hadoop HA高可用性集群搭建

linxiao

浏览: 12802 次
性别:
来自: 北京

最近访客更多访客>>

HAOMCU

jaingbei

liumingning

weiwan5675

博主相关

博客

微博

相册

留言

关于我

文章分类

社区版块

存档分类

2016-01 ( 4)
更多存档...

博客分类：

hadoop

hadoop hadoop ha

1、概述

这部分主要描述，在生产环境中，如何来搭建一个高可用性的hadoop集群。在hadoop集群中，NameNode是一个非常核心的组件，上面存储着所有文件的元数据信息，比如文件跟数据块的映射关系，

数据块跟集群中节点的映射关系等内容。一旦NameNode出现故障，整个集群将不可用。

NameNode的HA方案，是在一个集群中配置两个NameNode，其中一个处于活跃Active状态，另一个为Standby状态。如果活跃的NameNode宕机或者正常关闭，Standby可以快速切换为Active。

另外，还有一种高可用性方案是 -- Federation，他允许hadoop集群中配置多个NameNode，至少4个，它是HA方案的扩展。两个一对，其中一个处于Active状态，另一个处于Standby状态。他们相互独立互不影响，每对NameNode分管保存一部分元数据信息，但DataNode数据是共享的。

本文档中采用的是HA方案，Federation方案是在此基础上扩展而来的，原理一样，配置文件也差不多，在此不细述。

2、HA方案的原理与架构

HA最核心的部分，就是如何让Active与Standby之间快速、可靠的同步变化的元数据信息。当Active NameNode挂掉后，Standby NameNode能够快速的切换并不丢失元数据信息。

这里采用的是QJM（Quorum Journal Manager）方案，他提供了一个共享的存储系统来保存实时变化的元数据信息（editlog），Active NameNode将变化的（增加或删除）元数据信息写入这个共享系统中，

Standby NameNode则会一直监听这个共享的存储系统，一旦发现有元数据变化，就会读取这些元数据保存到自己的文件系统中。

QJM是一个基于Paxos算法实现的hadoop HA方案。其原理与ZooKeeper集群的原理相似，都是基于写入大多数节点成功即认为成功，数据不会丢失。假设有2N+1台主机，那么这个算法能够容

忍最多N台机器挂掉。机器数量必须为奇数，最少3台。部署QJM的节点称为JournalNode。

架构图如下所示：

HA分为手动切换和自动切换，自动切换需要预先安装ZooKeeper集群，这里采用手动切换方式。官方文档有详细的操作说明。

3、集群节点描述

由于机器有限，这里只采用了三个节点来搭建hadoop集群，描述如下：

节点	Active NameNode	Standby NameNode	DataNode	JournalNode
data-1	是	否	是	是
data-2	否	是	是	是
data-3	否	否	是	是

由于NameNode比较重要，因此在生产环境中需要单独用一台机器来部署它。JournalNode负载很小，可以跟DataNode部署在同一台机器上。

4、准备工作

在部署集群前，需要提前来做些准备工作，准备工作跟另一篇文章“hadoop伪集群模式安装“一样，不同的是，集群搭建需要在每台机器上来操作。

这里有几项需要特别说明下。

1）、host配置。每台机器上要配置相同的hosts，如下所示：

192.168.139.73 data-1
192.168.215.174 data-2
192.168.139.86 data-2

需要注意的是，这里可以配置成内网IP，也可以配置成外网IP。若配置成内网IP，从外部是无法访问的，如通过web url查看NameNode信息等，这个根据实际情况来决定。

2）、ssh免密码登陆。这里data-1节点作为Master，因此需要设置成data-1到其他各个节点上的免密码登陆，设置完后，执行 ssh data-1, ssh data-2, ssh data-3测试下。

3）、安装压缩包。在每个节点上执行 yum install cmake zlib-devel openssl-devel lzo-devel snappy lz4 bzip2 。

