首页 文章 精选 留言 我的

基于Docker快速搭建多节点Hadoop集群

2018-01-27 648

基于Docker快速搭建多节点Hadoop集群

【编者的话】Docker最核心的特性之一，就是能够将任何应用包括Hadoop打包到Docker镜像中。这篇教程介绍了利用Docker在单机上快速搭建多节点Hadoop集群的详细步骤。作者在发现目前的Hadoop on Docker项目所存在的问题之后，开发了接近最小化的Hadoop镜像，并且支持快速搭建任意节点数的Hadoop集群。

项目已经更新!!!

请查看 基于Docker搭建Hadoop集群之升级版

一. 项目简介

GitHub:  kiwanlau/hadoop-cluster-docker

直接用机器搭建Hadoop集群是一个相当痛苦的过程，尤其对初学者来说。他们还没开始跑wordcount，可能就被这个问题折腾的体无完肤了。而且也不是每个人都有好几台机器对吧。你可以尝试用多个虚拟机搭建，前提是你有个性能杠杠的机器。

我的目标是将Hadoop集群运行在Docker容器中，使Hadoop开发者能够快速便捷地在本机搭建多节点的Hadoop集群。其实这个想法已经有了不少实现，但是都不是很理想，他们或者镜像太大，或者使用太慢，或者使用了第三方工具使得使用起来过于复杂。下表为一些已知的Hadoop on Docker项目以及其存在的问题。 

项目                               镜像大小         问题
sequenceiq/hadoop-docker:latest   1.491GB    镜像太大，只支持单个节点
sequenceiq/hadoop-docker:2.7.0    1.76 GB   
sequenceiq/hadoop-docker:2.60     1.624GB   

sequenceiq/ambari:latest          1.782GB    镜像太大，使用太慢，使用复杂
sequenceiq/ambari:2.0.0           4.804GB   
sequenceiq/ambari:latest:1.70     4.761GB   

alvinhenrick/hadoop-mutinode      4.331GB    镜像太大，构建太慢，增加节点麻烦，有bug

我的项目参考了alvinhenrick/hadoop-mutinode项目，不过我做了大量的优化和重构。alvinhenrick/hadoop-mutinode项目的GitHub主页以及作者所写的博客地址如下：

下面两个表是alvinhenrick/hadoop-mutinode项目与我的kiwenlau/hadoop-cluster-docker项目的参数对比： 

镜像名称                     构建时间     镜像层数     镜像大小
alvinhenrick/serf           258.213s    21         239.4MB
alvinhenrick/hadoop-base    2236.055s   58         4.328GB
alvinhenrick/hadoop-dn      51.959s     74         4.331GB
alvinhenrick/hadoop-nn-dn   49.548s     84         4.331GB


镜像名称                     构建时间     镜像层数    镜像大小
kiwenlau/serf-dnsmasq       509.46s     8         206.6 MB
kiwenlau/hadoop-base        400.29s     7         775.4 MB
kiwenlau/hadoop-master      5.41s       9         775.4 MB
kiwenlau/hadoop-slave       2.41s       8         775.4 MB

可知，我主要优化了这样几点：
  • 更小的镜像大小
  • 更快的构造时间
  • 更少的镜像层数

更快更方便地改变Hadoop集群节点数目
另外，alvinhenrick/hadoop-mutinode项目增加节点时需要手动修改Hadoop配置文件然后重新构建hadoop-nn-dn镜像,然后修改容器启动脚本，才能实现增加节点的功能。而我通过shell脚本实现自动话，不到1分钟可以重新构建hadoop-master镜像，然后立即运行！本项目默认启动3个节点的Hadoop集群，支持任意节点数的Hadoop集群。

另外，启动Hadoop，运行wordcount以及重新构建镜像都采用了shell脚本实现自动化。这样使得整个项目的使用以及开发都变得非常方便快捷。

开发测试环境
  • 操作系统：ubuntu 14.04 和 ubuntu 12.04
  • 内核版本: 3.13.0-32-generic
  • Docker版本：1.5.0 和1.6.2

