基于Docker的分布式Storm实时计算平台搭建

最新推荐文章于 2024-02-16 01:50:07 发布
最新推荐文章于 2024-02-16 01:50:07 发布
阅读量674 收藏 2
点赞数 1
分类专栏： Docker HDFS Storm 文章标签： docker hadoop spark storm zookeeper
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/welcomword/article/details/118368596
版权
Docker 同时被 3 个专栏收录
1 篇文章 0 订阅
订阅专栏
HDFS
1 篇文章 0 订阅
订阅专栏
Storm
1 篇文章 0 订阅
订阅专栏

1. 准备好系统环境及使用的软件（务必看下）

  • VMware Workstation Pro 15
  • Ubuntu 20.04
  • Hadoop 3.1.4
  • Docker 19.03.13
  • Storm 2.2.0
  • Zookeeper 3.7.0
  • JDK 1.8.0_261
  • 远程开发工具：VS-code + Remote-ssh（不建议新手配这个，太累了），这个纯粹的就是个工具，用xshell，putty等都可以，这两个使用比较简单，自行选择
  • 先在docker官网注册一个用户，后面需要用到 Docker官网链接

温馨提示：学习不是照抄的哦，但安装的过程是有套路的！个人习惯在文章中添加我个人的理解说明，所以建议新同学要耐心看下我的命令解释说明，再根据自己实际的情况做参考，不要盲目照搬命令哦，避免不必要的错误！



2. Docker集群部署

2.1 安装Docker

先看看这，注意一下接下来的命令右侧括号中提示：
为了方便我表达，且不进行过多重复的操作，我在命令右侧括号中标注了当前命令应该在哪里用
——主机表示你的虚拟机
——master，slave01，slave02表示你在虚拟机中，通过docker建立的三个容器系统机，这三个容器机相当于在你虚拟机中抽象出来的
所以命令右侧

命令1（主机）：

sudo apt-get update
#解释：更新安装源

命令2（主机）：

sudo snap install docker
#解释：安装docker

命令3（主机）：

sudo groupadd docker
#解释：创建一个docker用户组

命令4（主机）：

sudo usermod -aG docker $USER
#解释：为当前用户添加docker用户组，让非root用户可以正常使用docker的基本功能

命令5（主机）：

newgrp docker
#解释：更新用户组

命令6（主机）：

sudo snap restart docker
#解释：重新启动docker

命令7（主机）：

docker info
#解释：查看docker的启动状态，输出如下图所示

Dokcer部署

2.2 部署基于Docker的Ubuntu集群

命令1（主机）：

docker pull ubuntu
#解释：下载ubuntu镜像

命令2（主机）：

docker run -it -v /root/download:/download –name master -h master ubuntu bash
#解释：根据命令1下载的镜像，创建一个名为master的容器，并定义创建的该容器的hostname为master，同时创建容器与本地的共享目录download，方便后续文件传输，减少不必要的scp步骤。执行完该命令后，会进入创建好的master容器中。

在这里插入图片描述

命令3（master节点）：

apt-get update
#解释：更新ubuntu的安装源

命令4（master节点）：

apt-get -y install openssh-server
#解释：安装ssh，为多个ubuntu建立起连接，构建ubuntu集群

命令5（master节点）：

vim /etc/ssh/sshd_config
#解释：做以下修改，使ssh支持root用户访问，如果不做此修改，则外部用户无法通过root用户与当前节点进行连接
在PermitRootLogin prohibit-password前加#，作用是注释掉这行内容的效果
添加PermitRootLogin yes

命令6（master节点）：

passwd
#解释：重置容器密码。一般容器创建好后都是默认root用户，所以直接使用passwd该容器的登录密码即可。

命令7（master节点）：

cd /download

命令8（master节点）：

wget https://download.oracle.com/otn/java/jdk/8u291-b10/d7fc238d0cbf4b0dac67be84580cfb4b/jdk-8u291-linux-x64.tar.gz?AuthParam=1620749617_c9ce7691a135d911c54bd08097d30c3b
#解释：通过命令6打开master节点的共享目录download，并通过wget将文件下载到共享目录中

