Hadoop2对HDFS的改进很大，支持HDFS(NameNode) 和ResourceManager高可用性，避免集群中单点故障造成整个集群不可用。那么，从本文开始将部署一套高可用Hadoop集群及家族中相关开源系统，具体根据下面规划来，本文只部署高可用Hadoop集群，后续很快更新其他软件部署及使用。
一、部署前准备
操作系统：CentOS7_x64
安装目录：/opt
1. 节点分配
| HostName | IP | Hadoop | HBase | Zookeeper | Hive | |
| HMaster0 | 192.168.18.215 | NameNode | HMaster | / | Hive | |
| HMaster1 | 192.168.18.216 | NameNode | HMaster | / | Hive-client |
|
| HSlave0 | 192.168.18.217 | DataNode | HRegionServer | QuorumPeerMain | / | |
| HSlave1 | 192.168.18.218 | DataNode | HRegionServer | QuorumPeerMain | / | |
| HSlave2 | 192.168.18.219 | DataNode | HRegionServer | QuorumPeerMain | / | |
2. 版本及功能
| 软件名 |
版本号 | 功能 |
| Hadoop | hadoop-2.6.0.tar.gz | 为海量数据提供分布式存储（HDFS）和分布式计算(YARN)。 |
| HBase | hbase-1.0.1.1-src.tar.gz | 基于Hadoop的分布式、面向列的NoSQL数据库，适用于非结构化数据存储的数据库。 |
| Zookeeper | zookeeper-3.4.6.tar.gz | 一个分布式应用程序协调服务，为应用提供一致性服务，是Hadoop和Hbase的重要组件。 |
| Hive | apache-hive-1.2.0-bin.tar.gz | 基于Hadoop的一个数据仓库工具，将结构化的数据文件映射成一张表，并提供简单的SQL查询功能，将SQL语句转换为MapReduce任务运行处理。 |
| Phoenix |
phoenix-4.4.0-HBase-1.0-bin.tar.gz | Hbase的SQL驱动，Phoenix让Hbase支持以JDBC方式访问，并将SQL查询转换成Hbase的扫描和相应的操作。 |
| JDK | jdk-7u79-linux-x64.gz | JAVA运行环境 |
| Hadoop生态系统下载地址：http://www.apache.org/dist/ JDK下载地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html | ||
3. 逻辑结构图
NameNode(NN) HA实现方式：
一种是将NN维护的元数据保存一份到NFS上，当NN故障，可以通过另一台NNe读取NFS目录中的元数据备份进行恢复工作，需要手动进行操作，并不是真正意义上的HA方案。
另一种是准备一台备用NN节点，通过定期下载NN的元数据和日志文件来备份，当NN故障时，可以通过这台进行恢复，由于主备节点元数据和日志并不是实时同步，所以会丢失一些数据。
前两种方案都不是很理想，社区提供一种更好的方案，基于QJM（Qurom Journal Manager）的共享日志方案。QJM的基本原理是NN（Active）把日志写本地和2N+1（奇数）台JournalNode上，当数据操作返回成功时才写入日志，这个日志叫做editlog，而元数据存在fsimage文件中，NN（Standby）定期从JournalNode上读取editlog到本地。在这手动切换的基础上有开发了基于Zookeeper的ZKFC（ZookeeperFailover Controller）自动切换机制，Active和Standby节点各有ZKFC进程监控NN监控状况，定期发送心跳，当Active节点故障时Standby会自动切换为ActiveNode，我们这次就用的此方案，如下图所示。
ResourceManager(RM) HA实现方式：
RM将状态信息存储在Zookeeper中，当Active故障，Standby切换为Active后，从ZK读取相应的作业信息，重新构建作业的内存信息，然后开始接受NodeManager心跳，并接受客户端提交作业的请求等。
二、搭建高可用Hadoop集群
1.基础环境配置
1.1 安装JDK（每台配置）
|
1
2
3
4
5
6
7
8
|
# tar zxvf jdk-7u79-linux-x64.gz
# mv jdk1.7.0_79 /usr/local/jdk1.7
# vi /etc/profile
JAVA_HOME=/usr/local/jdk1.7
PATH=$PATH:$JAVA_HOME/bin
CLASSPATH=$JAVA_HOME/lib:$JAVA_HOME/jre/lib
export JAVA_HOME PATH CLASSPATH
# source /etc/profile #使配置生效
|
1.2 修改主机名，并添加hosts文件（每台配置）
|
1
2
3
|
# hostname HMaster0
# vi /etc/hostname
HMaster0
|
|
1
2
3
4
5
6
7
8
|
# cat /etc/hosts
127.0.0.1 localhost localhost.localdomain localhost4localhost4.localdomain4
::1 localhost localhost.localdomainlocalhost6 localhost6.localdomain6
192.168.18.215 HMaster0
192.168.18.216 HMaster1
192.168.18.217 HSlave0
192.168.18.218 HSlave1
192.168.18.219 HSlave2
|
1.3 配置SSH无密码登陆（在HMaster1做同样的操作）
|
1
2
3
4
5
6
7
8
9
10
11
12
|
# ssh-kegen #一直回车创建秘钥对
[root@HMaster0]# cat /root/.ssh/id_rsa.pub > /root/.ssh/authorized_keys
[root@HMaster0]# scp /root/.ssh/authorized_keys root@HMaster0:/root/.ssh
[root@HMaster0]# scp /root/.ssh/authorized_keys root@HMaster1:/root/.ssh
[root@HMaster0]# scp /root/.ssh/authorized_keys root@HSlave0:/root/.ssh
