gpt4 book ai didi

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

转载 作者:qq735679552 更新时间:2022-09-29 22:32:09 30 4
gpt4 key购买 nike

CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.

1、高可用简介

  。

hadoop 高可用 (high availability) 分为 hdfs 高可用和 yarn 高可用,两者的实现基本类似,但 hdfs namenode 对数据存储及其一致性的要求比 yarn resourcemanger 高得多,所以它的实现也更加复杂,故下面先进行讲解:

1.1 高可用整体架构 。

hdfs 高可用架构如下:

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

图片引用自:https://www.edureka.co/blog/how-to-set-up-hadoop-cluster-with-hdfs-high-availability/ 。

hdfs 高可用架构主要由以下组件所构成:

  • active namenode 和 standby namenode:两台 namenode 形成互备,一台处于 active 状态,为主 namenode,另外一台处于 standby 状态,为备 namenode,只有主 namenode 才能对外提供读写服务。
  • 主备切换控制器 zkfailovercontroller:zkfailovercontroller 作为独立的进程运行,对 namenode 的主备切换进行总体控制。zkfailovercontroller 能及时检测到 namenode 的健康状况,在主 namenode 故障时借助 zookeeper 实现自动的主备选举和切换,当然 namenode 目前也支持不依赖于 zookeeper 的手动主备切换。
  • zookeeper 集群:为主备切换控制器提供主备选举支持。
  • 共享存储系统:共享存储系统是实现 namenode 的高可用最为关键的部分,共享存储系统保存了 namenode 在运行过程中所产生的 hdfs 的元数据。主 namenode 和 namenode 通过共享存储系统实现元数据同步。在进行主备切换的时候,新的主 namenode 在确认元数据完全同步之后才能继续对外提供服务。
  • datanode 节点:除了通过共享存储系统共享 hdfs 的元数据信息之外,主 namenode 和备 namenode 还需要共享 hdfs 的数据块和 datanode 之间的映射关系。datanode 会同时向主 namenode 和备 namenode 上报数据块的位置信息。

1.2 基于 qjm 的共享存储系统的数据同步机制分析 。

目前 hadoop 支持使用 quorum journal manager (qjm) 或 network file system (nfs) 作为共享的存储系统,这里以 qjm 集群为例进行说明:active namenode 首先把 editlog 提交到 journalnode 集群,然后 standby namenode 再从 journalnode 集群定时同步 editlog,当 active namenode 宕机后, standby namenode 在确认元数据完全同步之后就可以对外提供服务.

需要说明的是向 journalnode 集群写入 editlog 是遵循 “过半写入则成功” 的策略,所以你至少要有3个 journalnode 节点,当然你也可以继续增加节点数量,但是应该保证节点总数是奇数。同时如果有 2n+1 台 journalnode,那么根据过半写的原则,最多可以容忍有 n 台 journalnode 节点挂掉.

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

1.3 namenode 主备切换 。

namenode 实现主备切换的流程下图所示:

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解
  1. healthmonitor 初始化完成之后会启动内部的线程来定时调用对应 namenode 的 haserviceprotocol rpc 接口的方法,对 namenode 的健康状态进行检测.

  2. healthmonitor 如果检测到 namenode 的健康状态发生变化,会回调 zkfailovercontroller 注册的相应方法进行处理.

  3. 如果 zkfailovercontroller 判断需要进行主备切换,会首先使用 activestandbyelector 来进行自动的主备选举.

  4. activestandbyelector 与 zookeeper 进行交互完成自动的主备选举.

  5. activestandbyelector 在主备选举完成后,会回调 zkfailovercontroller 的相应方法来通知当前的 namenode 成为主 namenode 或备 namenode.

  6. zkfailovercontroller 调用对应 namenode 的 haserviceprotocol rpc 接口的方法将 namenode 转换为 active 状态或 standby 状态.

1.4 yarn高可用 。

yarn resourcemanager 的高可用与 hdfs namenode 的高可用类似,但是 resourcemanager 不像 namenode ,没有那么多的元数据信息需要维护,所以它的状态信息可以直接写到 zookeeper 上,并依赖 zookeeper 来进行主备选举.

