hadoop高可用安装与配置

 集群的规划
  host   |       基本的软件   |    运行的进程       
  data1  |  jdk、zk、hadoop  |  NameNode、zkfc、zk、journalNode、ResourceManager     
  data2  |  jdk、zk、hadoop  |  NameNode、zkfc、zk、journalNode、ResourceManager、datanode、NodeManager
  data3  |  jdk、zk、hadoop  |  zk、journalNode、datanode、NodeManager
 

 一.SSH免密登录
  1.data1: 
      ssh-keygen -t rsa , 然后一直按回车
      ssh-copy-id data1
      ssh-copy-id data2
      ssh-copy-id data3
  2.在data2和data3上重复执行1的操作

 二.安装jdk
   省略

 三.安装zookeeper
   省略

 四.安装hadoop
   1.下载到/data/tools:  wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.10.0/hadoop-2.10.0.tar.gz
   2. 添加环境变量:sudo vi /etc/profile
      export HADOOP_HOME=/data/tools/hadoop-2.10.0
      export PATH=$HADOOP_HOME/bin:$PATH
   3.修改配置文件: hadoop-env.sh、yarn-env.sh、mapred-env.sh、hdfs-site.xml、core-site.xml、mapred-site.xml、yarn-site.xml、slaves
     3.1 hadoop-env.sh: export JAVA_HOME=/usr/local/jdk
     3.2 yarn-env.sh: export JAVA_HOME=/usr/local/jdk
     3.3 mapred-env.sh: export JAVA_HOME=/usr/local/jdk
     3.4 slaves

data2 data3

     3.5 配置hosts
     3.6 配置core-site.xml文件

<configuration> <!-- 指定hdfs的nameservice为ns1 --> <property> <name>fs.defaultFS</name> <value>hdfs://ns1</value> </property> <!-- 指定hadoop临时目录 --> <property> <name>hadoop.tmp.dir</name> <value>/data/hadoop-data/tmp</value> </property> <property> <name>hadoop.http.staticuser.user</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.halo_op.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.halo_op.groups</name> <value>*</value> </property> <!-- 指定zookeeper地址 --> <property> <name>ha.zookeeper.quorum</name> <value>data1:2181,data2:2181,data3:2181</value> </property> <property> <name>fs.trash.interval</name> <value>1440</value> </property> </configuration>

     3.7 配置hdfs-site.xml文件

 

<configuration> <!--副本数--> <property> <name>dfs.replication</name> <value>2</value> </property> <property> <name>dfs.permissions.enabled</name> <value>false</value> </property> <!--指定hdfs的nameservice为ns1，需要和core-site.xml中的保持一致 --> <property> <name>dfs.nameservices</name> <value>ns1</value> </property> <!-- ns1下面有两个NameNode，分别是nn1，nn2 --> <property> <name>dfs.ha.namenodes.ns1</name> <value>nn1,nn2</value> </property> <!-- nn1的RPC通信地址 --> <property> <name>dfs.namenode.rpc-address.ns1.nn1</name> <value>data1:9000</value> </property> <!-- nn1的http通信地址 --> <property> <name>dfs.namenode.http-address.ns1.nn1</name> <value>data1:50070</value> </property> <!-- nn2的RPC通信地址 --> <property> <name>dfs.namenode.rpc-address.ns1.nn2</name> <value>data2:9000</value> </property> <!-- nn2的http通信地址 --> <property> <name>dfs.namenode.http-address.ns1.nn2</name> <value>data2:50070</value> </property> <!-- 指定NameNode的元数据在JournalNode上的存放位置 (一般和zookeeper部署在一起) --> <property> <name>dfs.namenode.shared.edits.dir</name> <value>qjournal://data1:8485;data2:8485;data3:8485/ns1</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>/data/hadoop-data/journal</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>/data/hadoop-data/name</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>/data/hadoop-data/data</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.ns1</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>/home/halo_op/.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> </configuration>

     3.8 配置mapred-site.xml文件

<configuration> <!-- mr依赖的框架名称 yarn--> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <!-- mr转化历史任务的rpc通信地址--> <property> <name>mapreduce.jobhistory.address</name> <value>data1:10020</value> </property> <!-- mr转化历史任务的http通信地址--> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>data1:19888</value> </property> <!-- 会在hdfs的根目录下面创建一个history的文件夹，存放历史任务的相关运行情况--> <property> <name>yarn.app.mapreduce.am.staging-dir</name> <value>/history</value> </property> <!-- map和reduce的日志级别--> <property> <name>mapreduce.map.log.level</name> <value>INFO</value> </property> <property> <name>mapreduce.reduce.log.level</name> <value>INFO</value> </property> </configuration>

     3.9 配置yarn-site.xml文件

 