[root@HMaster0]# scp /root/.ssh/authorized_keys root@HSlave1:/root/.ssh
[root@HMaster0]# scp /root/.ssh/authorized_keys root@HSlave2:/root/.ssh
[root@HMaster0]# ssh root@HMaster0 'chmod 600 /root/.ssh/authorized_keys && chmod 700 /root/.ssh'
[root@HMaster0]# ssh root@HMaster1 'chmod 600 /root/.ssh/authorized_keys && chmod 700 /root/.ssh'
[root@HMaster0]# ssh root@HSlave0 'chmod 600 /root/.ssh/authorized_keys && chmod 700 /root/.ssh'
[root@HMaster0]# ssh root@HSlave1 'chmod 600 /root/.ssh/authorized_keys && chmod 700 /root/.ssh'
[root@HMaster0]# ssh root@HSlave2 'chmod 600 /root/.ssh/authorized_keys && chmod 700 /root/.ssh'
|
现在就可以不用密码登陆某一台了。
2. Zookeeper集群安装与配置（三台HSlave配置）
2.1 安装与配置
|
1
2
3
4
|
# tar zxvf zookeeper-3.4.6.tar.gz
# mv zookeeper-3.4.6 /opt
# cd /opt/zookeeper-3.4.6/conf
# cp zoo_sample.cfg zoo.cfg
|
|
1
2
3
4
5
6
7
8
9
10
|
# vi zoo.cfg
tickTime=2000
initLimit=10
syncLimit=5
dataDir=/home/zookeeper/data dataLogDir=/home/zookeeper/logs clientPort=2181
server.0=HSlave0:2888:3888
server.1=HSlave1:2888:3888
server.2=HSlave2:2888:3888
|
参数说明：
tickTime：ZK服务器之间或客户端与服务器之间间隔多长时间发送一个心跳，单位毫秒
initLimit：ZK服务器集群中连接Leader的Follower服务器初始化连接时最长忍受多长心跳时间间隔（5*20000=10s）
syncLimit：标识Leader与Follower同步消息，如果超过时间（5*2000=10s），未完成同步，将剔除这个节点，所有连接此Follower服务器的客户端将连接到另一个Foolower服务器上
dataDir：ZK保存数据的目录，默认情况下，ZK也会将日志文件保存在此目录
dataLogDir：指定日志文件目录
clientPort：客户端连接ZK服务器端口
server.0：第一个0代表第几号ZK服务器，HSlave0是这个服务器的主机名或IP，2888是这个ZK服务器与集群中Leader服务器交换信息的端口，3888是Leader服务器出现故障时，用这个端口通信重新选举，在选出一个新的Leader
2.2 创建目录和id文件（三台HSlave对应操作）
# mkdir /home/zookeeper/data
# mkdir /home/zookeeper/logs
# vi /home/zookeeper/data/myid
0
#必须创建这个id，否则启动会报错。分别ZK集群节点创建myid号，myid一定对应好zoo.cfg中配置的server后面0、1和2这个ZK号
2.3 分别启动三个ZK节点（三台HSlave操作）
# /opt/zookeeper-3.4.6/bin/zkServer.sh start
注意：每次都需要分别启动ZK节点，不能通过hadoop管理启动
2.4 检查是否启动成功
分别查看ZK每个节点状态可以看到有两个follower节点，一个leader节点：
# /opt/zookeeper-3.4.6/bin/zkServer.sh status
|
1
2
3
4
5
6
|
JMX enabled by default
Using config:/opt/zookeeper-3.4.6/bin/../conf/zoo.cfg
Mode: follower
JMX enabled by default
Using config:/opt/zookeeper-3.4.6/bin/../conf/zoo.cfg
Mode: leader
|
在集群任意一节点都会启动一个进程：
# jps
1990 QuorumPeerMain
博客地址：http://lizhenliang.blog.51cto.com
3. Hadoop安装与配置（每台都同样配置）
3.1 安装与配置
# tar zxvf hadoop-2.6.0.tar.gz
# mv hadoop-2.6.0 /opt
# cd /opt/hadoop-2.6.0/etc/hadoop
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# vi core-site.xml<configuration> <!--HDFS路径逻辑名称-->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hcluster</value>
</property>
<!--Hadoop存放临时文件位置-->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/tmp</value>
</property>
<!--使用的zookeeper集群地址-->
<property>
<name>ha.zookeeper.quorum</name>
<value>HSlave0:2181,HSlave1:2181,HSlave2:2181</value>
</property>
</configuration>
|
|
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
|
# vi hdfs-site.xml<configuration> <property>
<name>dfs.nameservices</name>
<value>hcluster</value>
</property>
<!--NameNode地址集群标识（hcluster），最多两个-->
<property>
<name>dfs.ha.namenodes.hcluster</name>
<value>HMaster0,HMaster1</value>
</property>
<!--HDFS文件系统数据存储位置，可以分别保存到不同硬盘，突破单硬盘性能瓶颈，多个位置以逗号隔开-->
<property>