5、配置文件

1）、mapred-site.xml

<configuration>
<property>
  <name>mapreduce.framework.name</name>
  <value>yarn</value>
</property>
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>data-1:10020</value>
</property>
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>data-1:19888</value>
</property>
 
<property>
    <name>mapreduce.map.memory.mb</name>
    <value>256</value>         
</property>
<property>
    <name>mapreduce.map.java.opts</name>
    <value>-Xmx204m</value>
</property>
<property>
    <name>mapreduce.map.cpu.vcores</name>
    <value>1</value>
</property>
 
<property>
    <name>mapreduce.reduce.memory.mb</name>
    <value>512</value>
</property>
<property>
    <name>mapreduce.reduce.java.opts</name>
    <value>-Xmx409m</value>
</property>
<property>
    <name>mapreduce.reduce.cpu.vcores</name>
    <value>1</value>
</property>
 
<property>
    <name>yarn.app.mapreduce.am.resource.mb</name>
    <value>512</value>
</property>
<property>
    <name>yarn.app.mapreduce.am.command-opts</name>
    <value>-Xmx409m</value>
</property>
</configuration>

2）、hdfs-site.xml

<configuration>
<property>
  <name>dfs.namenode.name.dir</name>
  <value>file:////data/datastore/hadoop/namenode</value>
</property>
<property>
  <name>dfs.datanode.data.dir</name>
  <value>file:////data/datastore/hadoop/datanode</value>
</property>
<property>
  <name>dfs.replication</name>
  <value>3</value>
</property>
 
<property>
  <name>dfs.nameservices</name>
  <value>hadoop-cluster</value>
</property>
<property>
  <name>dfs.ha.namenodes.hadoop-cluster</name>
  <value>nn1,nn2</value>
</property>
 
<property>
  <name>dfs.namenode.rpc-address.hadoop-cluster.nn1</name>
  <value>data-1:8020</value>
</property>
<property>
  <name>dfs.namenode.rpc-address.hadoop-cluster.nn2</name>
  <value>data-2:8020</value>
</property>
 
<property>
  <name>dfs.namenode.http-address.hadoop-cluster.nn1</name>
  <value>data-1:50070</value>
</property>
<property>
  <name>dfs.namenode.http-address.hadoop-cluster.nn2</name>
  <value>data-2:50070</value>
</property>
 
<property>
  <name>dfs.namenode.shared.edits.dir</name>
  <value>qjournal://data-1:8485;data-2:8485;data-3:8485/hadoop-journal</value>
</property>
 
<property>
  <name>dfs.ha.automatic-failover.enabled</name>
  <value>false</value>
</property>
 
<property>
  <name>dfs.journalnode.edits.dir</name>
  <value>/data/datastore/hadoop/journal</value>
</property>
 
<property>
  <name>dfs.client.failover.proxy.provider.hadoop-cluster</name>
  <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
 
<property>
  <name>dfs.ha.fencing.methods</name>
  <value>sshfence</value>
</property>
 
<property>
  <name>dfs.ha.fencing.ssh.private-key-files</name>
  <value>/home/hadoop/.ssh/id_rsa</value>
</property>
</configuration>

3）、yarn-site.xml

<configuration>
<property>
  <name>yarn.resourcemanager.hostname</name>
  <value>data-1</value>
</property>
<property>
   <name>yarn.log-aggregation-enable</name> 
   <value>true</value>     
</property>
<property>
    <name>yarn.nodemanager.remote-app-log-dir</name>
    <value>/yarn-log</value>
</property>
<property>
    <name>yarn.nodemanager.remote-app-log-dir-suffix</name>
    <value>logs</value>
</property>
 
<property>
    <name>yarn.scheduler.minimum-allocation-mb</name>
    <value>256</value>
</property>
<property>
    <name>yarn.scheduler.maximum-allocation-mb</name>
    <value>1024</value>
</property>
<property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>1024</value>
</property>
 