命令9（master节点）：

mkdir /usr/lib/jvm
#解释：在目录/usr/local下创建目录jvm

命令10（master节点）：

tar -xzvf /download/jdk-8u291-linux-x64.tar.gz -C /usr/lib/jvm
#解释：下载好的jdk到/usr/local/jvm目录下

命令10（master节点）：

vim ~/.bashrc
#解释：配置jdk的环境变量，输入以下内容：

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_291
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

命令11（master节点）：

source ~/.bashrc
#解释：使修改生效

命令12（master节点）：

java -version
#解释：查看jdk配置是否完成，如下图所示，即java配置完成

在这里插入图片描述

命令13（主机）：

docker commit -a [Docker用户名] -m [openssh-jdk] master ubuntu_openssh_jdk:lastest
#解释：重新开一个终端，基于刚刚配置的master容器构建一个新的容器，为其命名为ubuntu_openssh_jdk:lastest

命令14（主机）；

docker images
#解释：查看容器创建情况

在这里插入图片描述

命令15（主机）：

docker master stop
#解释：关闭master容器

命令16（主机）：

docker rename master maste_0
#解释：重命名master容器为master_0

命令17（主机）：

docker rsun -p 2222:22 -d -v /root/download:/download -name master -h master ubuntu_openssh_jdk:latest 
#解释：创建一个名为master的容器，绑定master容器的22端口与本地主机的2222进行映射，并定义创建的该容器的hostname为master，同时创建容器与本地的共享目录download，方便后续文件传输，减少不必要的scp步骤。（端口映射如下图所示）

在这里插入图片描述

命令18（主机）：

docker run -d -v /root/download:/download -name slave01 -h slave01 ubuntu_openssh_jdk:latest
#解释：创建一个名为master的容器，绑定master容器的22端口与本地主机的2222进行映射，并定义创建的该容器的hostname为master，同时创建容器与本地的共享目录download，间接实现master与slave01目录共享，这方便后续文件传输，减少不必要的scp步骤。

命令19（主机）：

docker run -d -v /root/download:/download -name slave02 -h slave02 ubuntu_openssh_jdk:latest
#解释：创建一个名为master的容器，绑定master容器的22端口与本地主机的2222进行映射，并定义创建的该容器的hostname为master，同时创建容器与本地的共享目录download，间接实现master、slave01、slave03三个容器的/download目录共享，这方便后续文件传输，减少不必要的scp步骤。

命令20（主机）：

docker exec -it master bash
#解释：新开一个终端，执行该命令进入master容器

命令21（主机）：

docker exec -it slave01 bash
#解释：新开一个终端，执行该命令进入slave01容器

命令22（主机）：

docker exec -it slave02 bash
#解释：新开一个终端，执行该命令进入slave02容器

在这里插入图片描述
至此，Docker集群部署完成，集群由三个节点组成master，slave01， slave02


3. 部署Hadoop

3.1 配置三个容器间的hosts地址映射

命令01（master节点，slave01节点，slave02节点）：

cat /etc/hosts
#解释：分别在三个容器终端中执行此命令，查看各自节点的默认网络ip地址

在这里插入图片描述

命令02（master节点，slave01节点，slave02节点）：

vim /etc/profile.d/my_host.sh
#解释：根据命令01查看到的三个节点的ip地址，编写一个shell脚本，用于重启容器后写入host地址，内容如下

echo 172.17.0.3         master >> /etc/hosts
echo 172.17.0.4         slave01 >> /etc/hosts
echo 172.17.0.5         slave02 >> /etc/hosts

命令03（master节点，slave01节点，slave02节点）：

source /etc/profile.d/my_host.sh
#解释：执行刚编辑好的shell脚本my_host.sh，更新hosts

命令04（master节点，slave01节点，slave02节点）：

cat /etc/hosts
#解释：查看hosts更新情况，输出如下图所示：

在这里插入图片描述

3.2 配置三个容器间的ssh无密码互通

命令1（master节点，slave01节点，slave02节点）：

ssh-keygen -t rsa
#解释：通过ssh生成各容器自己的公钥

命令2（master节点）：

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
#解释：master节点的公钥生成master节点的密钥验证authorized_keys