小伙伴们，硬盘不够，内存不够，尤其是内核版本过低会导致运行失败。

二. 镜像简介

本项目一共开发了4个镜像：
  • serf-dnsmasq
  • hadoop-base
  • hadoop-master
  • hadoop-slave

serf-dnsmasq镜像
  • 基于ubuntu:15.04 （选它是因为它最小，不是因为它最新）
  • 安装serf: serf是一个分布式的机器节点管理工具。它可以动态地发现所有Hadoop集群节点。
  • 安装dnsmasq: dnsmasq作为轻量级的DNS服务器。它可以为Hadoop集群提供域名解析服务。

容器启动时，master节点的IP会传给所有slave节点。serf会在container启动后立即启动。slave节点上的serf agent会马上发现master节点（master IP它们都知道嘛），master节点就马上发现了所有slave节点。然后它们之间通过互相交换信息，所有节点就能知道其他所有节点的存在了。（Everyone will know Everyone）。serf发现新的节点时，就会重新配置dnsmasq，然后重启dnsmasq。所以dnsmasq就能够解析集群的所有节点的域名啦。这个过程随着节点的增加会耗时更久，因此，若配置的Hadoop节点比较多，则在启动容器后需要测试serf是否发现了所有节点，DNS是否能够解析所有节点域名。稍等片刻才能启动Hadoop。这个解决方案是由SequenceIQ公司提出的，该公司专注于将Hadoop运行在Docker中。参考这个 演讲稿。

hadoop-base镜像 
  • 基于serf-dnsmasq镜像
  • 安装JDK（OpenJDK）
  • 安装openssh-server，配置无密码SSH
  • 安装vim：介样就可以愉快地在容器中敲代码了
  • 安装Hadoop 2.3.0: 安装编译过的Hadoop（2.5.2， 2.6.0， 2.7.0 都比2.3.0大，所以我懒得升级了）

另外，编译Hadoop的步骤请参考我的 博客。

如果需要重新开发我的hadoop-base, 需要下载编译过的hadoop-2.3.0安装包，放到hadoop-cluster-docker/hadoop-base/files目录内。我编译的64位hadoop-2.3.0下载地址： hadoop-2.3.0

另外，我还编译了64位的Hadoop 2.5.2、2.6.0,、2.7.0, 其下载地址如下：
-  hadoop-2.3.0
-  hadoop-2.5.2
-  hadoop-2.6.0
-  hadoop-2.7.0

hadoop-master镜像
  • 基于hadoop-base镜像
  • 配置hadoop的master节点
  • 格式化namenode

这一步需要配置slaves文件，而slaves文件需要列出所有节点的域名或者IP。因此，Hadoop节点数目不同时，slaves文件自然也不一样。因此，更改Hadoop集群节点数目时，需要修改slaves文件然后重新构建hadoop-master镜像。我编写了一个resize-cluster.sh脚本自动化这一过程。仅需给定节点数目作为脚本参数就可以轻松实现Hadoop集群节点数目的更改。由于hadoop-master镜像仅仅做一些配置工作，也无需下载任何文件，整个过程非常快，1分钟就足够了。

hadoop-slave镜像
  • 基于hadoop-base镜像
  • 配置hadoop的slave节点

镜像大小分析

下表为 sudo docker images的运行结果： 
REPOSITORY                                TAG      IMAGE ID        CREATED         VIRTUAL SIZE
index.alauda.cn/kiwenlau/hadoop-slave     0.1.0    d63869855c03    17 hours ago    777.4 MB
index.alauda.cn/kiwenlau/hadoop-master    0.1.0    7c9d32ede450    17 hours ago    777.4 MB
index.alauda.cn/kiwenlau/hadoop-base      0.1.0    5571bd5de58e    17 hours ago    777.4 MB
index.alauda.cn/kiwenlau/serf-dnsmasq     0.1.0    09ed89c24ee8    17 hours ago    206.7 MB
ubuntu                                    15.04    bd94ae587483    3 weeks ago     131.3 MB

