Hadoop集群搭建：用三台云服务器搭建HA集群（过程记录和分享）
该文主要记录了自己用云服务器搭建集群的过程，也分享一些自己遇到的问题和解决方法。里面可能提及一些自己的理解，可能不够准确，希望大家能够指正我，谢谢。
1.什么是HA集群
HA ：High Available
问题：对于只有一个namenode的集群，如果namenode的集群出现故障，集群将无法使用直到重新启动。
方法：开启HDFS的HA功能，通过在不同节点上设置Active/Standby两个namenode，当其中一个出现故障，可以很快的把namenode切换到另外一台机器（同时只有一个namenode处于Active状态）。为了能够实时同步 Active 和 Standby 两个 NameNode 的元数据信息（实际上 editlog），需提 供一个共享存储系统，可以是 NFS、QJM（Quorum Journal Manager）或者 Zookeeper，Active Namenode 将数据写入共享存储系统，而 Standby 监听该系统，一旦发现有新数据写入，则 读取这些数据，并加载到自己内存中，以保证自己内存状态与 Active NameNode 保持基本一 致，如此这般，在紧急情况下 standby 便可快速切为 active namenode。为了实现快速切换，Standby 节点获取集群的最新文件块信息也是很有必要的。为了实现这一目标，DataNode 需要配置 NameNodes 的位置，并同时给他们发送文件块信息以及心跳检测。
2.集群规划
三台DigitalOcean的1G内存的服务器，系统是Ubuntu 16.04.4（内存只有1G,所以配置文件中内存分配必须根据实际设置，不能使用默认值），三台组成一个Zookeeper集群（奇数且最少三台）。hadoop1和hadoop2作为namenode的主备切换，hadoop3运行resourcemanager，因为机器性能限制，namenode和resourcemanager都要占用大量资源，所以把他们分开了。而且在这里，没有启用RM的高性能模式。
3.服务器准备（注意每台机器使用的用户名必须相同，在这里我全是root用户）
3.0 修改主机名和ip-hostname映射关系
主要是修改 /etc/hostname 和 /etc/hosts 两个文件。关于修改hostname是不是必要这个问题，我刚开始是直接用的Ip地址，但是会发现HDFS里面有很多函数方法都会首先默认取主机名，从而会有很多Error出现。况且通过配置ip和主机名的映射关系，配置文件的修改会更加的方便。
a.分别在三台机器的/etc/hostname文件修改主机名，分别取名为hadoop1，hadoop2，hadoop3 。
b.在每台机器的 /etc/hosts 文件中中添加Ip和主机名的映射关系。关于这里的Ip是公网ip还是内网ip的问题，这个问题我觉得不能一刀切。一般情况下使用的是内网Ip，但是DigitalOcean的服务器自己 ping 自己的内网Ip是ping不通的，但是公网却能够ping 通。所以我在这里的ip使用的是公网Ip。Ip是公网的还是内网的涉及到不同的zookeeper的配置，所以配置时候得根据实际情况。
Ip1 hadoop1
Ip2 hadoop2
Ip3 hadoop3
3.1 ssh免登陆配置
在每台服务器的/root/.ssh/ 目录中，执行如下命令生成一对密钥，并将本地主机的公钥添加到远程主机的authorized_keys文件上。三台机器两两双向进行配置，注意包括自己对自已。
ssh-keygen -t rsa ssh-copy-id ip
3.2 Java环境安装
apt-get install openjdk-8-jre
3.3 Hadoop（每台服务器Hadoop的安装目录必须一致，安装包的配置信息也必须一致）
在 /root/目录中，执行以下命令下载Hadoop安装包，然后解压到当前目录 tar -zxvf hadoop-3.8.4.tar.gz -C /root/ 。我安装的版本是2.8.4。也可以只现在一台服务器上安装并配置好，然后复制到其他服务器上。
wget http://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.8.4/hadoop-2.8.4.tar.gz
3.4 Zookeeper
在每台服务器的 /root/目录中，执行以下命令下载Zookeeper安装包，然后解压到当前目录tar -zxvf zookeeper-3.4.12tar.gz -C /root/ 。也可以在一台服务器上安装并配置好，然后复制到其他服务器上。但是zookeeper的配置文件每台服务器不同注意修改。
wget https://zookeeper.apache.org/releases.html#download
3.5 添加环境变量
在每台服务器的 /etc/profile 文件最后添加hadoop，java和zookeeper的路径。然后，执行 source /etc/profile 命令后生效。
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre export HADOOP_HOME=/root/hadoop-2.8.4 export ZOOKEEPER_HOME=/root/zookeeper-3.4.12 export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZOOKEEPER_HOME/bin
4.配置文件的修改（配置文件分别位于root/hadoop-2.8.4/etc/hadoop和root/zookeeper-3.4.12/conf）
4.1 hadoop-env.sh
将25行左右的那一行替换成如下语句
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre
4.2 core-site.xml
<configuration>
<!-- 指定hdfs的nameservice为ns(任取)-->
<property>
<name>fs.defaultFS</name>
<value>hdfs://ns</value>
</property>
<!-- 指定hadoop临时目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/root/hadoop-2.8.4/tmp</value>
</property>
<!--流文件的缓冲区单位KB>
<property>