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

2、集群规划

  。

按照高可用的设计目标:需要保证至少有两个 namenode (一主一备) 和 两个 resourcemanager (一主一备) ,同时为满足“过半写入则成功”的原则,需要至少要有3个 journalnode 节点。这里使用三台主机进行搭建,集群规划如下:

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

3、前置条件

  。

  • 所有服务器都安装有jdk,安装步骤可以参见:linux下jdk的安装;
  • 搭建好zookeeper集群,搭建步骤可以参见:zookeeper单机环境和集群环境搭建
  • 所有服务器之间都配置好ssh免密登录。

4、集群配置

  。

4.1 下载并解压 。

下载hadoop。这里我下载的是cdh版本hadoop,下载地址为:http://archive.cloudera.com/cdh5/cdh/5/ 。

?
1
# tar -zvxf hadoop-2.6.0-cdh5.15.2.tar.gz

4.2 配置环境变量 。

编辑profile文件:

?
1
# vim /etc/profile

增加如下配置:

?
1
2
export hadoop_home=/usr/app/hadoop-2.6.0-cdh5.15.2
export  path=${hadoop_home}/bin:$path

执行source命令,使得配置立即生效:

?
1
# source /etc/profile

4.3 修改配置 。

进入${hadoop_home}/etc/hadoop目录下,修改配置文件。各个配置文件内容如下:

1. hadoop-env.sh

?
1
2
# 指定jdk的安装位置
export java_home=/usr/java/jdk1.8.0_201/

2. core-site.xml

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
<configuration>
     <property>
         <! -- 指定namenode的hdfs协议文件系统的通信地址 -->
         < name >fs.defaultfs</ name >
         <value>hdfs://hadoop001:8020</value>
     </property>
     <property>
         <! -- 指定hadoop集群存储临时文件的目录 -->
         < name >hadoop.tmp.dir</ name >
         <value>/home/hadoop/tmp</value>
     </property>
     <property>
         <! -- zookeeper集群的地址 -->
         < name >ha.zookeeper.quorum</ name >
         <value>hadoop001:2181,hadoop002:2181,hadoop002:2181</value>
     </property>
     <property>
         <! -- zkfc连接到zookeeper超时时长 -->
         < name >ha.zookeeper.session-timeout.ms</ name >
         <value>10000</value>
     </property>
</configuration>

3. hdfs-site.xml

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
<configuration>
     <property>
         <! -- 指定hdfs副本的数量 -->
         < name >dfs.replication</ name >
         <value>3</value>
     </property>
     <property>
         <! -- namenode节点数据(即元数据)的存放位置,可以指定多个目录实现容错,多个目录用逗号分隔 -->
         < name >dfs.namenode. name .dir</ name >
         <value>/home/hadoop/namenode/data</value>
     </property>
     <property>
         <! -- datanode节点数据(即数据块)的存放位置 -->
         < name >dfs.datanode.data.dir</ name >
         <value>/home/hadoop/datanode/data</value>
     </property>
     <property>
         <! -- 集群服务的逻辑名称 -->
         < name >dfs.nameservices</ name >
         <value>mycluster</value>
     </property>
     <property>
         <! -- namenode id列表-->
         < name >dfs.ha.namenodes.mycluster</ name >
         <value>nn1,nn2</value>
     </property>
     <property>
         <! -- nn1的rpc通信地址 -->
         < name >dfs.namenode.rpc-address.mycluster.nn1</ name >
         <value>hadoop001:8020</value>
     </property>
     <property>
         <! -- nn2的rpc通信地址 -->
         < name >dfs.namenode.rpc-address.mycluster.nn2</ name >
         <value>hadoop002:8020</value>
     </property>
     <property>
         <! -- nn1的http通信地址 -->
         < name >dfs.namenode.http-address.mycluster.nn1</ name >
         <value>hadoop001:50070</value>
     </property>
     <property>
         <! -- nn2的http通信地址 -->
         < name >dfs.namenode.http-address.mycluster.nn2</ name >
         <value>hadoop002:50070</value>
     </property>
     <property>
         <! -- namenode元数据在journalnode上的共享存储目录 -->
         < name >dfs.namenode.shared.edits.dir</ name >
         <value>qjournal://hadoop001:8485;hadoop002:8485;hadoop003:8485/mycluster</value>
     </property>
     <property>
         <! -- journal edit files的存储目录 -->
         < name >dfs.journalnode.edits.dir</ name >
         <value>/home/hadoop/journalnode/data</value>
     </property>
     <property>
         <! -- 配置隔离机制,确保在任何给定时间只有一个namenode处于活动状态 -->
         < name >dfs.ha.fencing.methods</ name >
         <value>sshfence</value>
     </property>
     <property>
         <! -- 使用sshfence机制时需要ssh免密登录 -->
         < name >dfs.ha.fencing.ssh.private- key -files</ name >
         <value>/root/.ssh/id_rsa</value>
     </property>
     <property>
         <! -- ssh超时时间 -->
         < name >dfs.ha.fencing.ssh. connect -timeout</ name >
         <value>30000</value>
     </property>
     <property>
         <! -- 访问代理类,用于确定当前处于active状态的namenode -->
         < name >dfs.client.failover.proxy.provider.mycluster</ name >
         <value>org.apache.hadoop.hdfs.server.namenode.ha.configuredfailoverproxyprovider</value>
     </property>
     <property>
         <! -- 开启故障自动转移 -->
         < name >dfs.ha.automatic-failover.enabled</ name >
         <value> true </value>
     </property>
</configuration>

