Hadoop HA+Federation 高可用联邦模式搭建指南
2024-06-07 12:30:17
为什么80%的码农都做不了架构师？>>> 
简述
Hadoop 集群一共有4种部署模式，详见《Hadoop 生态圈介绍》。 HA联邦模式解决了单纯HA模式的性能瓶颈（主要指Namenode、ResourceManager），将整个HA集群划分为两个以上的集群，不同的集群之间通过Federation进行连接，使得HA集群拥有了横向扩展的能力。理论上，在该模式下，能够通过增加计算节点以处理无限增长的数据。联邦模式下的配置在原HA模式的基础上做了部分调整。
所有四种模式的部署指南见：
Hadoop 伪分布式搭建指南
Hadoop 完全分布式搭建指南
Hadoop HA高可用集群模式搭建指南
Hadoop HA+Federation（联邦）模式搭建指南
搭建过程
系统环境
Ubuntu 14.04 x64 Server LTS
Hadoop 2.7.2
vagrant 模拟4台主机，内存都为2G
集群节点规划
| IP | 主机名 | 角色描述 | 集群 |
|---|---|---|---|
| 192.168.100.201 | h01.vm.com | namenode-ns1-nn1, zkfc, QuorumPeerMain, resourcemanager | ns1 |
| 192.168.100.202 | h02.vm.com | namenode-ns1-nn2, zkfc, QuorumPeerMain, resourcemanager, journalnode, | ns1 |
| 192.168.100.203 | h03.vm.com | namenode-ns2-nn3, zkfc, QuorumPeerMain, journalnode, nodemanager, datanode | ns2 |
| 192.168.100.204 | h04.vm.com | namenode-ns2-nn4, zkfc, journalnode, nodemanager, datanode | ns2 |
上表中：
- QuorumPeerMain 是zookeeper集群的入口进程；
- zkfc 是 Zookeeper FailoverController 的简称，主要用于实现两个NN之间的容灾。
- resourcemanager 是 yarn 中负责资源协调和管理的进程
- nodemanager 是 yarn 中单个节点上的代理进程，向 RM 汇报信息，监控该节点资源
- datanode 是 hdfs 的工作节点，负责实际的数据存储和任务计算
- journalnode 是QJM模式下两个NN节点同步数据的进程，每个HA集群里面的高可用依赖它
- ns1,ns2 是集群的逻辑名称
- nn1,nn2, nn3, nn4 是集群中NN的逻辑名称
zookeeper 节点需要配置奇数台，一般配置3-7台即可。2000多个节点的集群也仅需要5-9台zk；journalnode与zk类似，也是配置奇数台，且最少需要3台，同样不需要太多；另外zkfc需要在启动namenode的节点上也启动，以保障NN间的心跳机制。
更新软件源索引
- 分别在 h01 h02 h03 h04 操作
sudo apt-get update
安装基础软件
- 分别在 h01 h02 h03 h04 操作
sudo apt-get install ssh
sudo apt-get install rsync
配置主机域名
- 分别在 h01 h02 h03 h04 操作
sudo vim /etc/hostname # centos系统可能没有该文件，创建即可
h01.vm.com # 该节点主机名
将该文件内容修改为对应的主机名，例如 h01.vm.com
域名解析
- 搭建内网DNS服务器（可选，但推荐），可阅读vincent的博文 http://blog.kissdata.com/2014/07/10/ubuntu-dns-bind.html
- 配置 /etc/hosts，将以下代码追加到文件末尾即可（如搭建了DNS服务器，则跳过此步骤）
- 分别在 h01 h02 h03 h04 操作
sudo vim /etc/hosts
192.168.100.201 h01.vm.com h01
192.168.100.202 h02.vm.com h02
192.168.100.203 h03.vm.com h03
192.168.100.204 h04.vm.com h04