命令3（master节点）：

scp ~/.ssh/authorized_keys root@slave01:/root/.ssh
#解释：将master的授权密钥文件authorized_keys发送到slave01节点下ssh的根目录下

命令4（master节点）：

scp ~/.ssh/authorized_keys root@slave02:/root/.ssh
#解释：将master的授权密钥文件authorized_keys发送到slave02节点下ssh的根目录下

命令5（slave01节点）：

ssh-copy-id slave02
#解释：将slave01节点的公钥信息加载到slave02的authorized_keys密钥校验文件中

命令6（slave02节点）：

ssh-copy-id slave01
#解释：将slave01节点的公钥信息加载到slave01的authorized_keys密钥校验文件中

命令7（slave01，slave02节点）：

ssh-copy-id master
#解释：将slave01，slave02节点的公钥信息加载到master节点的authorized_keys密钥校验文件中

至此，master，slave01，slave02三个容器节点的免密互通配置完成。（效果如下图所示）

在这里插入图片描述

3.3 安装Hadoop

命令01(master，slave01，slave02节点)：

 cd /download
#解释：进入三个容器的共享目录/download

命令02（master）:

wget https://mirrors.bfsu.edu.cn/apache/hadoop/common/hadoop-3.1.4/hadoop-3.1.4.tar.gz
#解释：下载hadoop安装包。由于/download是共享目录，所以在master节点下载完文件后，其他两个节点也将会有同样的文件。

可以使用ls命令查看下是否下载成功
在这里插入图片描述

命令03（master，slave01，slave02节点）：

tar -xzvf /download/hadoop-3.1.4.tar.gz -C /usr/local/ 
#解释：在三个容器的终端执行该命令，通过共享目录/download解压下载好的hadoop安装包至/usr/local目录下

命令04（master，slave01，slave02节点）：

mv /usr/local/hadoop-3.1.4 /usr/local/Hadoop
#解释：在各个容器重命名解压后的hadoop目录

命令05（master节点）：

vim ~/.bashrc
#解释：配置hadoop的环境变量，添加以下内容:

#Hadoop
export PATH=/usr/local/hadoop/bin:/usr/local/hadoop/sbin:$PATH
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export CLASSPATH=$($HADOOP_HOME/bin/hadoop classpath):$CLASSPATH

命令06（master节点）：

source ~/.bashrc
#解释：重新加载.bashrc配置文件，使命令5的修改生效

命令07（master节点）：

scp ~/.bashrc root@slave01:/root/
#解释：将master的.bashrc配置文件拷贝到slave01节点，这样可以不需要对slave01节点的.bashrc文件做重复修改

命令08（master节点）：

scp ~/.bashrc root@slave02:/root/
#解释：将master的.bashrc配置文件拷贝到slave02节点，这样可以不需要对slave02节点的.bashrc文件做重复修改

命令09（slave01，slave02节点）：

source ~/.bashrc
#解释：重新加载.bashrc配置文件，配置文件.bashrc的修改生效

命令10（master，slave01，slave02节点）：

hadoop version
#解释：在三个容器节点中执行该命令，查看hadoop配置情况，结果如下图所示：

在这里插入图片描述

3.4 部署Hadoop分布式集群

命令01（master，slave01，slave02节点）：

cd /usr/local/hadoop/etc/hadoop
#解释：分别在三个容器终端打开hadoop配置文件目录

命令02（master节点）：

vim ./workers
#解释：修改hadoop配置文件，删除原有的全部内容，添加以下内容：

slave01
slave02

命令03（master节点）：

vim ./core-site.xml
#解释：修改hadoop配置文件core-site.xml，删除原有的configuration标签，添加以下内容

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

命令04（master节点）：

vim ./hdfs-site.xml
#解释：修改hadoop配置文件hdfs-site.xml，删除原有的configuration标签，这里配置的内容主要是hdfs的各项工作目录。添加内容如下

