博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理

hadoop HA YARN 搭建

Posted on 2016-12-06 10:14  来碗酸梅汤  阅读(367)  评论(0)  编辑  收藏  举报

在hadoop2.0中通常由两个NameNode组成，一个处于active状态，另一个处于standby状态。Active NameNode对外提供服务，而Standby NameNode则不对外提供服务，仅同步active namenode的状态，以便能够在它失败时快速进行切换。 这里还配置了一个zookeeper集群，用于ZKFC（DFSZKFailoverController）故障转移，当Active NameNode挂掉了，会自动切换Standby NameNode为standby状态 hadoop-2.2.0中依然存在一个问题，就是ResourceManager只有一个，存在单点故障，hadoop-2.6解决了这个问题，有两个ResourceManager，一个是Active，一个是Standby，状态由zookeeper进行协调

hadoop2.0官方提供了两种HDFS HA的解决方案，一种是NFS，另一种是QJM（由cloudra提出，原理类似zookeeper）。这里我使用QJM完成。主备NameNode之间通过一组JournalNode同步元数据信息，一条数据只要成功写入多数JournalNode即认为写入成功。通常配置奇数个JournalNode

1、虚拟机搭建。

机器名 IP 安装软件 运行进程
node1 192.168.31.150 hadoop NameNode、DFSZKFailoverController、ResourceManager
node2 192.168.31.151 hadoop，zookeeper NameNode、DFSZKFailoverController、ResourceManager、QuorumPeerMain、JournalNode
node3 192.168.31.152 hadoop，zookeeper DataNode、QuorumPeerMain、JournalNode、NodeManager
node4 192.168.31.153 hadoop，zookeeper DataNode、QuorumPeerMain、JournalNode、NodeManager

 

 

 

 

 

 

 

 

2、虚拟机配置

3、zookeeper集群搭建

4、安装配置hadoop集群

　　解压文件后配置HDFS（注意：hadoop2.X之后所有的配置文件都在$HADOOP_HOME/etc/hadoop目录下）

　　4.1、修改文件hadoo-env.sh

JAVA_HOME=/usr/java/jdk1.8.0_05

 　　4.2、修改文件core-site.xml

<configuration>
<!--这里的值指的是默认的HDFS路径。当有多个HDFS集群同时工作时，用户如果不写集群名称，那么默认使用哪个哪？在这里指定！该值来自于hdfs-site.xml中的配置-->
<property>
        <name>fs.defaultFS</name>
        <value>hdfs://mycluster</value>
</property>

<!--IO文件缓存大小。默认4096-->
<property>
        <name>io.file.buffer.size</name>
        <value>131072</value>
</property>

<!-- 指定hadoop临时目录  默认值/tmp/hadoop-${user.name} -->
<property>
  <name>hadoop.tmp.dir</name>
  <value>/data/hadoop/tmp</value>
</property>

<!--指定可以在任何IP访问-->
<property>
        <name>hadoop.proxyuser.hduser.hosts</name>
        <value>*</value>
</property>

<!--指定所有用户可以访问-->
<property>
        <name>hadoop.proxyuser.hduser.groups</name>
        <value>*</value>
</property>

<property>
        <name>fs.checkpoint.period</name>
        <value>60</value>
        <description>The number of seconds between two periodic checkpoints.</description>
</property>
<property>
        <name>fs.checkpoint.size</name>
        <value>67108864</value>
</property>
<property>
        <name>fs.trash.interval</name>
        <value>10080</value>
</property>
<property>
        <name>hadoop.proxyuser.hadoop.hosts</name>
        <value>*</value>
</property>
 <property>
        <name>hadoop.proxyuser.hadoop.groups</name>
        <value>*</value>
</property>
<property>
        <name>hadoop.proxyuser.hue.hosts</name>
        <value>*</value>
</property>
<property>
        <name>hadoop.proxyuser.hue.groups</name>
        <value>*</value>
</property>
</configuration>

　　4.3、修改文件hdfs-site.xml

<configuration>
<!--指定hdfs的集群名为mycluster，需要和core-site.xml中的保持一致 -->
<property>
        <name>dfs.nameservices</name>
        <value>mycluster</value>
</property>

<!-- mycluster下面有两个NameNode，分别是nn1，nn2 -->
<property>
        <name>dfs.ha.namenodes.mycluster</name>
        <value>nn1,nn2</value>
</property>

<!-- nameNode1的RPC通信地址 -->
<property>
        <name>dfs.namenode.rpc-address.mycluster.nn1</name>
        <value>node1:9000</value>
</property>

<!-- nameNode2的RPC通信地址 -->
<property>
        <name>dfs.namenode.rpc-address.mycluster.nn2</name>
        <value>node2:9000</value>
</property>