易知以下几个结论：
  • serf-dnsmasq镜像在ubuntu:15.04镜像的基础上增加了75.4MB
  • hadoop-base镜像在serf-dnsmasq镜像的基础上增加了570.7MB
  • hadoop-master和hadoop-slave镜像在hadoop-base镜像的基础上大小几乎没有增加

下表为 sudo docker history index.alauda.cn/kiwenlau/hadoop-base:0.1.0的部分运行结果 
IMAGE           CREATED             CREATED BY                                      SIZE
2039b9b81146    44 hours ago        /bin/sh -c #(nop) ADD multi:a93c971a49514e787   158.5 MB
cdb620312f30    44 hours ago        /bin/sh -c apt-get install -y openjdk-7-jdk     324.6 MB
da7d10c790c1    44 hours ago        /bin/sh -c apt-get install -y openssh-server    87.58 MB
c65cb568defc    44 hours ago        /bin/sh -c curl -Lso serf.zip https://dl.bint   14.46 MB
3e22b3d72e33    44 hours ago        /bin/sh -c apt-get update && apt-get install    60.89 MB
b68f8c8d2140    3 weeks ago         /bin/sh -c #(nop) ADD file:d90f7467c470bfa9a3   131.3 MB

可知：
  • 基础镜像ubuntu:15.04为131.3MB
  • 安装OpenJDK需要324.6MB
  • 安装Hadoop需要158.5MB
  • Ubuntu、OpenJDK与Hadoop均为镜像所必须，三者一共占了614.4MB

因此，我所开发的hadoop镜像以及接近最小，优化空间已经很小了。

下图显示了这个项目的镜像结构：
image_architecture.jpg


三. 3节点Hadoop集群搭建步骤

1. 拉取镜像 
sudo docker pull index.alauda.cn/kiwenlau/hadoop-master:0.1.0
sudo docker pull index.alauda.cn/kiwenlau/hadoop-slave:0.1.0
sudo docker pull index.alauda.cn/kiwenlau/hadoop-base:0.1.0
sudo docker pull index.alauda.cn/kiwenlau/serf-dnsmasq:0.1.0


3~5分钟OK~也可以直接从我的DokcerHub仓库中拉取镜像，这样就可以跳过第2步： 
sudo docker pull kiwenlau/hadoop-master:0.1.0
sudo docker pull kiwenlau/hadoop-slave:0.1.0
sudo docker pull kiwenlau/hadoop-base:0.1.0
sudo docker pull kiwenlau/serf-dnsmasq:0.1.0


查看下载的镜像： 
sudo docker images

运行结果： 
REPOSITORY                                TAG      IMAGE ID        CREATED         VIRTUAL SIZE
index.alauda.cn/kiwenlau/hadoop-slave     0.1.0    d63869855c03    17 hours ago    777.4 MB
index.alauda.cn/kiwenlau/hadoop-master    0.1.0    7c9d32ede450    17 hours ago    777.4 MB
index.alauda.cn/kiwenlau/hadoop-base      0.1.0    5571bd5de58e    17 hours ago    777.4 MB
index.alauda.cn/kiwenlau/serf-dnsmasq     0.1.0    09ed89c24ee8    17 hours ago    206.7 MB


其中hadoop-base镜像是基于serf-dnsmasq镜像的，hadoop-slave镜像和hadoop-master镜像都是基于hadoop-base镜像。所以其实4个镜像一共也就777.4MB。

2. 修改镜像tag 
sudo docker tag d63869855c03 kiwenlau/hadoop-slave:0.1.0
sudo docker tag 7c9d32ede450 kiwenlau/hadoop-master:0.1.0
sudo docker tag 5571bd5de58e kiwenlau/hadoop-base:0.1.0
sudo docker tag 09ed89c24ee8 kiwenlau/serf-dnsmasq:0.1.0 