<property>
    <name>yarn.acl.enable</name>
    <value>true</value>
</property>
<property>
    <name>yarn.admin.acl</name>
    <value>*</value>
</property>
<property>
    <name>yarn.resourcemanager.address</name>
    <value>data-1:8032</value>
    </property>
<property>
    <name>yarn.resourcemanager.scheduler.address</name>
    <value>data-1:8030</value>
    </property>
<property>
    <name>yarn.resourcemanager.resource-tracker.address</name>
    <value>data-1:8031</value>
 </property>
<property>
    <name>yarn.resourcemanager.admin.address</name>
    <value>data-1:8033</value>
</property>
<property>
    <name>yarn.resourcemanager.webapp.address</name>
    <value>data-1:8088</value>
</property>
 
<property>
  <name>yarn.nodemanager.aux-services</name>
  <value>mapreduce_shuffle</value>
</property>
</configuration>

4）、core-site.xml

<configuration>
<property>
  <name>fs.defaultFS</name>
  <value>hdfs://hadoop-cluster</value>
</property>
</configuration>

5）、slaves

data-1
data-2
data-3

配置完后，需要把配置文件复制到各个节点上，如scp hadoop-env.sh core-site.xml mapred-site.xml hdfs-site.xml yarn-site.xml slaves hadoop@data-3:/data/software/hadoop-2.6.0-cdh5.5.1/etc/hadoop

需要说明的几点：

a、配置文件中每项值的具体意义，请参照官方文档中的描述。由于更新速度比较快，每个发行版本的配置项可能会不一样，修改配置文件的时候一定要根据自己选择的版本，

然后去官方网站上找相应版本的文档说明，核对配置项是否被修改或者丢弃了。

b、hdfs-site.xml配置文件中，关于ha的配置部分，请参照官网http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-hdfs/HDFSHighAvailabilityWithQJM.html中的说明。

c、yarn-site.xml和mapred-site.xml配置文件中，关于内存设定的部分，请参照另一篇文章“hadoop伪集群模式安装”中的说明。

5、启动选项

1）、在各个JournalNode节点上（至少三个），输入以下命令启动JournalNode服务：

sbin/hadoop-daemon.sh start journalnode

2）、在nn1（data-1）上，对其进行格式化，并启动：

bin/hdfs namenode -format(第一次运行)

sbin/hadoop-daemon.sh start namenode

3）、在nn2（data-2）上，同步nn1的元数据信息：

bin/hdfs namenode -bootstrapStandby(第一次运行)

4）、在nn2（data-2），启动NameNode：

sbin/hadoop-daemon.sh start namenode

（经过以上四步操作，nn1和nn2均处理standby状态）

5）、在nn1（data-1）上，将NameNode切换为Active

bin/hdfs haadmin -transitionToActive nn1

6）、在nn1（data-1）上，启动所有DataNode

sbin/hadoop-daemons.sh start datanode

7）、在data-1上，启动resourcemanager，nodemanager

sbin/start-yarn.sh

8）、在data-1上，启动historyserver

sbin/mr-jobhistory-daemon.sh start historyserver

启动完后，在各个节点上输入jps查看相应的进程都是否成功启动，然后输入hadoop fs -ls /来查看命令是否能正确执行。

关闭顺序

sbin/mr-jobhistory-daemon.sh stop historyserver
sbin/stop-yarn.sh
sbin/stop-dfs.sh

在配置过程中一定要仔细看官方文档的说明，我在配置dfs.client.failover.proxy.provider.hadoop-cluster的时候，是直接粘贴官方文档的选项（mycluster），dfs.nameservices名字搞错了，导致启动集群后，在使用 bin/hadoop fs -ls / 命令时报错，如下：

[hadoop@data-2 hadoop-2.6.0-cdh5.5.1]$ bin/hadoop fs -ls /

-ls: java.net.UnknownHostException: hadoop-cluster

Usage: hadoop fs [generic options] -ls [-d] [-h] [-R] [<path> ...]

参考资料：

http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-hdfs/HDFSHighAvailabilityWithQJM.html