<!-- nameNode1的http通信地址 -->
<property>
        <name>dfs.namenode.http-address.mycluster.nn1</name>
        <value>node1:50070</value>
</property>

<!-- nameNode2的http通信地址 -->
<property>
        <name>dfs.namenode.http-address.mycluster.nn2</name>
        <value>node2:50070</value>
</property>

<!-- 指定集群的两个NameNode共享edits文件目录时，使用的JournalNode集群信息-->
<property>
        <name>dfs.namenode.shared.edits.dir</name>
        <value>qjournal://node2:8485;node3:8485;node4:8485/mycluster</value>
</property>

<!--指定出故障时，哪个实现类负责执行故障切换-->
<property>
        <name>dfs.client.failover.proxy.provider.mycluster</name>
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>

<!--一旦需要NameNode切换，使用ssh方式进行操作-->
<property>
        <name>dfs.ha.fencing.methods</name>
        <value>sshfence</value>
</property>

<!--如果使用ssh进行故障切换，使用ssh通信时用的密钥存储的位置-->
<property>
        <name>dfs.ha.fencing.ssh.private-key-files</name>
        <value>/root/.ssh/id_dsa</value>
</property>

<!--指定JournalNode集群在对NameNode的目录进行共享时，自己存储数据的磁盘路径-->
<property>
        <name>dfs.journalnode.edits.dir</name>
        <value>/data/hadoop/dfs/journal</value>
</property>

<!--开启NameNode失败自动切换-->
<property>
        <name>dfs.ha.automatic-failover.enabled</name>
        <value>true</value>
</property>

<!--这里是ZooKeeper集群的地址和端口。注意，数量一定是奇数，且不少于三个节点-->
<property>
        <name>ha.zookeeper.quorum</name>
        <value>node2:2181,node3:2181,node4:2181</value>
</property>

<!--指定数据冗余份数,不超过机器数即可-->
<property>
        <name>dfs.replication</name>
        <value>3</value>
</property>

<!--指定可以通过web访问hdfs目录-->
<property>
        <name>dfs.webhdfs.enabled</name>
        <value>true</value>
</property>

<!--指定用于传输DN数据的线程的最大数量 默认4096-->
<property>
        <name>dfs.datanode.max.transfer.threads</name>
        <value>56384</value>
</property>

<!--决定在本地文件系统的DFS名称节点应该存储名字表(fsimage)的存储位置。如果这是一个以逗号分隔的目录列表的名称表则复制到所有的目录，保证冗余 默认file://${hadoop.tmp.dir}/dfs/name-->
<property>
        <name>dfs.namenode.name.dir</name>
        <value>/data/hadoop/dfs/name</value>
</property>

<!--指定datanode数据存储位置, 可以是按逗号分隔的目录列表 默认file://${hadoop.tmp.dir}/dfs/data-->
<property>
        <name>dfs.datanode.data.dir</name>
        <value>/data/hadoop/dfs/data</value>
</property>

<!--检查是否在HDFS中启用检查权限 默认true-->
<property>
        <name>dfs.permissions.enabled</name>
        <value>true</value>
</property>

<!--设置为true，能够支持HDFS ACLs(管理列表的使用权限)。默认是false。不可使用。NameNode拒绝所有RPC相关设置或获取ACLs-->
<property>
        <name>dfs.namenode.acls.enabled</name>
        <value>true</value>
</property>

<!--命名一个文件，这个文件包含一组不予许连接到namenode的主机名。必须制定文件的完整路径。如果值是空的，没有主机被限制-->
<!-- 用于移除节点，将excludes文件中制定主机名的主机加入黑名单，使其不能连接到namenode -->
<property>
        <name>dfs.hosts.exclude</name>
        <value>/usr/local/myCluster/hadoop-2.7.2/etc/hadoop/excludes</value>
</property>

<!-- namenode服务器线程的数量 默认 10-->
<property>
        <name>dfs.namenode.handler.count</name>
        <value>10</value>
</property>

<!-- datanode服务器线程的数量 默认 10-->
<property>
        <name>dfs.datanode.handler.count</name>
        <value>10</value>
</property>
</configuration>

　　4.4、修改文件yarn-site.xml

<configuration>
<!-- Site specific YARN configuration properties -->
<!-- 是否启用日志聚合.应用程序完成后,日志汇总收集每个容器的日志,这些日志移动到文件系统,例如HDFS. -->
<!-- 用户可以通过配置"yarn.nodemanager.remote-app-log-dir"、"yarn.nodemanager.remote-app-log-dir-suffix"来确定日志移动到的位置 -->
<!-- 用户可以通过应用程序时间服务器访问日志 -->
<property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
</property>