<name>dfs.data.dir</name>
<value>/home/hadoop/hdfs/data</value>
</property>
<!--数据副本数量，根据HDFS台数设置，默认3份-->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<property>
<name>dfs.namenode.rpc-address.hcluster.HMaster0</name>
<value>HMaster0:9000</value>
</property>
<!--RPC端口-->
<property>
<name>dfs.namenode.rpc-address.hcluster.HMaster1</name>
<value>HMaster1:9000</value>
</property>
<!--NameNode HTTP访问地址-->
<property>
<name>dfs.namenode.http-address.hcluster.HMaster0</name>
<value>HMaster0:50070</value>
</property>
<property>
<name>dfs.namenode.http-address.hcluster.HMaster1</name>
<value>HMaster1:50070</value>
</property>
<!--NN存放元数据和日志位置-->
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/hadoop/name</value>
</property>
<!--同时把NameNode元数据和日志存放在JournalNode上(/home/hadoop/journal/hcluster)-->
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://HSlave0:8485;HSlave1:8485;HSlave2:8485/hcluster</value>
</property>
<!--JournalNode上元数据和日志存放位置-->
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/home/hadoop/journal</value>
</property>
<!--开启NameNode失败自动切换-->
<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>
<!--NameNode失败自动切换实现方式-->
<property>
<name>dfs.client.failover.proxy.provider.hcluster</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
<!--隔离机制方法，确保任何时间只有一个NameNode处于活动状态-->
<property>
<name>dfs.ha.fencing.methods</name>
<value>sshfence(hdfs)
shell(/bin/true)</value>
</property>
<!--使用sshfence隔离机制要SSH免密码认证-->
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/root/.ssh/id_rsa</value>
</property>
</configuration>
|
|
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
83
84
85
86
87
88
89
90
91
92
93
|
# vi yarn-site.xml<configuration> <!--启用RM高可用-->
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<!--RM集群标识符-->
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>rm-cluster</value>
</property>
<property>
<!--指定两台RM主机名标识符-->
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<!--RM故障自动切换-->
<property>
<name>yarn.resourcemanager.ha.automatic-failover.recover.enabled</name>
<value>true</value>
</property>
<!--RM故障自动恢复
<property>
<name>yarn.resourcemanager.recovery.enabled</name>
<value>true</value>
</property> -->
<!--RM主机1-->
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>HMaster0</value>
</property>
<!--RM主机2-->
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>HMaster1</value>
</property>
<!--RM状态信息存储方式，一种基于内存(MemStore)，另一种基于ZK(ZKStore)-->
<property>
<name>yarn.resourcemanager.store.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
</property>
<!--使用ZK集群保存状态信息-->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>HSlave0:2181,HSlave1:2181,HSlave2:2181</value>
</property>
<!--向RM调度资源地址-->
<property>
<name>yarn.resourcemanager.scheduler.address.rm1</name>
<value>HMaster0:8030</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address.rm2</name>
<value>HMaster1:8030</value>
</property>
<!--NodeManager通过该地址交换信息-->
<property>
<name>yarn.resourcemanager.resource-tracker.address.rm1</name>
<value>HMaster0:8031</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address.rm2</name>
