</property>
</configuration>

(3)打开hdfs-site.xml 输入

<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/usr/local/hadoop/namenode_dir</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop/datanode_dir</value>
</property>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
</configuration>

（4）打开mapred-site.xml 输入

<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>yarn.app.mapreduce.am.env</name>//这里的路径是你安装hadoop 的路径
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value>
</property>
<property>
<name>mapreduce.map.env</name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value>
</property>
<property>
<name>mapreduce.reduce.env</name>
<value>HADOOP_MAPRED_HOME=/usr/local/hadoop</value>
</property>
</configuration>

（5）打开yarn-site.xml 输入

<configuration>
<!-- Site specific YARN configuration properties -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>master</value>
</property>
</configuration>

配置完后hadoop 集群的基本环境已经配置完毕！保存修改后的镜像
docker commit 保存镜像输入docker images 可以查看保存镜像。

三、配置集群：

我用1 个节点作master，3 个节点作slave。namenode 与secondnamenode 同一
节点。
1.分别打开四个终端，每个终端界面运行刚刚修改后的镜像。分别表示Hadoop
集群中的master,s01、s02 和s03
docker run -it -h Master --name Master...

2.输入cat /etc/hosts 查看当前容器的ip，如查看master IP 为172.17.0.3

3.编辑4 个容器的hosts，把每一个主机和ip 保存进去

4.在master 主机输入ssh s01 等测试master 能否正常连接slave(这里建议全
部ssh 一遍,避免后面启动hadoop 要输入yes 或者报警告)

5.到这里，还差最后一个配置就要完成hadoop 集群配置了，打开master 上的
workers 文件(在hadoop 安装目录下的etc/hadoop 下），hadoop2 版本这个文件
叫做slaves，把原先的默认值localhost 删掉，输入三个slave 的主机名:s03
s02,s03.

四、启动集群

在master 终端输入start-all.sh 启动集群（第一次启动，务必要format 一下namenode，后面再启动就不需要format 了）
格式化namenode

启动集群
这里直接启动集群可能会报错

在hadoop-env.sh 添加以下内容

export HDFS NAMENODE USER=root
export HDFS DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN NODEMANAGER USER=root

添加后：再次启动集群

在master 节点输入jps

在slave 节点输入jps

运行hadoop 自带的词频统计的例子

查看结果

至此，基于docker 的hadoop 集群搭建成功。

👉原文链接