<configuration> <!-- 开启RM高可靠 --> <property> <name>yarn.resourcemanager.ha.enabled</name> <value>true</value> </property> <!-- 指定RM的cluster id --> <property> <name>yarn.resourcemanager.cluster-id</name> <value>yrc</value> </property> <!-- 指定RM的名字 --> <property> <name>yarn.resourcemanager.ha.rm-ids</name> <value>rm1,rm2</value> </property> <!-- 分别指定RM的地址 --> <property> <name>yarn.resourcemanager.hostname.rm1</name> <value>data1</value> </property> <property> <name>yarn.resourcemanager.hostname.rm2</name> <value>data2</value> </property> <!-- 指定zk集群地址 --> <property> <name>yarn.resourcemanager.zk-address</name> <value>data1:2181,data2:2181,data3:2181</value> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <!--启用自动恢复，当任务进行一半，rm坏掉，就要启动自动恢复，默认是false--> <property> <name>yarn.resourcemanager.recovery.enabled</name> <value>true</value> </property> <property> <name>yarn.resourcemanager.store.class</name> <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value> </property> <property> <!-- 客户端通过该地址向RM提交对应用程序操作 --> <name>yarn.resourcemanager.address.rm1</name> <value>data1:8032</value> </property> <property> <!--ResourceManager 对ApplicationMaster暴露的访问地址。ApplicationMaster通过该地址向RM申请资源、释放资源等。 --> <name>yarn.resourcemanager.scheduler.address.rm1</name> <value>data1:8030</value> </property> <property> <!-- RM HTTP访问地址,查看集群信息--> <name>yarn.resourcemanager.webapp.address.rm1</name> <value>data1:8088</value> </property> <property> <!-- NodeManager通过该地址交换信息 --> <name>yarn.resourcemanager.resource-tracker.address.rm1</name> <value>data1:8031</value> </property> <property> <!--管理员通过该地址向RM发送管理命令 --> <name>yarn.resourcemanager.admin.address.rm1</name> <value>data1:8033</value> </property> <property> <name>yarn.resourcemanager.ha.admin.address.rm1</name> <value>data1:23142</value> </property> <property> <name>yarn.resourcemanager.address.rm2</name> <value>data2:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address.rm2</name> <value>data2:8030</value> </property> <property> <name>yarn.resourcemanager.webapp.address.rm2</name> <value>data2:8088</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address.rm2</name> <value>data2:8031</value> </property> <property> <name>yarn.resourcemanager.admin.address.rm2</name> <value>data2:8033</value> </property> <property> <name>yarn.resourcemanager.ha.admin.address.rm2</name> <value>data2:23142</value> </property> </configuration> 

   4.准备hadoop所需要的几个目录
     mkdir -p /data/hadoop-data/{name,data,journal,tmp}
   5.把hadoop和对应存储目录同步到data2和data3(环境变量需要各自去配)
     scp -r /data/hadoop-data data2:/data
     scp -r /data/hadoop-data data3:/data

     scp -r /data/tools/hadoop-2.10.0 data2:/data/tools
     scp -r /data/tools/hadoop-2.10.0 data3:/data/tools
   6.启动
     1.data1,data2,data3启动journalnode: 
       sbin/hadoop-daemon.sh start journalnode
     2.格式化data1的namenode:
       hdfs namenode -format
     3.将data1上面产生的namenode的元数据信息，拷贝到data2上面
       scp -r /data/hadoop-data/name data2:/data/hadoop-data/
     4.data1格式化zkfc
        hdfs zkfc -formatZK
        实际上是在zookeeper中创建一个目录节点/hadoop-ha/ns1
     5.启动hdfs
        在data1机器上面或者data2上面启动:sbin/start-dfs.sh
        实际上在各机器上启动了:NameNode、journalnode、zkfc,datanode
     6.启动yarn
       在data1上面启动sbin/start-yarn.sh
       实际上时启动了:ResourceManager,NodeManager
       在data2上面启动: sbin/yarn-daemon.sh start resourcemanager

    7.如果要单独启动hdfs中某一个节点，使用脚本hadoop-daemon.sh start 节点进程名,如:sbin/hadoop-daemon.sh start  namenode

 五.测试namenode和rm的ha 
    1 访问web
        hdfs
            http://data1:50070
            http://data2:50070
            其中一个是active，一个是standby
        yarn
            http://data1:8088
            http://data2:8088
            在浏览的时候standby会重定向跳转之active对应的页面
    2、ha的验证
        NameNode HA 
            访问：
                http://data1:50070
                http://data2:50070
                其中一个active的状态，一个是StandBy的状态 

                主备切换验证：
                    在data1上kill -9 namenode的进程
                    这时访问data2:50070发现变成了active的
                    然后在data1上重新启动namenode，发现启动后状态变成standby的

        Yarn HA
            web访问：默认端口是8088
                data1:8088
                data2:8088 -> data1:8088
                 
                主备切换验证：
                    在data1上kill -9 resourcemanager的进程
                    这时可以访问data2:8088,不会在跳转
                    然后在data1上重新启动resourcemanager，再访问时就是跳转到data2:8088
        主备切换结论：
            原来的主再恢复时，为了系统的稳定性，不会再进行主备的切换

    3、mr任务测试
        1.准备一个文件,上传hdfs: hdfs dfs -put /data/tmp/mrtest.txt /
        2.cd /data/tools/hadoop-2.10.0/share/hadoop/mapreduce
        3.yarn jar hadoop-mapreduce-examples-2.6.4.jar wordcount /mrtest.txt /output/wc