<value>HMaster1:8031</value>
</property>
<!--客户端通过该地址向RM提交对应用程序操作-->
<property>
<name>yarn.resourcemanager.address.rm1</name>
<value>HMaster0:8032</value>
</property>
<property>
<name>yarn.resourcemanager.address.rm2</name>
<value>HMaster1:8032</value>
</property>
<!--管理员通过该地址向RM发送管理命令-->
<property>
<name>yarn.resourcemanager.admin.address.rm1</name>
<value>HMaster0:8033</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address.rm2</name>
<value>HMaster1:8033</value>
</property>
<!--RM HTTP访问地址,查看集群信息-->
<property>
<name>yarn.resourcemanager.webapp.address.rm1</name>
<value>HMaster0:8088</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address.rm2</name>
<value>HMaster1:8088</value>
</property>
</configuration>
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# vi mapred-site.xml<configuration> <!--指定MR框架为YARN-->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!-- 配置 MapReduce JobHistory Server地址 ，默认端口10020 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>0.0.0.0:10020</value>
</property>
<!-- 配置 MapReduce JobHistory Server HTTP地址， 默认端口19888 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>0.0.0.0:19888</value>
</property>
</configuration>
|
|
1
2
|
# vi hadoop-env.sh将export JAVA_HOME=${JAVA_HOME}修改为我们安装的JDK路径 export JAVA_HOME=/usr/local/jdk1.7
|
|
1
2
3
4
|
# vi slaves HSlave0HSlave1HSlave2 |
# 配置变量，方便使用hadoop命令
|
1
2
3
4
5
|
# vi /etc/profileHADOOP_HOME=/opt/hadoop-2.6.0
PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_HOME PATH
# source /etc/profile |
3.1 对NameNode（HMaster0）节点进行格式化
# hadoop namenode -format
注意：格式化第二次有可能会造成DataNode无法启动，原因是NameSpaceID不一致造成，解决方法是找出不一致的VERSION修改NameSpaceID，也可以尝试删除hdfs/data目录。
3.2 启动HMaster0（active）节点NameNode
# hadoop-daemon.sh start namenode
3.3 HMaster1节点上同步（HMaster0）元数据
# hdfs namenode -bootstrapStandby
3.4 在HMaster0格式化ZKFC
# hdfs zkfc -formatZK
3.5 在HMaster0节点启动HDFS集群
# start-dfs.sh
3.6 在Master0节点启动YARN集群
# start-yarn.sh
3.7 在Master1节点启动RM
# yarn-daemon.sh start resourcemanager
3.8 以后也可以通过start-all.sh与stop-all.sh启停Hadoop集群
3.9 验证Hadoop集群（HDFS和YARN）是否启动成功
# jps #在HMaster0节点可以看到
32040 DFSZKFailoverController #ZKFC用于监控NameNode active和standby节点状态，并故障切换
30187 ResourceManager #YARN资源管理进程
31934 NameNode #HDFS元数据进程
13607 Jps #运行jps命令时自身进程
# jps #在HSlave0节点可以看到
13229 DataNode
31215 NodeManager
1990 QuorumPeerMain
13314 JournalNode
31390 Jps
# 通过访问Hadoop提供的WEB，查看是否正常
从上图可以看出，NameNode分为active和standby，ResouceManager也分为active和standby，也就是说，NN和RM均成功实现HA，当你测试停止active节点上NN或者RM时，都会正常切换到standby节点，这时再访问WEB，状态已经改变。目前NN只支持两台做HA，RM HA支持多台。
4. HDFS 操作命令
# hadoop dfsadmin -report #查看DataNode节点信息，可以使用这个命令脚本监控DFS状况
# hadoop fs -ls hdfs://hcluster:9000/ #指定HDFS地址访问
# hadoop fs -ls / #列出HDFS文件系统目录下文件和目录
# hadoop fs -lsr / #递归列出目录
# hadoop fs -mkdir /test #创建test目录
# hadoop fs -put /root/test.txt /test/test.txt #上传文件到test目录
# hadoop fs -cat /test/test.txt #查看文件内容
# hadoop fs -du /test/test.txt #查看文件大小
# hadoop fs -rm /test/test.txt #删除文件
# hadoop fs -rmr /test #递归删除目录或文件
提醒：Hadoop配置较为复杂，往往会因为自己的一点点配置错误，造成服务无法启动，不要心急，这时你应该静下心来仔细看看安装目录中logs目录下以.log结尾的日志，可帮助你解决问题。祝你好运！