4. yarn-site.xml

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
<configuration>
     <property>
         <! --配置nodemanager上运行的附属服务。需要配置成mapreduce_shuffle后才可以在yarn上运行mapreduce程序。-->
         < name >yarn.nodemanager.aux-services</ name >
         <value>mapreduce_shuffle</value>
     </property>
     <property>
         <! -- 是否启用日志聚合(可选) -->
         < name >yarn.log-aggregation-enable</ name >
         <value> true </value>
     </property>
     <property>
         <! -- 聚合日志的保存时间(可选) -->
         < name >yarn.log-aggregation.retain-seconds</ name >
         <value>86400</value>
     </property>
     <property>
         <! -- 启用rm ha -->
         < name >yarn.resourcemanager.ha.enabled</ name >
         <value> true </value>
     </property>
     <property>
         <! -- rm集群标识 -->
         < name >yarn.resourcemanager.cluster-id</ name >
         <value>my-yarn-cluster</value>
     </property>
     <property>
         <! -- rm的逻辑id列表 -->
         < name >yarn.resourcemanager.ha.rm-ids</ name >
         <value>rm1,rm2</value>
     </property>
     <property>
         <! -- rm1的服务地址 -->
         < name >yarn.resourcemanager.hostname.rm1</ name >
         <value>hadoop002</value>
     </property>
     <property>
         <! -- rm2的服务地址 -->
         < name >yarn.resourcemanager.hostname.rm2</ name >
         <value>hadoop003</value>
     </property>
     <property>
         <! -- rm1 web应用程序的地址 -->
         < name >yarn.resourcemanager.webapp.address.rm1</ name >
         <value>hadoop002:8088</value>
     </property>
     <property>
         <! -- rm2 web应用程序的地址 -->
         < name >yarn.resourcemanager.webapp.address.rm2</ name >
         <value>hadoop003:8088</value>
     </property>
     <property>
         <! -- zookeeper集群的地址 -->
         < name >yarn.resourcemanager.zk-address</ name >
         <value>hadoop001:2181,hadoop002:2181,hadoop003:2181</value>
     </property>
     <property>
         <! -- 启用自动恢复 -->
         < name >yarn.resourcemanager.recovery.enabled</ name >
         <value> true </value>
     </property>
     <property>
         <! -- 用于进行持久化存储的类 -->
         < name >yarn.resourcemanager.store.class</ name >
         <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.zkrmstatestore</value>
     </property>
</configuration>

5. mapred-site.xml

?
1
2
3
4
5
6
7
<configuration>
     <property>
         <! --指定mapreduce作业运行在yarn上-->
         < name >mapreduce.framework. name </ name >
         <value>yarn</value>
     </property>
</configuration>

5. slaves

配置所有从属节点的主机名或ip地址,每行一个。所有从属节点上的datanode服务和nodemanager服务都会被启动.

?
1
2
3
hadoop001
hadoop002
hadoop003

4.4 分发程序 。

将hadoop安装包分发到其他两台服务器,分发后建议在这两台服务器上也配置一下hadoop的环境变量.