!!! Ubuntu系统，须删掉 /etc/hosts 映射 127.0.1.1/127.0.0.1 !!! Check that there isn't an entry for your hostname mapped to 127.0.0.1 or 127.0.1.1 in /etc/hosts (Ubuntu is notorious for this). 127.0.1.1 h01.vm.com # must remove
不然可能会引起 hadoop、zookeeper 节点间通信的问题
时间同步（生产环境中务必配置）
在内网中搭建 ntp 服务器，可阅读vincent的博文 http://blog.kissdata.com/2014/10/28/ubuntu-ntp.html
准备jdk、hadoop和zookeeper软件包
- 须到官方网站下载stable版本 jdk-7u79-linux-x64.tar.gz hadoop-2.7.2.tar.gz zookeeper-3.4.8.tar.gz
- 所有的软件包都统一解压到 /home/vagrant/VMBigData 目录下，其中 vagrant 是linux系统的用户名，由于我是使用 vagrant 虚拟的主机，所以默认是 vagrant
- 在 h01 操作
# 先在其中一台机子操作，后面会使用 scp 命令或者其他方法同步到其他主机
mkdir -p /home/vagrant/VMBigData/hadoop /home/vagrant/VMBigData/java /home/vagrant/VMBigData/zookeeper
tar zxf jdk-7u79-linux-x64.tar.gz -C /home/vagrant/VMBigData/java
tar zxf hadoop-2.7.2.tar.gz -C /home/vagrant/VMBigData/hadoop
tar zxf zookeeper-3.4.8.tar.gz -C /home/vagrant/VMBigData/zookeeper
配置软连接，方便以后升级版本
- 在 h01 操作，后面通过 scp 同步到其他主机
ln -s /home/vagrant/VMBigData/java/jdk1.7.0_79/ /home/vagrant/VMBigData/java/default
ln -s /home/vagrant/VMBigData/hadoop/hadoop-2.7.2/ /home/vagrant/VMBigData/hadoop/default
ln -s /home/vagrant/VMBigData/zookeeper/zookeeper-3.4.8/ /home/vagrant/VMBigData/zookeeper/default
配置环境变量
- 分别在 h01 h02 h03 h04 操作
sudo vim /etc/profile
export HADOOP_HOME=/home/vagrant/VMBigData/hadoop/default
export JAVA_HOME=/home/vagrant/VMBigData/java/default
export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$PATH
source /etc/profile
配置免密码ssh登录
hadoop主节点需要能远程登陆集群内的所有节点（包括自己），以执行命令。所以需要配置免密码的ssh登陆。可选的ssh秘钥对生成方式有rsa和dsa两种，这里选择rsa。
- 分别在 h01 h02 h03 h04 ，即4个主节点上操作
ssh-keygen -t rsa -C "youremail@xx.com"
# 注意在接下来的命令行交互中，直接按回车跳过输入密码
- 分别在 h01 h02 h03 h04 上操作。以下命令将本节点的公钥 id_rsa.pub 文件的内容追加到远程主机的 authorized_keys 文件中（默认位于 ~/.ssh/）
ssh-copy-id vagrant@h01.vm.com # vagrant是远程主机用户名
ssh-copy-id vagrant@h02.vm.com
ssh-copy-id vagrant@h03.vm.com
ssh-copy-id vagrant@h04.vm.com
- 在 h01 h02 h03 h04 上测试无密码 ssh 登录到 h01 h02 h03 h04
ssh h01.vm.com
ssh h02.vm.com
ssh h03.vm.com
ssh h04.vm.com
!!! 注意使用rsa模式生成密钥对时，不要轻易覆盖原来已有的，确定无影响时方可覆盖 !!!