<configuration>
		<property>
			<name>dfs.namenode.secondary.http-address</name>
			<value>master:50090</value>
		</property>
		<property>
			<name>dfs.replication</name>
			<value>2</value>
		</property>
		<property>
			<name>dfs.namenode.name.dir</name>
			<value>file:/usr/local/hadoop/tmp/dfs/name</value>
		</property>
		<property>
			<name>dfs.datanode.data.dir</name>
			<value>file:/usr/local/hadoop/tmp/dfs/data</value>
		</property>
</configuration>

命令05（master节点）：

vim ./mapred-site.xml
#解释：修改hadoop配置文件mapred-site.xml，删除原有的configuration标签，添加以下内容

<configuration>
		<property>
			<name>mapreduce.framework.name</name>
			<value>yarn</value>
		</property>
		<property>
			<name>mapreduce.jobhistory.address</name>
			<value>master:10020</value>
		</property>
		<property>
			<name>mapreduce.jobhistory.webapp.address</name>
			<value>Master:19888</value>
		</property>
		<property>
			<name>yarn.app.mapreduce.am.env</name>
			<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>
		<property>
			<name>mapreduce.map.memory.mb</name>
			<value>1536</value>
		</property>
		<property>
			<name>mapreduce.map.java.opts</name>
			<value>-Xmx1024M</value>
		</property>
		<property>
			<name>mapreduce.reduce.memory.mb</name>
			<value>2048</value>
		</property>
		<property>
			<name>mapreduce.reduce.java.opts</name>
			<value>-Xmx2048M</value>
		</property>
</configuration>

命令06（master节点）：

vim ./yarn-site.xml
#解释：修改hadoop配置文件yarn-site.xml，删除原有的configuration标签，添加以下内容

<configuration>
		<property>
			<name>yarn.resourcemanager.hostname</name>
			<value>master</value>
		</property>
		<property>
			<name>yarn.nodemanager.aux-services</name>
			<value>mapreduce_shuffle</value>
		</property>
</configuration>

命令07（master节点）：

vim ./hadoop-env.sh
#解释：修改hadoop配置文件hadoop-env.sh，配置hadoop的java环境。添加以下内容：

export JAVA_HOME=/usr/1 lib/jvm/jdk1.8.0_291

命令08（master节点）：

scp -r /usr/local/hadoop/etc/hadoop root@slave01:/usr/local/hadoop/etc/
#解释：由于slave01已经有了hadoop，因此只需要把master的hadoop修改了的内容移动过去即可

命令09（master节点）：

scp -r /usr/local/hadoop/etc/hadoop root@slave02:/usr/local/hadoop/etc/
#解释：由于slave02已经有了hadoop，因此只需要把master的hadoop修改了的内容移动过去即可

命令10（master节点）：

vim /etc/profile.d/my_env.sh
#解释：配置hadoop分布式启动环境参数，内容如下

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

命令11（master节点）：

source /etc/profile.d/my_env.sh
#解释：执行my_env.sh脚本，配置hadoop分布式环境参数

命令12（master节点）:

hdfs namenode -format
#解释：初始格式化hdfs，如果生成的信息中有类似以下的内容，说明hadoop初始格式化成功，否则格式化失败，说明配置文件存在问题。

在这里插入图片描述

命令13（master节点）：

start-all.sh
#解释：启动hadoop

命令14（master，slave01，slave02节点）：

jps
#解释：查看各个容器的启动状态，如下图所示，hadoop分布式集群搭建完成

在这里插入图片描述

3.5 执行一个分布式测试实例–检验Hadoop分布式系统部署情况

命令01：

hdfs dfs -mkdir -p /user/root
#解释：在hdfs中创建root的用户文件目录

命令02：

hdfs dfs -mkdir input
#解释：在root用户主目录下创建input文件夹。（由于命令01创建了root的用户目录，且当前我们以root用户访问hdfs，所以在没有指定hdfs绝对路径情况下，会默认在访问用户的主目录下创建文件或目录。）

命令03：

hdfs dfs -put /usr/local/hadoop/etc/hadoop/*.xml input
#解释：将hadoop的配置文件上传到hdfs中

命令04：

hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.4.jar grep input output 'dfs[a-z.]+'
#解释：执行一个用于测试的jar程序，运行结果如下图所示