<!--    <property>
                <name>yarn.log.server.url</name>
                <value>hadoop-master1:19888/jobhistory/logs</value>
        </property>
        <property>
                <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
                <value>org.apache.hadoop.mapred.ShuffleHandler</value>
        </property> -->
<!--开启resource manager HA,默认为false--> 
<property>
        <name>yarn.resourcemanager.ha.enabled</name>
        <value>true</value>
</property>
<!-- 集群的Id，使用该值确保RM不会做为其它集群的active -->
<property>
        <name>yarn.resourcemanager.cluster-id</name>
        <value>mycluster</value>
</property>
<!--配置resource manager  命名-->
<property>
        <name>yarn.resourcemanager.ha.rm-ids</name>
        <value>rm1,rm2</value>
</property>
<property>
        <name>yarn.resourcemanager.hostname.rm1</name>
        <value>node1</value>
</property>
<property>
        <name>yarn.resourcemanager.hostname.rm2</name>
        <value>node2</value>
</property>
<property>
        <name>yarn.resourcemanager.address.rm1</name>
        <value>node1:8032</value>
</property>
<property>
        <name>yarn.resourcemanager.scheduler.address.rm1</name>
        <value>node1:8030</value>
</property>
<property>
        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>
        <value>node1:8031</value>
</property>
<property>
        <name>yarn.resourcemanager.admin.address.rm1</name>
        <value>node1:8033</value>
</property>
<property>
        <name>yarn.resourcemanager.webapp.address.rm1</name>
        <value>node1:8088</value>
</property>
<property>
        <name>yarn.resourcemanager.address.rm2</name>
        <value>node2:8032</value>
</property>
<property>
        <name>yarn.resourcemanager.scheduler.address.rm2</name>
        <value>node2:8030</value>
</property>
<property>
        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>
        <value>node2:8031</value>
</property>
<property>
        <name>yarn.resourcemanager.admin.address.rm2</name>
        <value>node2:8033</value>
</property>
<property>
        <name>yarn.resourcemanager.webapp.address.rm2</name>
        <value>node2:8088</value>
</property>
<!--开启resourcemanager自动恢复功能-->
<property>
        <name>yarn.resourcemanager.recovery.enabled</name>
        <value>true</value>
</property>
<!--在node1上配置rm1,在node2上配置rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，但这个在YARN的另一个机器上一定要修改，其他机器上不配置此项-->
<property>
        <name>yarn.resourcemanager.ha.id</name>
        <value>rm1</value>
        <description>If we want to launch more than one RM in single node, we need this configuration</description>
</property>
<!--用于持久存储的类。尝试开启-->
<property>
        <name>yarn.resourcemanager.store.class</name>
        <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
</property>
<property>
        <name>yarn.resourcemanager.zk-address</name>
        <value>node2:2181,node3:2181,node4:2181</value>
        <description>For multiple zk services, separate them with comma</description>
</property>
<!--开启resourcemanager故障自动切换，指定机器--> 
<property>
        <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>
        <value>true</value>
        <description>Enable automatic failover; By default, it is enabled only when HA is enabled.</description>
</property>
<property>
        <name>yarn.client.failover-proxy-provider</name>
        <value>org.apache.hadoop.yarn.client.ConfiguredRMFailoverProxyProvider</value>
</property>
<property>
        <name>yarn.nodemanager.resource.cpu-vcores</name>
        <value>4</value>
</property>
<property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>4608</value>
        <discription>每个节点可用内存,单位MB</discription>
</property>
<property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>1536</value>
        <discription>单个任务可申请最少内存，默认1024MB</discription>
</property>
<property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>4608</value>
        <discription>单个任务可申请最大内存，默认8192MB</discription>
</property>
<!--多长时间聚合删除一次日志-->
<property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>2592000</value><!--30 day-->
</property>
<!--时间在几秒钟内保留用户日志。只适用于如果日志聚合是禁用的-->
<property>
        <name>yarn.nodemanager.log.retain-seconds</name>
        <value>604800</value><!--7 day-->
</property>
<!--指定文件压缩类型用于压缩汇总日志-->
<property>
        <name>yarn.nodemanager.log-aggregation.compression-type</name>
        <value>gz</value>
</property>
<!-- nodemanager本地文件存储目录-->
<property>
        <name>yarn.nodemanager.local-dirs</name>
        <value>/data/hadoop/tmp/yarn/local</value>
</property>
<!-- <property>
        <name>yarn.resourcemanager.state-store.max-completed-applications</name>
        <value>500</value>
</property>-->
<property>
        <name>yarn.resourcemanager.max-completed-applications</name>
        <value>1000</value>
</property>-->
<!-- 逗号隔开的服务列表，列表名称应该只包含a-zA-Z0-9_,不能以数字开始-->
<property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
</property>
<property>
        <name>yarn.nodemanager.aux-services.spark_shuffle.class</name>
        <value>org.apache.spark.network.yarn.YarnShuffleService</value>
</property>
<!--rm失联后重新链接的时间--> 
<property>
        <name>yarn.resourcemanager.connect.retry-interval.ms</name>
        <value>2000</value>
</property>
</configuration>