配置从节点
在 slaves 文件中配置的主机即为从节点，将自动运行datanode, nodemanager服务
- 在 h01 操作，后面通过 scp 同步到其他主机
vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/slaves
h03.vm.com
h04.vm.com
也可以在不同集群里配置不同的从节点
建立存储数据的相应目录
- 在 h01 操作，后面通过 scp 同步到其他主机
mkdir -p /home/vagrant/VMBigData/hadoop/data/hdfs/tmp
mkdir -p /home/vagrant/VMBigData/hadoop/data/journal/data
mkdir -p /home/vagrant/VMBigData/hadoop/data/pid
mkdir -p /home/vagrant/VMBigData/hadoop/data/namenode1
mkdir -p /home/vagrant/VMBigData/hadoop/data/namenode2
mkdir -p /home/vagrant/VMBigData/hadoop/data/datanode1
mkdir -p /home/vagrant/VMBigData/hadoop/data/datanode2
mkdir -p /home/vagrant/VMBigData/hadoop/data/local-dirs
mkdir -p /home/vagrant/VMBigData/hadoop/data/log-dirs
配置hadoop参数
在 h01 操作，后面通过 scp 同步到其他主机
- vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/hadoop-env.sh
# export JAVA_HOME=${JAVA_HOME} # 注意注释掉原来的这行
export JAVA_HOME=/home/vagrant/VMBigData/java/default
export HADOOP_PREFIX=/home/vagrant/VMBigData/hadoop/default
# export HADOOP_PID_DIR=${HADOOP_PID_DIR} # 注意注释掉原来的这行
export HADOOP_PID_DIR=/home/vagrant/VMBigData/hadoop/data/hdfs/pid
export YARN_PID_DIR=/home/vagrant/VMBigData/hadoop/data/hdfs/pid
# export HADOOP_SECURE_DN_PID_DIR=${HADOOP_PID_DIR} # 注意注释掉原来的这行
export HADOOP_SECURE_DN_PID_DIR=${HADOOP_PID_DIR}
- vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/mapred-env.sh
export HADOOP_MAPRED_PID_DIR=/home/vagrant/VMBigData/hadoop/data/hdfs/pid
- vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/core-site.xml
<?xml version="1.0" encoding="utf-8"?>
# <configuration> # 注意此处的修改
<configuration xmlns:xi="http://www.w3.org/2001/XInclude"><xi:include href="/home/vagrant/VMBigData/hadoop/default/etc/hadoop/cmt.xml" /> # 此处引入federation的额外配置文件<property> <!-- 指定hdfs的nameservice名称，在 cmt.xml 文件中会引用。注意此处的修改 --> <name>fs.defaultFS</name> <value>viewfs://nsX</value> </property> <!-- 指定hadoop数据存储目录 --> <property> <name>hadoop.tmp.dir</name> <value>/home/vagrant/VMBigData/hadoop/data/hdfs/tmp</value> </property><property> <!-- 注意此处将该配置项从 hdfs-site.xml 文件中迁移过来了 --><name>dfs.journalnode.edits.dir</name> <value>/home/vagrant/VMBigData/hadoop/data/journal/data</value> </property><!-- 指定zookeeper地址 --> <property> <name>ha.zookeeper.quorum</name> <value>h01.vm.com:2181,h02.vm.com:2181,h03.vm.com:2181</value> </property>
</configuration>
- vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/cmt.xml
<?xml version="1.0" encoding="utf-8"?>
<configuration><property> <!-- 将 hdfs 的 /view_ns1 目录挂载到 ns1 的NN下管理，整个federation的不同HA集群也是可以读写此目录的，但是在指定路径是需要指定完全路径 --><name>fs.viewfs.mounttable.nsX.link./view_ns1</name> <value>hdfs://ns1</value> </property> <property> <name>fs.viewfs.mounttable.nsX.link./view_ns2</name> <value>hdfs://ns2</value> </property> <property> <!-- 指定 /tmp 目录，许多依赖hdfs的组件可能会用到此目录 --><name>fs.viewfs.mounttable.nsX.link./tmp</name> <value>hdfs://ns1/tmp</value> </property>
</configuration>
- vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/hdfs-site.xml
<?xml version="1.0" encoding="utf-8"?>
<!-- HDFS-HA 配置 -->