<name>io.file.buffer.size</name>
<value>4096</value>
</property>
<!-- 指定zookeeper集群的地址 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>hadoop1:2181,hadoop2:2181,hadoop3:2181</value>
</property>
</configuration>
4.3 hdfs-site.xml
<configuration>
<!--指定hdfs的nameservice为ns，需要和core-site.xml中的保持一致 --> <property> <name>dfs.nameservices</name> <value>ns</value> </property> <!-- ns下面有两个NameNode，分别是nn1，nn2 --> <property> <name>dfs.ha.namenodes.ns</name> <value>nn1, nn2</value> </property> <!-- nn1的RPC通信地址 --> <property> <name>dfs.namenode.rpc-address.ns.nn1</name> <value>hadoop1:9000</value> </property> <!-- nn1的http通信地址 --> <property> <name>dfs.namenode.http-address.ns.nn1</name> <value>hadoop1:50070</value> </property> <!-- nn2的RPC通信地址 --> <property> <name>dfs.namenode.rpc-address.ns.nn2</name> <value>hadoop2:9000</value> </property> <!-- nn2的http通信地址 --> <property> <name>dfs.namenode.http-address.ns.nn2</name> <value>hadoop2:50070</value> </property> <!-- 指定NameNode的元数据在JournalNode上的存放位置 --> <property> <name>dfs.namenode.shared.edits.dir</name> <value>qjournal://hadoop1:8485;hadoop2:8485;hadoop3:8485/ns</value> </property> <!-- 指定JournalNode在本地磁盘存放数据的位置 --> <property> <name>dfs.journalnode.edits.dir</name> <value>/root/hadoop-2.8.4/journal</value> </property> <!-- 开启NameNode失败自动切换 --> <property> <name>dfs.ha.automatic-failover.enabled</name> <value>true</value> </property> <!-- 配置失败自动切换实现方式 --> <property> <name>dfs.client.failover.proxy.provider.ns</name> <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> </property> <!-- 配置隔离机制方法，多个机制用换行分割，即每个机制暂用一行--> <property> <name>dfs.ha.fencing.methods</name> <value> sshfence shell(/bin/true) </value> </property> <!-- 使用sshfence隔离机制时需要ssh免登陆 --> <property> <name>dfs.ha.fencing.ssh.private-key-files</name> <value>/root/.ssh/id_rsa</value> </property> <!-- 配置sshfence隔离机制超时时间 --> <property> <name>dfs.ha.fencing.ssh.connect-timeout</name> <value>30000</value> </property>
<!--设置副本数为2> <property> <name>dfs.replication</name> <value>2</value> </property> </configuration>
4.4 mapred-site.xml
<configuration>
<!-- 指定mr框架为yarn方式 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!--map任务内存大小，默认1G-->
<property>
<name>mapreduce.map.memory.mb</name>
<value>230</value>
</property>
<!--reduce任务内存大小，默认1G-->
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>460</value>
</property>
<!--map任务运行的JVM进程内存大小,默认-Xmx200M-->
<property>
<name>mapreduce.map.java.opts</name>
<value>-Xmx184m</value>
</property>
<!--reduce任务运行的JVM进程内存,默认-Xmx200M-->
<property>
<name>mapreduce.reduce.java.opts</name>
<value>-Xmx368m</value>
</property>
<!--MR AppMaster运行需要内存，默认1536M-->
<property>
<name>yarn.app.mapreduce.am.resource.mb</name>
<value>460</value>
</property>
<!--MR AppMaster运行的JVM进程内存，默认-Xmx1024m-->
<property>
<name>yarn.app.mapreduce.am.command-opts</name>
<value>-Xmx368m</value>
</property>
</configuration>