在这里插入图片描述

至此，基于Docker的Hadoop分布式集群部署完成，接下来则是配置Storm集群的Zookeeper。

4. 部署Zookeeper

4.1 部署Zookeeper集群

命令01（master节点）：

cd /download
#解释：进入三个容器的共享目录/download

命令02（master节点）：

wget https://mirrors.bfsu.edu.cn/apache/zookeeper/zookeeper-3.7.0/apachezookeeper-3.7.0-bin.tar.gz
#解释：下载zookeeper安装包至共享目录download

命令03（master节点）：

tar -vzvf /download/ apache-zookeeper-3.7.0-bin.tar.gz -C /usr/local
#解释：将下载下来的zookeeper安装包进行解压，解压至/usr/local目录下

命令04（master节点）：

mv /usr/local/apache-zookeeper-3.7.0-bin /usr/local/Zookeeper
#解释：将解压出来的文件夹重命名为Zookeeper

命令05（master 节点）：

mkdir /usr/local/Zookeeper/{data,logs}
#解释：在/usr/local/Zookeeper目录下创建两个目录data和logs

命令06（master节点）：

cp /usr/local/Zookeeper/conf/zoo_sample.cfg /usr/local/Zookeeper/conf/zoo.cfg
#解释：拷贝一份zoo_sample.cfg，并重命名为zoo.cfg

命令07（master节点）：

vim /usr/local/Zookeeper/conf/zoo.cfg
#解释：配置Zookeeper，添加以下内容至文件末尾（务必在文件末尾添加）

dataDir=/usr/local/zookeeper/data
dataLogDir=/usr/local/zookeeper/logs
#配置三个节点服务器，并配置它们交互端口及备用交互端口
server.1=master:2888:3888
server.2=slave01:2888:3888
server.3=slave02:2888:3888

命令08（master节点）：

vim /usr/local/Zookeeper/data/myid
#解释：配置当前节点归属，内容如下（就是一个数字，其他两个节点按顺序分别是2，3，要与zoo.cfg的server对齐，表示对应配置文件中的server）

#没看错，就是一个数字就行，这个数字是zookeeper启动时用来做枚举选举leader节点的重要根据，其它两个节点分别填2，3即可（有兴趣的话，可以去了解一下Zookeeper选举Leader节点的原理）
1

命令09（master节点）：

scp -r /usr/loca/Zookeeper root@slave01:/usr/local
#解释：因为Zookeeper并不大，所以直接配置好后直接拷贝到两个分界点中并不需要太久

命令10（master节点）：

scp -r /usr/loca/Zookeeper root@slave02:/usr/local #解释：因为Zookeeper并不大，所以直接配置好后直接拷贝到两个分界点中并不需要太久

命令11（master节点）：

vim /usr/local/Zookeeper/data/myid
#解释：配置当前节点归属，内容如下（就是一个数字，要与zoo.cfg的server对齐，表示对应配置文件中的server）

#怕新同学不理解我上面的意思，还是辛苦下，再写详细点（已经完成了的同学请忽略哦）。。。
2

命令12（master节点）：

vim /usr/local/Zookeeper/data/myid
#解释：配置当前节点归属，内容如下（就是一个数字，要与zoo.cfg的server对齐，表示对应配置文件中的server）

#怕新同学不理解我上面的意思，还是辛苦下，再写详细点（已经完成了的同学请忽略哦）。。。
3

命令13（master节点）：

vim ~/.bashrc
#解释：配置master节点的Zookeeper的环境变量，具体内容如下

#Zookeeper
export ZK_HOME=/usr/local/zookeeper
export PATH=$ZK_HOME/bin:$PATH

命令14（master节点）：

source ~/.bashrc
#解释：重新加载.bashrc配置文件，使命令13的修改生效

命令15（master节点）：

scp ~/.bashrc root@slave01:/root/
#解释：将master的.bashrc配置文件拷贝到slave01节点，这样可以不需要对slave01节点的.bashrc文件做重复修改

