第8章 HDFS HA高可用

8.1.HA概述

HA（high available），即高可用（7*24小时不中断服务）。
实现高可用最关键的策略是消除单点故障。HA严格来说应该分成各个组件的HA机制：HDFS的HA和YARN的HA。
Hadoop2.0之前，在HDFS集群中NameNode存在单点故障（SPOF）。
NameNode主要在以下两个方面影响HDFS集群
① NameNode机器发生意外，如：宕机，集群将无法使用，直到管理员重启
② NameNode机器需要升级，包括软件、硬件升级，此时集群也将无法使用
HDFS HA功能通过配置Active/Standby两个状态的NameNode实现在集群中对NameNode的热备来解决上述问题。如果出现故障，如：机器崩溃或机器需要升级维护，这时可通过此种方式将NameNode很快的切换到另外一台机器。

8.2.HDFS-HA工作机制

8.2.1.HDFS-HA工作要点

(1) 元数据管理方式需要改变

内存中各自保存一份元数据；
Edits日志只有Active状态的NameNode节点可以做写操作；
两个NameNode都可以读取edits；
共享的edits放在一个共享存储中管理；

(2) 需要一个状态管理功能模块
实现了一个ZKFailoverController，常驻在每一个NameNode所在的节点，每一个ZKFailoverController负责监控自己所在NameNode节点，利用zk进行状态标识，需要进行状态切换时，由ZKFailoverController来负责切换，切换时需要防止brain split现象的发生。

(3) 必须保证两个NameNode之间能够ssh无密码登录。

(4) 隔离（Fence），即同一时刻仅仅有一个NameNode对外提供服务

8.2.2.HDFS-HA工作机制

使用命令致使NameNode失效

hdfs haadmin -failover

在该模式下，系统不会自动从现役NameNode转移到待机NameNode。

自动故障转移为HDFS增加了两个新组件：ZooKeeper和ZKFailoverController（ZKFC）进程。ZooKeeper维护少量协调数据，通知客户端这些数据的改变和监视客户端故障的高可用服务。

HA的自动故障转移依赖于ZooKeeper的以下功能：
①　故障检测：集群中每个NameNode在ZooKeeper中维护了一个持久会话，如果机器崩溃，ZooKeeper中的会话将终止，ZooKeeper通知另一个NameNode需要触发故障转移。
②　现役NameNode选择：ZooKeeper提供了一个简单的机制用于唯一的选择一个节点为Active状态。如果目前现役NameNode崩溃，另一个节点可能从ZooKeeper获得特殊的排它锁以表明它应该成为现役NameNode。

ZKFC是自动故障转移中的另一个组件，是ZooKeeper的客户端，监视和管理NameNode的状态。每个运行NameNode的主机也运行了一个ZKFC进程，ZKFC负责：
①　健康监测：ZKFC使用一个健康检查命令定期地ping与之在相同主机的NameNode，只要该NameNode及时地回复健康状态，ZKFC认为该节点是健康的。如果该节点崩溃或进入不健康状态，健康监测器标识该节点为非健康的。
②　ZooKeeper会话管理：当本地NameNode是健康的，ZKFC保持一个在ZooKeeper中打开的会话。如果本地NameNode处于Active状态，ZKFC也保持一个特殊的znode锁，该锁使用了ZooKeeper对临时节点的支持，如果会话终止，锁节点将自动删除。
③　基于ZooKeeper的选择：如果本地NameNode是健康的，且ZKFC发现没有其它节点持有当前znode锁，它将为自己获取该锁。如果成功，则它已经赢得了选择，并负责运行故障转移进程以使它的本地NameNode为Active。故障转移进程首先必须保护之前的现役NameNode，然后本地NameNode转换为Active状态。

上图中，共享存储系统可以选择Network File System或者JournalNode，前者是通过linux共享的文件系统，属于操作系统的配置；后者是Hadoop自身的东西，属于软件的配置。

集群启动时，可以同时启动2个NameNode。这些NameNode只有一个是active的，另一个属于standby状态。active状态意味着提供服务，standby状态意味着处于休眠状态，只进行数据同步，时刻准备着提供服务。