?
1
2
3
4
# 将安装包分发到hadoop002
scp -r /usr/app/hadoop-2.6.0-cdh5.15.2/  hadoop002:/usr/app/
# 将安装包分发到hadoop003
scp -r /usr/app/hadoop-2.6.0-cdh5.15.2/  hadoop003:/usr/app/

5、启动集群

  。

5.1 启动zookeeper 。

分别到三台服务器上启动zookeeper服务:

?
1
zkserver.sh start

5.2 启动journalnode 。

分别到三台服务器的的${hadoop_home}/sbin目录下,启动journalnode进程:

?
1
hadoop-daemon.sh start journalnode

5.3 初始化namenode 。

在hadop001上执行namenode初始化命令:

?
1
hdfs namenode -format

执行初始化命令后,需要将namenode元数据目录的内容,复制到其他未格式化的namenode上。元数据存储目录就是我们在hdfs-site.xml中使用dfs.namenode.name.dir属性指定的目录。这里我们需要将其复制到hadoop002上:

?
1
scp -r /home/hadoop/namenode/data hadoop002:/home/hadoop/namenode/

5.4 初始化ha状态 。

在任意一台namenode上使用以下命令来初始化zookeeper中的ha状态:

?
1
hdfs zkfc -formatzk

5.5 启动hdfs 。

进入到hadoop001的${hadoop_home}/sbin目录下,启动hdfs。此时hadoop001和hadoop002上的namenode服务,和三台服务器上的datanode服务都会被启动:

?
1
start-dfs.sh

5.6 启动yarn 。

进入到hadoop002的${hadoop_home}/sbin目录下,启动yarn。此时hadoop002上的resourcemanager服务,和三台服务器上的nodemanager服务都会被启动:

?
1
start-yarn.sh

需要注意的是,这个时候hadoop003上的resourcemanager服务通常是没有启动的,需要手动启动:

?
1
yarn-daemon.sh start resourcemanager

6、查看集群

  。

6.1 查看进程 。

成功启动后,每台服务器上的进程应该如下:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
[root@hadoop001 sbin]# jps
4512 dfszkfailovercontroller
3714 journalnode
4114 namenode
3668 quorumpeermain
5012 datanode
4639 nodemanager
 
 
[root@hadoop002 sbin]# jps
4499 resourcemanager
4595 nodemanager
3465 quorumpeermain
3705 namenode
3915 dfszkfailovercontroller
5211 datanode
3533 journalnode
 
 
[root@hadoop003 sbin]# jps
3491 journalnode
3942 nodemanager
4102 resourcemanager
4201 datanode
3435 quorumpeermain

6.2 查看web ui 。

hdfs和yarn的端口号分别为50070和8080,界面应该如下:

此时hadoop001上的namenode处于可用状态:

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

而hadoop002上的namenode则处于备用状态:

  。

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

  。

hadoop002上的resourcemanager处于可用状态:

  。

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

  。

hadoop003上的resourcemanager则处于备用状态:

  。

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

  。

同时界面上也有journal manager的相关信息:

  。

基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解

7、集群的二次启动

  。

上面的集群初次启动涉及到一些必要初始化操作,所以过程略显繁琐。但是集群一旦搭建好后,想要再次启用它是比较方便的,步骤如下(首选需要确保zookeeper集群已经启动):

在hadoop001启动 hdfs,此时会启动所有与 hdfs 高可用相关的服务,包括 namenode,datanode 和 journalnode:

?
1
start-dfs.sh

在hadoop002启动yarn:

?
1
start-yarn.sh

这个时候hadoop003上的resourcemanager服务通常还是没有启动的,需要手动启动:

?
1
yarn-daemon.sh start resourcemanager

参考资料

  。

以上搭建步骤主要参考自官方文档:

  • hdfs high availability using the quorum journal manager
  • resourcemanager high availability

总结 。

以上所述是小编给大家介绍的基于 ZooKeeper 搭建 高可用集群 的教程图解,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对我网站的支持! 如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢! 。

原文链接:https://www.cnblogs.com/heibaiying/archive/2019/06/23/11071857.html 。

最后此篇关于基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解的文章就讲到这里了,如果你想了解更多关于基于 ZooKeeper 搭建 Hadoop 高可用集群 的教程图解的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。

30 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com