命令16（master节点）：

scp ~/.bashrc root@slave02:/root/
#解释：将master的.bashrc配置文件拷贝到slave02节点，这样可以不需要对slave02节点的.bashrc文件做重复修改

命令17（slave01，slave02节点）：

source ~/.bashrc
#解释：在两个分节点中重新加载.bashrc配置文件，配置文件.bashrc的修改生效
4.2 启动Zookeeper集群

命令01（master，slave01，slave02节点）：

zkServer.sh start
#解释：分别在三个容器终端执行该命令，启动Zookeeper

命令02（master，slave01，slave02节点）：

zkServer.sh status
#解释：分别在三个容器终端执行该命令，查看Zookeeper启动结果，如下图所示，则Zookeeper启动成功

在这里插入图片描述

命令03（master，slave01，slave02节点）：

jps
#解释：查看三个节点zookeeper启动进程

在这里插入图片描述
至此，关于Storm的Zookeeper部署完成，接下来进入最终的Storm部署阶段



5. 部署Storm

5.1 安装Storm

命令01（master节点）：

cd /download
#解释：进入三个容器的共享目录/download

命令02（master节点）：

wget https://mirrors.bfsu.edu.cn/apache/storm/apache-storm-2.2.0/apache-storm-2.2.0.tar.gz
#解释：下载Storm安装包至共享目录download

命令03（master节点）：

tar -zxvf /download/apache-storm-2.2.0.tar.gz -C /usr/local/
#解释：将下载下来的storm安装包进行解压，解压至/usr/local目录下

命令04（master节点）：

mv /usr/local/apache-storm-2.2.0 /usr/local/storm
#解释：将解压出来的文件夹重命名为storm

命令05（master节点）：

vim /usr/local/storm/conf/storm.yaml
#解释：修改storm的配置文件storm.yaml，添加以下内容（务必先删除文件中原有的storm.zookeeper.servers模块内容）

storm.zookeeper.servers:
	- "master"
	- "slave01"
	- "slave02"
#
nimbus.seeds: ["master"]
ui.port: 9080
#
storm.local.dir: "/usr/local/storm/data"
supervisor.slots.ports:
	- 6700
	- 6701
	- 6702
	- 6703

命令06（master节点）：

mkdir /usr/local/storm/data
#解释：在storm安装目录下创建data文件夹，用于存放工作数据

命令07（master节点）：

scp -r /usr/loca/storm root@slave01:/usr/local
#解释：因为storm并不大，所以直接配置好后直接拷贝到两个分界点中并不需要太久

命令08（master节点）：

scp -r /usr/loca/storm root@slave02:/usr/local
#解释：因为storm并不大，所以直接配置好后直接拷贝到两个分界点中并不需要太久

命令09（master节点）：

vim ~/.bashrc
#解释：配置storm的环境变量，添加以下内容

#Storm
export STORM_HOME=/usr/local/storm
export PATH=$STORM_HOME/bin:$PATH

命令10（master节点）：

source ~/.bashrc
#解释：重新加载.bashrc配置文件，使命令09的修改生效

命令11（master节点）：

scp ~/.bashrc root@slave01:/root/
#解释：将master的.bashrc配置文件拷贝到slave01节点，这样可以不需要对slave01节点的.bashrc文件做重复修改

命令12（master节点）：

scp ~/.bashrc root@slave02:/root/
#解释：将master的.bashrc配置文件拷贝到slave02节点，这样可以不需要对slave02节点的.bashrc文件做重复修改

命令13（slave01，slave02节点）：

source ~/.bashrc
#解释：在两个分节点中重新加载.bashrc配置文件，配置文件.bashrc的修改生效
5.2 启动Storm

命令01（master节点）：

start-all.sh
#解释：启动hadoop集群

命令02（master，slave01，slave02节点）：

zkServer.sh start
#解释：启动zookeeper集群

命令03（master，slave01，slave02节点）：

apt -y install python 
#解释：因为storm启动需要python进行编译，而ubuntu没有python，所以需要为三个容器安装python