<configuration> <property> <!-- 因为集群规划中只配置了2各datanode节点，所以此处只能设置小于2，因为hadoop默认不允许将不同的副本存放到相同的节点上 --> <name>dfs.replication</name> <value>2</value> </property> <property> <!-- 白名单：仅允许以下datanode连接到NN，一行一个，也可以指定一个文件 --><name>dfs.hosts</name> <value><!-- ~/VMBigData/hadoop/default/etc/hadoop/hosts.allow -->h01.vm.comh02.vm.comh03.vm.comh04.vm.com</value> </property> <property> <!-- 黑名单：不允许以下datanode连接到NN，一行一个，也可以指定一个文件 --><name>dfs.hosts.exclude</name> <value></value> </property> <property> <!-- 集群的命名空间、逻辑名称，可配置多个，但是与 cmt.xml 配置对应 --><name>dfs.nameservices</name> <value>ns1,ns2</value> </property> <property> <!-- 命名空间中所有NameNode的唯一标示。该标识指示集群中有哪些NameNode。目前单个集群最多只能配置两个NameNode --> <name>dfs.ha.namenodes.ns1</name> <value>nn1,nn2</value> </property> <property> <name>dfs.ha.namenodes.ns2</name> <value>nn3,nn4</value> </property> <property> <name>dfs.namenode.rpc-address.ns1.nn1</name> <value>h01.vm.com:9000</value> </property> <property> <name>dfs.namenode.http-address.ns1.nn1</name> <value>h01.vm.com:50070</value> </property> <property> <name>dfs.namenode.rpc-address.ns1.nn2</name> <value>h02.vm.com:9000</value> </property> <property> <name>dfs.namenode.http-address.ns1.nn2</name> <value>h02.vm.com:50070</value> </property> <property> <name>dfs.namenode.rpc-address.ns2.nn3</name> <value>h03.vm.com:9000</value> </property> <property> <name>dfs.namenode.http-address.ns2.nn3</name> <value>h03.vm.com:50070</value> </property> <property> <name>dfs.namenode.rpc-address.ns2.nn4</name> <value>h04.vm.com:9000</value> </property> <property> <name>dfs.namenode.http-address.ns2.nn4</name> <value>h04.vm.com:50070</value> </property> <property> <!-- JournalNode URLs，ActiveNameNode 会将 Edit Log 写入这些 JournalNode 所配置的本地目录即 dfs.journalnode.edits.dir --> <name>dfs.namenode.shared.edits.dir</name> <!-- 注意此处的ns1，当配置文件所在节点处于ns1集群时，此处为ns1，当处于ns2集群时，此处为ns2 -->
<value>qjournal://h02.vm.com:8485;h03.vm.com:8485;h04.vm.com:8485/ns1</value> </property> <!-- JournalNode 用于存放 editlog 和其他状态信息的目录 --> <property> <name>dfs.journalnode.edits.dir</name> <value>/home/vagrant/VMBigData/hadoop/data/journal</value> </property> <property> <name>dfs.ha.automatic-failover.enabled</name> <value>true</value> </property> <property> <name>dfs.client.failover.proxy.provider.ns1</name> <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> </property> <property> <name>dfs.client.failover.proxy.provider.ns2</name> <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> </property> <!-- 一种关于 NameNode 的隔离机制(fencing) --> <property> <name>dfs.ha.fencing.methods</name> <value>sshfenceshell(/bin/true)</value> </property> <property> <name>dfs.ha.fencing.ssh.private-key-files</name> <value>/home/vagrant/.ssh/id_rsa</value> </property> <property> <name>dfs.ha.fencing.ssh.connect-timeout</name> <value>30000</value> </property> <property> <name>dfs.namenode.name.dir</name> <!-- 创建的namenode文件夹位置，如有多个用逗号隔开。配置多个的话，每一个目录下数据都是相同的，达到数据冗余备份的目的 --> <value>file:///home/vagrant/VMBigData/hadoop/data/namenode1,file:///home/vagrant/VMBigData/hadoop/data/namenode2</value> </property> <property> <name>dfs.datanode.data.dir</name> <!-- 创建的datanode文件夹位置，多个用逗号隔开，实际不存在的目录会被忽略 --> <value>file:///home/vagrant/VMBigData/hadoop/data/datanode1,file:///home/vagrant/VMBigData/hadoop/data/datanode2</value> </property>
</configuration>
- vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/yarn-env.sh
# export JAVA_HOME=/home/y/libexec/jdk1.6.0/
export JAVA_HOME=/home/vagrant/VMBigData/java/default/
- vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/yarn-site.xml
<?xml version="1.0" encoding="utf-8"?>
<!-- YARN-HA 配置 -->
<configuration> <!-- YARN HA 配置开始，与NN HA很相似 --><property> <name>yarn.resourcemanager.zk-address</name> <value>h01.vm.com:2181,h02.vm.com:2181,h03.vm.com:2181</value> </property> <property> <!-- 启用RM的高可用模式 --><name>yarn.resourcemanager.ha.enabled</name> <value>true</value> </property> <property> <!-- 配置HA节点的逻辑名称 --><name>yarn.resourcemanager.ha.rm-ids</name> <value>rm1,rm2</value> </property> <property> <name>yarn.resourcemanager.hostname.rm1</name> <value>h01.vm.com</value> </property> <property> <name>yarn.resourcemanager.hostname.rm2</name> <value>h02.vm.com</value> </property> <property> <name>yarn.resourcemanager.address.rm1</name> <value>h01.vm.com:8032</value> </property> <property> <name>yarn.resourcemanager.address.rm2</name> <value>h02.vm.com:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address.rm1</name> <value>h01.vm.com:8030</value> </property> <property> <name>yarn.resourcemanager.scheduler.address.rm2</name> <value>h02.vm.com:8030</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address.rm1</name> <value>h01.vm.com:8031</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address.rm2</name> <value>h02.vm.com:8031</value> </property> <property> <name>yarn.resourcemanager.webapp.address.rm1</name> <value>h01.vm.com:8088</value> </property> <property> <name>yarn.resourcemanager.webapp.address.rm2</name> <value>h02.vm.com:8088</value> </property> <property> <name>yarn.resourcemanager.ha.automatic-failover.enabled</name> <value>true</value> </property> <property> <!-- 配置集群ID，使得yarn能够在正确的集群上Active --><name>yarn.resourcemanager.cluster-id</name> <value>hd0703-yarn</value> </property> <property> <name>yarn.client.failover-proxy-provider</name> <value>org.apache.hadoop.yarn.client.ConfiguredRMFailoverProxyProvider</value> </property> <property> <name>yarn.resourcemanager.recovery.enabled</name> <value>true</value> </property> <property><!-- 两个可选值：org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore 以及 默认值org.apache.hadoop.yarn.server.resourcemanager.recovery.FileSystemRMStateStore --><name>yarn.resourcemanager.store.class</name> <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value> </property> <!-- YARN HA 配置结束 --><property> <name>yarn.log-aggregation-enable</name> <!-- 打开日志聚合功能，这样才能从web界面查看日志 --> <value>true</value> </property> <property> <name>yarn.log-aggregation.retain-seconds</name> <!-- 聚合日志最长保留时间 --> <value>86400</value> </property> <property> <name>yarn.nodemanager.resource.memory-mb</name> <!-- NodeManager总的可用内存，这个要根据实际情况合理配置 --> <value>1024</value> </property> <property> <name>yarn.scheduler.minimum-allocation-mb</name> <!-- MapReduce作业时，每个task最少可申请内存 --> <value>256</value> </property> <property> <name>yarn.scheduler.maximum-allocation-mb</name> <!-- MapReduce作业时，每个task最多可申请内存 --> <value>512</value> </property> <property> <name>yarn.nodemanager.vmem-pmem-ratio</name> <!-- 可申请使用的虚拟内存，相对于实际使用内存大小的倍数。