查看修改tag后镜像： 
sudo docker images

运行结果： 
REPOSITORY                               TAG      IMAGE ID        CREATED         VIRTUAL SIZE
index.alauda.cn/kiwenlau/hadoop-slave    0.1.0    d63869855c03    17 hours ago    777.4 MB
kiwenlau/hadoop-slave                    0.1.0    d63869855c03    17 hours ago    777.4 MB
index.alauda.cn/kiwenlau/hadoop-master   0.1.0    7c9d32ede450    17 hours ago    777.4 MB
kiwenlau/hadoop-master                   0.1.0    7c9d32ede450    17 hours ago    777.4 MB
kiwenlau/hadoop-base                     0.1.0    5571bd5de58e    17 hours ago    777.4 MB
index.alauda.cn/kiwenlau/hadoop-base     0.1.0    5571bd5de58e    17 hours ago    777.4 MB
kiwenlau/serf-dnsmasq                    0.1.0    09ed89c24ee8    17 hours ago    206.7 MB
index.alauda.cn/kiwenlau/serf-dnsmasq    0.1.0    09ed89c24ee8    17 hours ago    206.7 MB

之所以要修改镜像，是因为我默认是将镜像上传到Dockerhub, 因此Dokerfile以及shell脚本中得镜像名称都是没有alauada前缀的，sorry for this....不过改tag还是很快滴。若直接下载我在DockerHub中的镜像，自然就不需要修改tag...不过Alauda镜像下载速度很快的哈~

3.下载源代码 

git clone https://github.com/kiwenlau/hadoop-cluster-docker

为了防止GitHub被XX，我把代码导入到了开源中国的Git仓库： 
git clone http://git.oschina.net/kiwenlau/hadoop-cluster-docker

4. 运行容器 
cd hadoop-cluster-docker
./start-container.sh

运行结果： 
start master container...
start slave1 container...
start slave2 container...
root@master:~# 

一共开启了3个容器，1个master, 2个slave。开启容器后就进入了master容器root用户的根目录（/root）。

查看master的root用户家目录的文件： 
ls

运行结果： 
hdfs  run-wordcount.sh   serf_log  start-hadoop.sh  start-ssh-serf.sh

start-hadoop.sh是开启hadoop的shell脚本，run-wordcount.sh是运行wordcount的shell脚本，可以测试镜像是否正常工作。

5.测试容器是否正常启动（此时已进入master容器）

查看hadoop集群成员： 
serf members

运行结果： 
master.kiwenlau.com  172.17.0.65:7946  alive  
slave1.kiwenlau.com  172.17.0.66:7946  alive  
slave2.kiwenlau.com  172.17.0.67:7946  alive

若结果缺少节点，可以稍等片刻，再执行“serf members”命令。因为serf agent需要时间发现所有节点。

测试ssh： 
ssh slave2.kiwenlau.com

运行结果： 
Warning: Permanently added 'slave2.kiwenlau.com,172.17.0.67' (ECDSA) to the list of known hosts.
Welcome to Ubuntu 15.04 (GNU/Linux 3.13.0-53-generic x86_64)
* Documentation:  https://help.ubuntu.com/
The programs included with the Ubuntu system are free software;
the exact distribution terms for each program are described in the
individual files in /usr/share/doc/*/copyright.
Ubuntu comes with ABSOLUTELY NO WARRANTY, to the extent permitted by
applicable law.
root@slave2:~# 

退出slave2： 
exit

运行结果： 
logout
Connection to slave2.kiwenlau.com closed.

若ssh失败，请稍等片刻再测试，因为dnsmasq的dns服务器启动需要时间。测试成功后，就可以开启Hadoop集群了！其实你也可以不进行测试，开启容器后耐心等待一分钟即可！

6. 开启Hadoop 
./start-hadoop.sh

上一步ssh到slave2之后，请记得回到master啊！运行结果太多，忽略，Hadoop的启动速度取决于机器性能....

7. 运行wordcount 

./run-wordcount.sh

运行结果： 
input file1.txt:
Hello Hadoop

input file2.txt:
Hello Docker

wordcount output:
Docker  1
Hadoop  1
Hello   2

wordcount的执行速度取决于机器性能....