命令04（master，slave01，slave02节点）：

jps
#解释：查看当前集群各节点启动的进程

在这里插入图片描述

命令05（master）：

storm nimbus > /dev/null 2>&1 &
#解释：在master节点上启动storm的nimbus节点

命令06（master）：

storm ui > /dev/null 2>&1 &
#解释：启动storm的ui，即可以通过可视化页面监察storm启动情况

命令07（slave01，slave02节点）：

storm supervisor > /dev/null 2>&1 &
#解释：分别在两个从节点容器终端启动storm的supervisor节点

命令08（master，slave01，slave02节点）：

jps
#解释：查看storm启动情况

在这里插入图片描述
命令09（master节点）：

apt -y install curl
#解释：在master节点上安装curl，用于验证storm的ui启动情况

命令10（master节点）：

curl http://master:9080
#解释：通过curl对指定的master节点9080端口进行请求，检查Storm UI启动是否正常，如下图所示，有html页面代码返回，即Storm UI启动正常。

在这里插入图片描述
至此，基于Dcoker的分布式Storm实时计算平台搭建完成。

风叶z
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
docker 搭建 storm
01-20
1,编写服务编排配置文件 docker-compose-storm.yml version: '3.1' services: zookeeper: image: zookeeper container_name: zookeeper restart: always kafka: image: michaeldqin/kafka container_name: kafka depends_on: - zookeeper links:
阿里云K8S集群实现容器分布式计算
无聊看风景的博客
06-26 1836
前情概要 在科学计算领域, 早些年的程序语言基本都是C/C++或者FORTRAN的天下, 是因为科学计算本身非常耗时, 选择一门运行速度比较快的语言能大大的节约对数据的计算时间. 今天本文的主角就是一段gfortran编写的祖传代码,gcc编译,运行依赖sundials库,主函数通过一个配置文件注入3个参数,运行旷日持久至少一小时,CPU高占用,最后生成的程序结果是12个结果文件,大约20MB左右,重点是程序三个参数需要改变进行4 * 5 * 6 组合运行,也就是需要120次左右的运算,如果程序支持持续计算
【Docker】大数据Storm数据流实时计算安装部署
芈氓
07-27 120
使用Docker 快速部署大数据storm实时计算系统
Docker下的Storm
最新发布
qq_59975945的博客
02-16 1080
在之前的文章中我们已经成功地拉取了3.5.9版本的官方镜像，下面将通过使用官方Storm镜像搭配使用官方zookeeper镜像来体验Storm的使用。Storm是一个分布式实时计算系统，它可以处理大量的实时数据流。Storm提供了高效的并发处理能力，可以在多台机器上并行执行任务，同时具备容错和恢复能力。通过Storm，用户可以实时处理和分析数据，进行复杂的计算和实时决策。Storm的设计思想是将数据分为流(stream)和批(batch)两种模式，流模式用于实时计算，批模式则用于历史数据分析。
Storm学习之使用官方Docker镜像快速搭建Storm运行环境
日拱一卒无有尽，功不唐捐终入海
08-03 1076
Apache Storm 官方也出了Docker 镜像本文我们就基于官方镜像搭建一个 Apache Storm 2.4 版本的运行环境，供大家后续学习。有问题可以参考issue 解决，我的安装过程一路都很顺畅。所以基本上没有看下面是我的详细操作和截图。可以说网上的乱七八糟的教程不如官方文档来的实在。如果想用虚拟机搭建，请参考我的上一篇文章《Centos7搭建Apache Storm 集群运行环境》
docker-compose部署zk+kafka+storm集群的实现
01-09
Kafka 是一个分布式流处理平台，它依赖于 ZooKeeper 进行集群管理和选举。Kafka 集群同样在三台服务器上部署，每台服务器上运行一个容器，并通过 Docker Compose 文件配置。 Kafka 容器配置要点： 1. 使用 `image: ...
基于多计算框架的《云计算与大数据》实验教学平台设计.zip
10-19