实际生产环境中可设置的大一些，如4.2 --> <value>2.1</value> </property> <property> <name>yarn.nodemanager.vmem-check-enabled</name> <value>false</value> </property> <property> <name>yarn.nodemanager.local-dirs</name> <!-- 中间结果存放位置。注意，这个参数通常会配置多个目录，已分摊磁盘IO负载。 --> <value>/home/vagrant/VMBigData/hadoop/data/localdir1,/home/vagrant/VMBigData/hadoop/data/localdir2</value> </property> <property> <name>yarn.nodemanager.log-dirs</name> <!-- 日志存放位置。注意，这个参数通常会配置多个目录，已分摊磁盘IO负载。 --> <value>/home/vagrant/VMBigData/hadoop/data/hdfs/logdir1,/home/vagrant/VMBigData/hadoop/data/hdfs/logdir2</value> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name> <value>org.apache.hadoop.mapred.ShuffleHandler</value> </property>
</configuration>
- vim /home/vagrant/VMBigData/hadoop/default/etc/hadoop/mapred-site.xml
<?xml version="1.0" encoding="utf-8"?>
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>yarn.app.mapreduce.am.resource.mb</name> <!-- 默认值为 1536,可根据需要调整，调小一些也是可接受的 --> <value>512</value> </property> <property> <name>mapreduce.map.memory.mb</name> <!-- 每个map task申请的内存，每一次都会实际申请这么多 --> <value>384</value> </property> <property> <name>mapreduce.map.java.opts</name> <!-- 每个map task中的child jvm启动时参数，需要比 mapreduce.map.memory.mb 设置的小一些 --> <!-- 注意：map任务里不一定跑java，可能跑非java（如streaming） --> <value>-Xmx256m</value> </property> <property> <name>mapreduce.reduce.memory.mb</name> <value>384</value> </property> <property> <name>mapreduce.reduce.java.opts</name> <value>-Xmx256m</value> </property> <property> <name>mapreduce.tasktracker.map.tasks.maximum</name> <value>2</value> </property> <property> <name>mapreduce.tasktracker.reduce.tasks.maximum</name> <value>2</value> </property> <property> <name>mapred.child.java.opts</name> <!-- 默认值为 -Xmx200m，生产环境可以设大一些 --> <value>-Xmx384m</value> </property> <property> <name>mapreduce.task.io.sort.mb</name> <!-- 任务内部排序缓冲区大小 --> <value>128</value> </property> <property> <name>mapreduce.task.io.sort.factor</name> <!-- map计算完全后的merge阶段，一次merge时最多可有多少个输入流 --> <value>100</value> </property> <property> <name>mapreduce.reduce.shuffle.parallelcopies</name> <!-- reuduce shuffle阶段并行传输数据的数量 --> <value>50</value> </property> <property> <name>mapreduce.jobhistory.address</name> <value>h01.vm.com:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>h01.vm.com:19888</value> </property>
</configuration>
!!! 特别要注意 !!! 在 hdfs-site.xml 文件中的 dfs.namenode.shared.edits.dir 配置项： 当配置文件所在节点处于ns1集群时，此处值末尾部分为ns1，当处于ns2集群时，则为ns2
安装配置zookeeper
- 在 h01 操作，后面通过 scp 同步到其他主机
cd /home/vagrant/VMBigData/zookeeper/default/conf/
cp zoo_sample.cfg zoo.cfg
vim zoo.cfg
# 对该文件做出以下修改
dataDir=/home/vagrant/VMBigData/zookeeper/data/tmp
# 如果无法启动zookeeper，可将以下代码对应的行改为 0.0.0.0:2888:3888
# 注意zookeeper解析该文件很死板，不要输入多余的空格和空行
server.1=h01.vm.com:2888:3888
server.2=h02.vm.com:2888:3888
server.3=h03.vm.com:2888:3888
mkdir -p /home/vagrant/VMBigData/zookeeper/data/tmp
vim /home/vagrant/VMBigData/zookeeper/data/tmp/myid
# 在此文件中输入节点编号，比如h01节点就输入1，h02节点就输入2
将hadoop所需文件同步到其他主机
- 在 h01 上操作
scp -r /home/vagrant/VMBigData vagrant@h02.vm.com:/home/vagrant
scp -r /home/vagrant/VMBigData vagrant@h03.vm.com:/home/vagrant
scp -r /home/vagrant/VMBigData vagrant@h04.vm.com:/home/vagrant
!!! 注意：default 软连接需要重建 !!!