4.5 yarn-site.xml
<configuration>
<!-- 分别指定RM的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop3</value>
</property>
<!-- 指定zk集群地址 -->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>hadoop1:2181,hadoop2:2181,hadoop3:2181</value>
</property>
<>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!--RM中分配容器的内存最小值，默认1G-->
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>230</value>
</property>
<!--RM中分配容器的内存最大值，默认8G-->
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>700</value>
</property>
<!--可用物理内存大小,默认8G-->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>700</value>
</property>
<!--虚拟内存检查是否开始>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
</configuration>
4.6 slaves
在每台服务器的slaves文件中配置集群Datanode的主机名，只有这个文件里面的主机名才能被Namenode识别。
hadoop1 hadoop2 hadoop3
4.7 zoo.cfg 和 myid
首先重命名zoo_sample.cfg文件为zoo.cfg，并按如下修改文件。
#修改 dataDir=/root/zookeeper-3.4.12/data dataLogDir=/root/zookeeper-3.4.12/datalog #末尾添加(内网IP) server.1=hadoop1:2888:3888
server.2=hadoop2:2888:3888 server.3=hadoop3:2888:3888
但是如果使用的是公网IP的时候，注意把本机配置为0.0.0.0。假设我们现在在hadoop1节点上，且使用的是公网IP，则应该如下配置
#末尾添加
server.1=0.0.0.0:2888:3888 server.2=165.227.133.86:2888:3888 server.3=159.65.120.185:2888:3888
保存退出后。在/root/zookeeper-3.4.12/目录下，创建data和datalog两个目录，并在data目录下面创建myid文件并添加内容。在三台服务器中的myid的内容分别是1，2，3(对应server.xx)。
例如，在Hadoop1服务器上执行命令 echo 1 > myid 。
5.集群启动（严格按照下面步骤）
5.1 在三个节点上执行如下命令启动zookeeper，并分别查看节点状态，正常情况下一个leader和两个follower。
root@hadoop1:~# zkServer.sh start ZooKeeper JMX enabled by default Using config: /root/zookeeper-3.4.12/bin/../conf/zoo.cfg Starting zookeeper ... STARTED
root@hadoop1:~/zookeeper-3.4.12# zkServer.sh status
ZooKeeper JMX enabled by default
Using config: /root/zookeeper-3.4.12/bin/../conf/zoo.cfg
Mode: leader
5.2 在hadoop1上启动journalnode集群 hadoop-daemons.sh start journalnode （注意是复数版本的)。用jps检验三个节点多了JournalNode进程。
5.3 在hadoop1上格式化HDFS hdfs 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，在这里是存在 /root/hadoop-2.8.4/tmp 的目录下。然后将这个文件拷贝到hadoop2的 /root/hadoop-2.8.4/ 目录下 scp -r tmp/ root@hadoop2:/root/hadoop-2.8.4/ 。
5.4 在hadoop1上格式化ZK hdfs zkfc -formatZK 。
5.5 在hadoop1上启动HDFS start-dfs.sh 。
5.6 在hadoop3上启动Yarn start-yarn.sh 。
5.7 用jps查看进程
#hadoop1和hadoop2 root@hadoop1:~/hadoop-2.8.4# jps 15297 NodeManager 14340 JournalNode 741 Jps 14119 DataNode 14538 DFSZKFailoverController 15884 NameNode 13773 QuorumPeerMain #hadoop3 root@hadoop3:~# jps 9937 QuorumPeerMain 11107 ResourceManager 10836 DataNode 28037 Jps 10957 JournalNode 10637 NodeManager
6.集群测试
查看namenode状态,目前hadoop1上的namenode处于active的状态，尝试kill掉namenode进程，发现hadoop2上的nn2由standby变成了active。
root@hadoop1:~# hdfs haadmin -getServiceState nn1 active root@hadoop1:~# hdfs haadmin -getServiceState nn2 standby
也可以通过浏览器访问：http://Ip1:50070；http://Ip2:50070
运行一下hadoop提供的demo中的WordCount程序：
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.4.1.jar wordcount input out
下一篇： 雷军终还愿