　　4.5、修改文件mapred-site.xml

<configuration>
<!--指定运行mapreduce的环境是yarn -->
<property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
</property>
<!-- MapReduce JobHistory Server IPC host:port -->
<property>
        <name>mapreduce.jobhistory.address</name>
        <value>node1:10020</value>
</property>
<!-- MapReduce JobHistory Server Web UI host:port -->
<property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>node1:19888</value>
</property>
<!-- The directory where MapReduce stores control files.默认 ${hadoop.tmp.dir}/mapred/system -->
<property>
        <name>mapreduce.jobtracker.system.dir</name>
        <value>/data/hadoop/yarn/mapred/system</value>
</property>
<!-- The amount of memory to request from the scheduler for each map task. 默认 1024-->
<property>
        <name>mapreduce.map.memory.mb</name>
        <value>1024</value>
</property>
<!-- <property>
                <name>mapreduce.map.java.opts</name>
                <value>-Xmx1024m</value>
        </property> -->
<!-- The amount of memory to request from the scheduler for each reduce task. 默认 1024-->
<property>
        <name>mapreduce.reduce.memory.mb</name>
        <value>1024</value>
</property>
<!-- <property>
               <name>mapreduce.reduce.java.opts</name>
               <value>-Xmx2048m</value>
        </property> -->
<!-- 用于存储文件的缓存内存的总数量，以兆字节为单位。默认情况下，分配给每个合并流1MB，给个合并流应该寻求最小化。默认值100-->
<property>
        <name>mapreduce.task.io.sort.mb</name>
        <value>100</value>
</property>

<!-- <property>
        <name>mapreduce.jobtracker.handler.count</name>
        <value>25</value>
        </property>-->
<!-- 整理文件时用于合并的流的数量。这决定了打开的文件句柄的数量。默认值10-->
<property>
        <name>mapreduce.task.io.sort.factor</name>
        <value>10</value>
</property>
<!-- 默认的并行传输量由reduce在copy(shuffle)阶段。默认值5-->
<property>
        <name>mapreduce.reduce.shuffle.parallelcopies</name>
        <value>25</value>
</property>
<property>
        <name>yarn.app.mapreduce.am.command-opts</name>
        <value>-Xmx1024m</value>
</property>
<!-- MR AppMaster所需的内存总量。默认值1536-->
<property>
        <name>yarn.app.mapreduce.am.resource.mb</name>
        <value>1536</value>
</property>
<!-- MapReduce存储中间数据文件的本地目录。目录不存在则被忽略。默认值${hadoop.tmp.dir}/mapred/local-->
<property>
        <name>mapreduce.cluster.local.dir</name>
        <value>/data/hadoop/yarn/mapred/local</value>
</property>
</configuration>

　　4.6、修改文件slaves

node3
node4

把配置好的文件远程scp到集群其它节点相应目录中，注意修改YARN高可用的yarn-site.xml文件中的yarn.resourcemanager.ha.id项

5、启动集群

　　5.1、启动zookeeper集群

　　分别在node2、node3、node4上启动zk

./zkServer.sh start

　　 查看状态：

./zkServer.sh status

（一个leader，两个follower）

　　5.2、启动journalnode

　　在node1上启动所有journalnode

　　进入到hadoop安装目录

sbin/hadoop-daemons.sh start journalnode

　　或者单独进入到node2,node3,node4执行

sbin/hadoop-daemon.sh start journalnode

　　5.3、格式化HDFS

　　 5.3.1、在node1上执行命令:

hadoop namenode -format

 　　 格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件

　　5.3.2、启动namenode进程

sbin/hadoop-daemon.sh start namenode

　　5.3.3、完成主备节点同步信息

　　　　在node2上执行

hdfs namenode -bootstrapStandby

　　5.3.4、格式化ZK(在node1上执行即可)

hdfs zkfc -formatZK

　　5.4、启动HDFS(在node1上执行)

sbin/start-dfs.sh

　　5.5、启动yarn(在node1和node2上执行)

sbin/start-yarn.sh

　　5.6、查看启动是否成功

启动完成之后可以在浏览器中输入http://192.168.31.150:50070和http://192.168.31.151:50070查看namenode分别为Active和Standby

node1，node2上会有resourcemanager进程

node3，node4上会有nodemanager进程

在namenode1上执行${HADOOP_HOME}/bin/yarn rmadmin -getServiceState rm1查看rm1和rm2分别为active和standby状态