- 修改各节点的 zookeeper 的 /home/vagrant/VMBigData/zookeeper/data/tmp/myid 文件，内容为各节点编号，本例中为 1,2,3
启动zookeeper
- 在 h01 h02 h03 操作
cd /home/vagrant/VMBigData/zookeeper/default
bin/zkServer.sh start
启动JournalNode
- 在任一配置了journalnode的节点操作
cd /home/vagrant/VMBigData/hadoop/default
sbin/hadoop-daemons.sh --hostnames "h02.vm.com h03.vm.com h04.vm.com" start journalnode
格式化namenode
- 在 h01 和 h03 即每个集群其中一台namenode的节点上执行
- 注意需要指定集群ID
hdfs namenode -format -clusterid hd0703
!!! 注意仅在首次启动时执行，因为此命令会删除hadoop集群所有的数据 !!!
启动格式化后的namenode
- 在已经格式化过的 h01 和 h03 namenode 节点运行
cd /home/vagrant/VMBigData/hadoop/default
sbin/hadoop-daemons.sh --hostnames "h01.vm.com h03.vm.com" start namenode
同步四个namenode的数据
- 在 h02 和 h04 执行同步
cd /home/vagrant/VMBigData/hadoop/default
hdfs namenode -bootstrapStandby
启动同步后的namenode
- 在已经同步过的 h02 和 h04 namenode 节点运行
cd /home/vagrant/VMBigData/hadoop/default
sbin/hadoop-daemons.sh --hostnames "h02.vm.com h04.vm.com" start namenode
格式化zkfc
- 在 h01 和 h03 (主namenode) 上操作
hdfs zkfc -formatZK
!!! 注意仅在首次启动时执行 !!!
启动zkfc
- 在 h01 操作即可
cd /home/vagrant/VMBigData/hadoop/default
sbin/hadoop-daemons.sh --hostnames "h01.vm.com h02.vm.com h03.vm.com h04.vm.com" start zkfc
# sbin/hadoop-daemons.sh stop zkfc # 停止
启动hadoop集群：
启动hdfs
- 可在任意主节点执行
cd /home/vagrant/VMBigData/hadoop/default
sbin/start-dfs.sh
# sbin/stop-dfs.sh # 停止
启动Yarn
- 在h01 和 h02 即计划搭载 ResourceManager 的节点上操作
cd /home/vagrant/VMBigData/hadoop/default
sbin/start-yarn.sh
# sbin/stop-yarn.sh# 停止
浏览服务启动情况
NameNode1 http://192.168.100.201:50070
NameNode2 http://192.168.100.202:50070
NameNode3 http://192.168.100.203:50070
NameNode4 http://192.168.100.204:50070
ResourceManager1 http://192.168.100.201:8088
ResourceManager2 http://192.168.100.202:8088
Datanode http://192.168.100.203:50075 http://192.168.100.204:50075
zookeeper bin/zkServer.sh status
zookeeper命令行 zkCli.sh -server 127.0.0.1:2181
集群状态 bin/hdfs dfsadmin -report
hadoop进程 jps
动态添加/删除HA集群
// todo
动态添加/删除datanode
// todo
参考链接
Apache Hadoop 2.7.2 – HDFS Federation
Apache Hadoop 2.7.2 – HDFS High Availability Using the Quorum Journal Manager
Apache Hadoop 2.7.2 – ResourceManager High Availability
转载于:https://my.oschina.net/bochs/blog/789612
Hadoop HA+Federation 高可用联邦模式搭建指南相关推荐
- Hadoop集群高可用及zookeeper+kafka组件搭建
目录 一.Hadoop集群高可用 1.Zookeeper概述 1)Zookeeper基本概述 3)Zab协议 3)observer 4)zookeeper集群图例 2.zookeeper集群搭建 3. ...