MapReduce用于批处理，Spark兼顾批处理和流处理，Flink专攻流处理，而Storm则是实时计算的首选。通过这些框架，学生可以对比不同处理方式的优缺点，提升对大数据处理的理解和应用能力。 四、实验教学平台设计 设计...
bdp-dataplatform：大数据生态解决方案数据平台：基于大数据，数据平台，微服务，机器学习，商城，自动化运维，DevOps，容器部署平台，数据平台，数据平台存储，数据平台计算，数据平台开发，数据平台应用构建的大数据解决方案
02-01
bdp-dataplatform：基于大数据、数据平台、微服务、机器学习、商城、自动化运维、DevOps、容器部署平台、数据平台采集、数据平台存储、数据平台计算、数据平台开发、数据平台应用搭建的大数据解决方案。数据来源：...
行业分类-设备装置-大数据环境下的数据挖掘平台的构建方法.zip
08-24
3. **数据处理**：MapReduce是Hadoop框架下进行大规模数据处理的主要方式，但随着Spark等实时计算框架的发展，可以实现更高效的批处理和流处理。此外，Apache Flink和Storm等工具提供了低延迟的实时数据分析能力。 ...
大数据课程体系.docx
11-24
在大数据课程体系中，主要涵盖了从基础环境搭建到高级应用的多个方面，涉及Linux操作系统、虚拟化技术、分布式计算框架、数据库系统、流处理技术、编程语言和云平台等多个知识点。 首先，课程从Linux环境开始，包括...
【求助帖】基于docker搭建storm
weixin_44287474的博客
02-23 96
storm集群启动后nimbus节点自动退出
【云原生 | 31】Docker运行实时流计算框架Apache Storm
热门推荐
小鹏linux的博客
09-25 2万+
Apache Storm是一个实时流计算框架，由Twitter在2014年正式开源，遵循Eclipse Public License 1.0。Storm基于Clojure等语言实现。
【ray】 分布式计算的搭建和调用以及项目实践
CSPhD-winston的博客
07-29 1497
Ray是UC Berkeley RISELab新推出的高性能分布式的 Python 框架。该框架能够与 PyTorch 配对，是一款面向AI应用的分布式计算框架。以100个视频的处理为例，利用ray框架将4台机器连接起来测试。全局调度器将100个任务根据机器性能自动分发给不同的机器，A机器32个任务，B机器16个任务，C机器36个任务，D机器处理16个任务，其中每台机器并行处理。
Hadoop完全分布式平台环境搭建
weixin_46132649的博客
03-06 355
Hadoop完全分布式平台环境搭建
【微服务】分布式组件 Nacos 结合 Feign 的使用
liuwanqing233333的博客
11-21 3281
微服务项目中分布式组件 Nocas 和 Feign 的使用
【大数据各平台组件搭建使用精进】MapReduce分布式计算（5）
hx1156477702的博客
09-27 473
mapreduce的maven案例，单词计数，dedup去重， invertedIndex倒序索引，topN
dockr 配置文件修改_Docker中向镜像修改配置文件的方式
weixin_39765325的博客
12-20 936
经常需要对镜像内部的文件进行修改，例如在构建镜像时候修改配置文件。在使用一些开源镜像的过程中发现了一些对镜像文件进行的方式，这里以hadoop集群搭建和storm集群搭建为例介绍两种修改镜像内配置文件的方式。一、通过context把配置文件传入镜像step1. 在DockerFile同级目录下，创建conf文件夹，在文件夹中放置修改好的配置文件step2. 在DockerFile中把conf中的配...
【转载】如何搭建一个快速的分布式计算平台？Parallel python提供了简易的方式来实现此目的。
u010651343的博客
12-21 650
Parallel Python（https://www.parallelpython.com/content/view/15/30/#QUICKCLUSTERS）是Python进行分布式计算的开源模块，能够将计算压力分布到多核CPU或集群的多台计算机上，能够非常方便的在内网中搭建一个自组织的分布式计算平台。 在不同节点运行服务器程序，并自动发现运行服务器的节点，命令如下： node-1>
基于docker分布式机器学习
06-10
基于Docker的分布式机器学习可以通过Docker容器的轻量级、可移植性、可扩展性等特点来实现。具体实现方法为： 1. 构建Docker镜像：将机器学习框架、依赖项和应用程序打包成一个Docker镜像。 2. 启动Docker容器：在...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值