四. N节点Hadoop集群搭建步骤

1. 准备工作
  • 参考第二部分1~3：下载镜像，修改tag，下载源代码
  • 注意，你可以不下载serf-dnsmasq，但是请最好下载hadoop-base，因为hadoop-master是基于hadoop-base构建的。

2. 重新构建hadoop-master镜像 

./resize-cluster.sh 5

  • 不要担心，1分钟就能搞定
  • 你可以为resize-cluster.sh脚本设不同的正整数作为参数数1, 2, 3, 4, 5, 6...

3. 启动容器 

./start-container.sh 5

  • 你可以为start-container.sh脚本设不同的正整数作为参数数1, 2, 3, 4, 5, 6...
  • 这个参数呢，最好还是得和上一步的参数一致:)
  • 这个参数如果比上一步的参数大，你多启动的节点，Hadoop不认识它们..
  • 这个参数如果比上一步的参数小，Hadoop觉得少启动的节点挂掉了..

4. 测试工作
  • 参考第三部分5~7：测试容器，开启Hadoop，运行wordcount
  • 请注意，若节点增加，请务必先测试容器，然后再开启Hadoop, 因为serf可能还没有发现所有节点，而dnsmasq的DNS服务器表示还没有配置好服务
  • 测试等待时间取决于机器性能....

==================================

微信公众号【黄小斜】大厂程序员，互联网行业新知，终身学习践行者。关注后回复「Java」、「Python」、「C++」、「大数据」、「机器学习」、「算法」、「AI」、「Android」、「前端」、「iOS」、「考研」、「BAT」、「校招」、「笔试」、「面试」、「面经」、「计算机基础」、「LeetCode」 等关键字可以获取对应的免费学习资料。 


                     wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw==​

上一篇 下一篇
优秀的个人博客,低调大师

微信关注我们

原文链接：https://yq.aliyun.com/articles/639974

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

OSM(OpenStreetMap) poi、路网 数据导入 PostgreSQL

标签 PostgreSQL , OSM , osm2pgsql , osm2pgrouting , osmosis 背景 从OpenStreetMap下载地图数据，使用osm2pgsql可以将数据导入PostgreSQL数据库，结合PostGIS插件，实现POI的业务。 如果要提取POI（兴趣点）数据，可以使用osmosis工具，处理OSM导出的文件。 https://github.com/openstreetmap/osmosis 如果需要用于路径规划，可以使用osm2pgrouting工具，将OSM文件导入到PostgreSQL数据库，结合pgrouting插件实现路径规划。 安装方法参考： 《PostgreSQL 10 + PostGIS + Sharding(pg_pathman) + MySQL(fdw外部表) on ECS 部署指南(
2018-01-26
1242
上一篇

上手七牛云存储

早就听说过七牛云存储，终于有时间上手实践。 1、第一步，注册七牛账号，由于是测试，首先申请的是个人账号 2、注册成功之后，默认是体验账号，每月只有1G的空间容量及1G的下载流量 3、账号认证，认证成功之后将升级为标准账号，每月有10G的空间容量及20G的下载流量 虽然认证麻烦了些，但看得出来，七牛还是很良心的，这种免费套餐对于一般的小型网站应用来说应该是足够了 说明一下，认证表单里，有一个“个人网址”的文本框，一开始我以为是空间的自定义域名，后来试了一下，应该就是个人网站地址，可以随便填，不影响使用。 4、认证成功之后，就可以正式开始使用七牛云了 首先需要创建一个存储空间，可以把这个存储空间简单理解为硬盘分区 我创建的存储空间名称是：myBucket，存储区域：华北 其实存储空间只支持小写，如上面我的存储空间创建成功之后就变成了：mybucket 然后需要为存储空间绑定一个域名，这个要求拥有自己的可解析并且已备案的国际域名，比如：itez.com.cn 添加域名时，还有一个需要注意的地方，就是”加速域名“后面的文本框中，不要输入根域名，而是要输入最终的子域名，比如：qn...
2018-01-27
844
下一篇

相关文章

发表评论

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2026-04-11 大小: 211.28KB 下载: 56次
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

时间: 2026-04-11 大小: 1MB 下载: 9次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-05-30 大小: 1.42GB 下载: 5次
WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
手机查看

扫码在手机上查看文章

扫描二维码，手机阅读更方便

热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册