- hadoop高可用hdfs搭建（三节点）
hadoop高可用HDFS搭建(三节点) 一:准备工作 本次搭建使用的hadoop版本是2.6.5,使用虚拟机准备三个干净的节点服务器,我们从零开始搭建.规范下三个节点的主机名分别是node003,n ...
- HA 高可用软件系统保养指南
又过了一年 618,六月是公司一年一度的大促月,一般提前一个月各系统就会减少需求和功能的开发,转而更多去关注系统可用性.稳定性和管控性等方面的非功能需求.大促前的准备工作一般叫作「备战」,可以把线上运 ...
- Hadoop部署方式-高可用集群部署(High Availability)
Hadoop部署方式-高可用集群部署(High Availability) 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. 本篇博客的高可用集群是建立在完全分布式基础之上的,详情请参 ...
- HDFS High Availability（HA）高可用、单点故障、主备集群、脑裂问题、数据同步问题、HDFS HA解决方案—QJM
HDFS High Availability(HA)高可用 1.1 High Availability背景知识 1.1.1 单点故障.高可用 单点故障(英语:single point of failu ...
- Spark源码阅读02-Spark核心原理之容错及HA（高可用）
容错及HA(高可用) 概念介绍 Executor异常 Worker异常 Master异常 概念介绍 容错指的是一个系统在部分模块出现故障时还能否持续的对外提供服务,一个高可用(HA)的系统应该具有很高 ...
- 美团点评基于MGR的CMDB高可用架构搭建之路【转】
王志朋 美团点评DBA 曾在京东金融担任DBA,目前就职于美团点评,主要负责金融业务线数据库及基础组件数据库的运维. MySQL Group Replication(以下简称MGR),于5.7.17版 ...
- 14、高可用keepalived搭建及切换
14.高可用keepalived搭建及切换 keepalived主从切换试验: 1.先搭建192.168.1.20与192.168.1.21的主主架构 192.168.1.76为VIP 2.在 ...
- CDH页面配置HA（高可用）
CDH页面配置HA(高可用) 集群的配置简单介绍: (1) NameNode机器: 运行 Active NameNode和 Standby NameNode 的机器配置应保持一样. (2) 当 Act ...
最新文章
- 百度编辑器上传图片自定义路径，访问路径动态加载
- mysql job 运行时间设置_mysql 的job 设置
- 让你不再对网络安全产生七种误解
- Nutanix 将社区版代码带入云中
- linux mint 无法联网_Linux Mint系统安装后WiFi不可用的解决办法
- C# 站点IP访问频率限制 针对单个站点
- 14-mysql-分页查询
- 进程虚拟地址空间之数据分区存放【转】
- Linux下PHP开启Oracle支持(oci8)
- 双系统重装Ubuntu经验分享
- 《整理的艺术》读书笔记
- 分享几个下载kindle电子书的资源网站
- python从0开始学编程第二天第19讲_少儿Python编程_第十九讲 数据分析网站
- 网站PC端与wap端适配
- 什么是MEID号如何申请MEID，A0、A1、A2以及99开头的MEID号的区别？
- Altium Designer导入Allegro17.4 PCB文件
- 解决maven工程的properties文件内容呈灰色
- WebPagetest H5性能测试工具入门详解
- web直播+聊天室功能（阿里云播放器和即时通信IM聊天、消息自动滚动）
- 2021年11月14日