hadoop HA高可用集群模式搭建指南

简述

hadoop 集群一共有4种部署模式，详见《hadoop 生态圈介绍》。HA模式的集群里面会部署两台NN（最多也只能两台），以形成主备NN节点，达到高可用的目的。两台NN之间同步数据有两种方法：QJM和NFC。本文选择QJM方式，下文中出现的 journalnode 即为QJM模式下的进程。另外还可以配置两台ResourceManager，形成主备RM节点，从而达到yarn集群的高可用。该模式下的集群配置是在完全分布式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 模拟三台主机，内存都为2G

节点角色

IP	主机名	角色描述
192.168.100.201	h01.vm.com	主节点 NameNode, job-history-server
192.168.100.202	h02.vm.com	主节点 NameNode, (yarn)ResourceManager
192.168.100.203	h03.vm.com	-

另，以上所有节点都同时是 zookeeper、zkfc、journalnode 和 datanode。运行Namenode和ResourceManager的节点即为主节点。

更新软件源索引

分别在 h01 h02 h03 操作

sudo apt-get update

安装基础软件

分别在 h01 h02 h03 操作

sudo apt-get install ssh  
sudo apt-get install rsync  

配置主机域名

分别在 h01 h02 h03 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 操作

sudo vim /etc/hosts  
168.100.201 h01.vm.com h01  
168.100.202 h02.vm.com h02  
168.100.203 h03.vm.com h03  

!!! 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（可选）

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 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 ，即两个主节点上操作

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  

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 # vagrant是远程主机用户名  
ssh-copy-id vagrant@h03.vm.com  

在 h01 h02 上测试无密码 ssh 登录到 h01 h02 h03

ssh h01.vm.com  
ssh h02.vm.com  
ssh h03.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  
h01.vm.com   
h02.vm.com  
h03.vm.com  

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/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>   
  <!-- 指定hdfs的nameservice为h01，需与dfs.nameservices一致 -->    
  <property>   
    <name>fs.defaultFS</name>    
    <value>hdfs://ns1</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>    
  <!-- 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/hdfs-site.xml

<?xml version="1.0" encoding="utf-8"?>  
<configuration>   
  <property>   
    <name>dfs.replication</name>    
    <!-- 单机版的一般设为1，若是集群，一般设为3 -->    
    <value>2</value>   
  </property>    
  <!-- 以下3个 property 的配置，是非HA模式下的，即一个集群只有一个 namenode，在这里不可使用 -->    
  <!-- 配置Secondary NameNode在另外一个节点上，该节点也将作为主节点之一 -->    
  <!-- <property>  
<name>dfs.http.address</name>  
<value>h01.vm.com:50070</value>  
<description>Secondary get fsimage and edits via dfs.http.address</description>  
</property>  
<property>  
<name>dfs.secondary.http.address</name>  
<value>h02.vm.com:50090</value>  
</property>  
<property>  
<name>dfs.namenode.checkpoint.dir</name>  
<value>/home/vagrant/VMBigData/hadoop/data/namesecondary</value>  
</property> -->    
  <!-- 以下 property 配置，是haddop的HA即高可用模式，一个集群可以配置最多2个namenode -->    
  <!-- 命名空间的逻辑名称 -->    
  <property>   
    <name>dfs.nameservices</name>    
    <value>ns1</value>   
  </property>    
  <!-- 命名空间中所有NameNode的唯一标示。该标识指示DataNode集群中有哪些NameNode。目前最多只能配置两个NameNode -->    
  <property>   
    <name>dfs.ha.namenodes.ns1</name>    
    <value>nn1,nn2</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>    
  <!-- 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 -->    
  <property>   
    <name>dfs.namenode.shared.edits.dir</name>    
    <value>qjournal://h01.vm.com:8485;h02.vm.com:8485;h03.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>    
  <!-- 一种关于 NameNode 的隔离机制(fencing) -->    
  <property>   
    <name>dfs.ha.fencing.methods</name>    
    <value>sshfence shell(/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>    
  <!-- HA模式配置结束 -->    
  <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-site.xml

<?xml version="1.0" encoding="utf-8"?>  
<configuration>   
  <property>   
    <name>yarn.resourcemanager.hostname</name>    
    <value>h02.vm.com</value>   
  </property>    
  <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/logdir1,/home/vagrant/VMBigData/hadoop/data/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>  

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  

!!! 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 start journalnode  

格式化namenode

在 h01 namenode 上执行

hdfs namenode -format

!!! 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 !!!

同步两个namenode数据（方法一：推荐）

在 h01 启动 namenode

cd /home/vagrant/VMBigData/hadoop/default  
sbin/hadoop-daemon.sh start namenode  

在 h02 执行同步

cd /home/vagrant/VMBigData/hadoop/default  
bin/hdfs namenode -bootstrapStandby  

在 h02 启动 namenode

cd /home/vagrant/VMBigData/hadoop/default  
sbin/hadoop-daemon.sh start namenode  

同步两个namenode数据（方法二：不推荐，可能引起复制后的文件的权限问题）

在 h01 操作

scp -r /home/vagrant/VMBigData/hadoop/data/namenode1/ vagrant@h02.vm.com:/home/vagrant/VMBigData/hadoop/data/  
scp -r /home/vagrant/VMBigData/hadoop/data/namenode2/ vagrant@h02.vm.com:/home/vagrant/VMBigData/hadoop/data/  

格式化zkfc

在 h01 或 h02 (任一namenode) 上操作

hdfs zkfc -formatZK

!!! 注意仅在首次启动时执行 !!!

启动zkfc

在 h01 h02 h03 等计划运行zkfc的节点上操作

cd /home/vagrant/VMBigData/hadoop/default  
sbin/hadoop-daemon.sh start zkfc  
# sbin/hadoop-daemon.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 h02 ResourceManager 上操作

cd /home/vagrant/VMBigData/hadoop/default  
sbin/start-yarn.sh  
# sbin/stop-yarn.sh# 停止  

启动 job history server（可选）

在 h01 上操作

cd /home/vagrant/VMBigData/hadoop/default  
sbin/mr-jobhistory-daemon.sh start historyserver  
# sbin/mr-jobhistory-daemon.sh stop historyserver # 停止  

浏览服务启动情况

NameNode1
http://192.168.100.201:50070

NameNode2
http://192.168.100.202:50070

ResourceManager
http://192.168.100.202:8088

MapReduce JobHistory Server
http://192.168.100.201:19888

Datanode
http://192.168.100.201:50075
http://192.168.100.202:50075
http://192.168.100.203:50075

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