在任一时刻，只有一个NameNode处于active状态，另一个处于standby状态。其中，active状态的NameNode负责所有的客户端操作，standby状态的NameNode处于从属地位，维护着数据状态，随时准备切换。

两个NameNode为了数据同步，会通过一组称作JournalNodes的独立进程进行相互通信。当active状态的NameNode的命名空间有任何修改时，会告知大部分的JournalNodes进程。standby状态的NameNode有能力读取JNs中的变更信息，并且一直监控edit log的变化，把变化应用于自己的命名空间。standby可以确保在集群出错时，命名空间状态已经完全同步了。

8.3.HDFS-HA集群配置

8.3.1.环境准备

修改主机名、主机名和IP地址的映射
关闭防火墙
ssh免密登录
安装JDK，配置环境变量等

8.3.2.规划集群

hadoop102	hadoop103	hadoop104
NameNode	NameNode
JournalNode	JournalNode	JournalNode
DataNode	DataNode	DataNode
ZK	ZK	ZK
	ResourceManager
NodeManager	NodeManager	NodeManager

8.3.3.安装部署Zookeeper

在hadoop102、hadoop103和hadoop104三个节点上部署Zookeeper。

(1) 解压安装zookeeper
① 解压zookeeper安装包到/opt/module/目录下

tar -zxvf zookeeper-3.4.10.tar.gz -C /opt/module/

② 在/opt/module/zookeeper-3.4.10/这个目录下创建zkData

mkdir -p zkData

③ 重命名/opt/module/zookeeper-3.4.10/conf目录下的zoo_sample.cfg为zoo.cfg

mv zoo_sample.cfg zoo.cfg

(2) 配置zoo.cfg文件

dataDir=/opt/module/zookeeper-3.4.10/zkData
增加如下配置
#######################cluster##########################
server.2=hadoop102:2888:3888
server.3=hadoop103:2888:3888
server.4=hadoop104:2888:3888

参数说明
server.A=B:C:D。
A是一个数字，表示这个是第几号服务器；
B是这个服务器的ip地址；
C是服务器与集群中的Leader通信的端口；
D是集群中如果出现Leader服务器挂了，需要一个端口重新进行选举，选出一个新的Leader，而这个端口就是用来执行选举时服务器相互通信的端口。

(3) 集群操作
① 在/opt/module/zookeeper-3.4.10/zkData目录下创建一个myid的文件

touch myid

注意：添加myid文件，最好在linux里面创建，在notepad++里面很可能出现不可见字符
② 编辑myid文件

vi myid

在文件中添加与server对应的编号：如2
③ 拷贝配置好的zookeeper到其他机器上

scp -r zookeeper-3.4.10/ root@hadoop103:/opt/module/
scp -r zookeeper-3.4.10/ root@hadoop104:/opt/module/

并分别修改myid文件中内容为3、4
④ 所有节点启动zookeeper

bin/zkServer.sh start
bin/zkServer.sh start
bin/zkServer.sh start

⑤ 查看状态

$ bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: follower

$ bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: leader

$ bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: follower

8.3.4.配置HDFS-HA集群

(1) 在opt目录下创建一个module文件夹

mkdir module

(2) 将 hadoop-2.7.2拷贝到/opt/module目录下

cp -r hadoop-2.7.2/ /opt/module/

(3) 配置hadoop-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

(4) 配置core-site.xml

<configuration><!-- 把两个NameNode的地址组装成一个集群mycluster --><property><name>fs.defaultFS</name><value>hdfs://mycluster</value></property><!-- 指定hadoop运行时产生文件的存储目录 --><property><name>hadoop.tmp.dir</name><value>/opt/module/hadoop-2.7.2/data/tmp</value></property>
</configuration>

(5) 配置hdfs-site.xml

<configuration><!-- 完全分布式集群名称 --><property><name>dfs.nameservices</name><value>mycluster</value></property><!-- 集群中NameNode节点都有哪些 --><property><name>dfs.ha.namenodes.mycluster</name><value>nn1,nn2</value></property><!-- nn1的RPC通信地址 --><property><name>dfs.namenode.rpc-address.mycluster.nn1</name><value>hadoop102:9000</value></property><!-- nn2的RPC通信地址 --><property><name>dfs.namenode.rpc-address.mycluster.nn2</name><value>hadoop103:9000</value></property><!-- nn1的http通信地址 --><property><name>dfs.namenode.http-address.mycluster.nn1</name><value>hadoop102:50070</value></property><!-- nn2的http通信地址 --><property><name>dfs.namenode.http-address.mycluster.nn2</name><value>hadoop103:50070</value></property><!-- dfs.namenode.shared.edits.dir 这是NameNode读写JNs组的uri。通过这个uri，NameNodes可以读写edit log内容。URI的格式"qjournal://host1:port1;host2:port2;host3:port3/journalId"。这里的host1、host2、host3指的是Journal Node的地址，这里必须是奇数个，至少3个；其中journalId是集群的唯一标识符，对于多个联邦命名空间，也使用同一个journalId --><property><name>dfs.namenode.shared.edits.dir</name><value>qjournal://hadoop102:8485;hadoop103:8485;hadoop104:8485/mycluster</value></property><!-- 配置隔离机制，即同一时刻只能有一台服务器对外响应 --><property><name>dfs.ha.fencing.methods</name><value>sshfence</value></property><!-- 使用隔离机制时需要ssh无秘钥登录--><property><name>dfs.ha.fencing.ssh.private-key-files</name><value>/root/.ssh/id_rsa</value></property><!-- 声明journalnode服务器存储目录--><property><name>dfs.journalnode.edits.dir</name><value>/opt/modules/hadoop-2.7.2/data/jn/mycluster</value></property><!-- 关闭权限检查--><property><name>dfs.permissions.enable</name><value>false</value></property><!-- 访问代理类：client，mycluster，active配置失败自动切换实现方式--><property><name>dfs.client.failover.proxy.provider.mycluster</name><value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value></property><!-- 延长等待时间 --><property><name>dfs.ha.fencing.methods</name><value>sshfence</value></property><property><name>dfs.ha.fencing.ssh.connect-timeout</name><value>60000</value></property>
</configuration>

(6) 拷贝配置好的hadoop环境到其他节点

8.3.5.启动HDFS实现手动故障转移

(1) 在所有JournalNode节点上，输入以下命令启动journalnode服务

sbin/hadoop-daemon.sh start journalnode

(2) 在nn1上，对其进行格式化，并启动namenode

bin/hdfs namenode -format
sbin/hadoop-daemon.sh start namenode

(3) 在nn2上，同步nn1的元数据信息

bin/hdfs namenode -bootstrapStandby

(4) 启动nn2

sbin/hadoop-daemon.sh start namenode

(5) 查看web页面显示

此时两个NameNode都为Standby模式

(6) 在nn1上，启动所有datanode

sbin/hadoop-daemons.sh start datanode

注意：hadoop-daemon.sh用于在当前节点进行操作，hadoop-daemons.sh用于在所有节点进行操作

(7) 将nn1切换为Active

bin/hdfs haadmin -transitionToActive nn1

(8) 查看是否Active

bin/hdfs haadmin -getServiceState nn1

(9) 准备切换

bin/hdfs haadmin -transitionToStandby nn1
bin/hdfs haadmin -transitionToActive nn2

注意：在hadoop102上执行，先把nn1设置为Standby模式，如果此时主NameNode无法联系，则无法切换备用NameNode为Active

8.3.6.配置HDFS-HA自动故障转移

在hdfs-site.xml中增加

<property><name>dfs.ha.automatic-failover.enabled</name><value>true</value>
</property>

在core-site.xml文件中增加

<property><name>ha.zookeeper.quorum</name><value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value>
</property>

操作步骤
① 关闭所有HDFS服务

sbin/stop-dfs.sh

② 启动Zookeeper集群

bin/zkServer.sh start

③ 初始化HA在Zookeeper中状态

bin/hdfs zkfc -formatZK

④ 启动HDFS服务

sbin/start-dfs.sh

⑤ 在所有NameNode节点上启动ZK Failover Controller，先在哪台机器启动，哪个机器的NameNode就是Active NameNode

sbin/hadoop-daemin.sh start zkfc

验证
① 将Active NameNode进程kill

kill -9 namenode的进程id

② 将Active NameNode机器断开网络

service network stop

8.4.YARN-HA配置

8.4.1.YARN-HA工作机制

官方文档
http://hadoop.apache.org/docs/r2.7.2/hadoop-yarn/hadoop-yarn-site/ResourceManagerHA.html

YARN-HA工作原理

8.4.2.配置YARN-HA集群

(1) 环境准备
① 修改主机名、主机名和IP地址的映射
② 关闭防火墙
③ ssh免密登录
④ 安装JDK，配置环境变量等
⑤ 配置Zookeeper集群

(2) 规划集群

hadoop102	hadoop103	hadoop104
NameNode	NameNode
JournalNode	JournalNode	JournalNode
DataNode	DataNode	DataNode
ZK	ZK	ZK
ResourceManager	ResourceManager
NodeManager	NodeManager	NodeManager

(3) 修改配置
yarn-site.xml

<configuration><!--NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序默认值：“”--><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><!--启用resourcemanager ha--><property><name>yarn.resourcemanager.ha.enabled</name><value>true</value></property><!--集群id--><property><name>yarn.resourcemanager.cluster-id</name><value>cluster-yarn1</value></property>
<!--声明两个resourcemanager 逻辑节点--><property><name>yarn.resourcemanager.ha.rm-ids</name><value>rm1,rm2</value></property>
<!--集群物理节点--><property><name>yarn.resourcemanager.hostname.rm1</name><value>hadoop102</value></property><property><name>yarn.resourcemanager.hostname.rm2</name><value>hadoop103</value></property><!--指定zookeeper集群的地址--><property><name>yarn.resourcemanager.zk-address</name><value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value></property><!--启用自动恢复--><property><name>yarn.resourcemanager.recovery.enabled</name><value>true</value></property><!--指定resourcemanager的状态信息存储在zookeeper集群--><property><name>yarn.resourcemanager.store.class</name><value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value></property>
</configuration>

同步更新其他节点的配置信息

(4) 启动hdfs
① 在所有JournalNode节点上，启动journalnode服务

sbin/hadoop-daemon.sh start journalnode

② 在nn1上，对其进行格式化，并启动NameNode

bin/hdfs namenode -format
sbin/hadoop-daemon.sh start namenode

③ 在nn2上，同步nn1的元数据信息

bin/hdfs namenode -bootstrapStandby

④ 在nn2上，启动nn2

sbin/hadoop-daemon.sh start namenode

⑤ 启动所有datanode

sbin/hadoop-daemons.sh start datanode

⑥ 将nn1切换为Active

bin/hdfs haadmin -transitionToActive nn1

(5)启动yarn
① 在hadoop102中执行

sbin/start-yarn.sh

② 在hadoop103中执行

sbin/yarn-daemon.sh start resourcemanager

③ 查看服务状态

bin/yarn rmadmin -getServiceState rm1

8.5.HDFS Federation架构设计

8.5.1.NameNode架构的局限性

(1) Namespace（命名空间）的限制
由于NameNode在内存中存储所有的元数据（metadata），因此单个namenode所能存储的对象（文件+块）数目受到namenode所在JVM的heap size的限制。50G的heap能够存储20亿（2000million）个对象，这20亿个对象支持4000个datanode，12PB的存储（假设文件平均大小为40MB）。随着数据的飞速增长，存储的需求也随之增长。单个datanode从4T增长到36T，集群规模增长到8000个datanode。存储的需求从12PB增长到大于100PB。

(2) 隔离问题
由于HDFS仅有一个namenode，无法隔离各个程序，因此HDFS上的一个实验程序就很有可能影响整个HDFS上运行的程序。

(3) 性能的瓶颈
由于是单个namenode的HDFS架构，因此整个HDFS文件系统的吞吐量受限于单个namenode的吞吐量。

8.5.2.HDFS Federation架构设计

能不能有多个NameNode

NameNode	NameNode	NameNode
元数据	元数据	元数据
Log	machine	商数据/话单数据

HDFS Federation应用思考
不同应用（图片业务、爬虫业务、日志审计业务）可以使用不同NameNode进行数据管理

Hadoop生态系统中，不同的框架使用不同的namenode进行管理namespace。（隔离性）