Hadoop HA 高可用集群搭建

一、Hadoop HA 高可用集群整体架构

      在 Hadoop 1.0 时代，Hadoop 中的HDFS 集群中面临一个问题，即NameNode 单点问题，如果在集群运行过程中，NameNode出现故障宕机后，那么整个集群将会面临瘫痪。
       Hadoop 2.0 以后，NameNode 的单点问题得到了解决，共有两台NameNode并形成互备，一台处于活动状态，一台处于备用状态，只有活动状态的NameNode才会对外提供服务，而备用状态的NameNode不对外提供服务，仅同步Active NameNode的状态，以便能在它失败时快速进行切换。

Hadoop HA 高可用集群整体架构

上图为Hadoop HA 的高可用整体架构图，它的主要主成部分如下

1.两台NameNode
Active NameNode 和 Standby NameNode：两台 NameNode形成互备，一台处于 Active（活动）状态，一台处理Standby（备用）状态，只有主NameNode才能对外提供读写服务

2.主备切换控制器：ZKFailoverController
ZKFailoverController作为独立的进程运行，对NameNode的主备切换进行总体控制，及时监控检测NameNode的健康状态，当主 NameNode发生故障后，借助Zookeeper实现自动的主备选举和切换。

3.Zookeeper集群
为主备切换控制器（ZKFailoverController）提供主备选举支持，当一个NameNode节点出现故障后，切换备用NameNode为主节点，从而实现Hadoop HA 高可用。

4.基于QJM的共享存储系统
QJM为Quorum Journal Manager的缩写，JournalNode中保存了NameNode在运行过程中所产生的HDFS的元数据，主NameNode和备NameNode通过共享存储系统实现元数据同步，在进行主备切换时，新的NameNode在确认元数据完全同步完成后才能继续对外提供服务。

5.DN
DataNode的缩写，用于存放数据文件的节点，hadoop2.x默认一个块的大小为128M，hadoop1.0为64M，默认备份数量为3，可以通过hadoop 的配置文件修改。

NameNode主备切换实现

Hadoop HA 中有两台NameNode，它们之间形成互备，那么我们来看下它是如何实现主备切换

NameNode 主备切换主要由ZKFailoverController、HealthMonitor和ActiveStandbyElector三个组件协同实现
1.ZKFailoverController
作为NameNode上一个独立的进程启动，启动后会创建HealthMonitor和ActiveStandbyElector，创建的同时会注册相应的回调方法。

2.HealthMonitor
主要负责检测NameNode的健康状态，如果检测到NameNode的状态发生变化，则回调ZKFailoverController的相应方法进行自动的主备选举

3.ActiveStandbyElector
主要负责完成自动的主备选举，内部封装了zookeeper的处理逻辑，一旦zookeeper主备选举完成，会回调ZKFailoverController的相应方法进行NameNode的主备状态切换

二、前期准备

主机 系统 IP 作用 node1 centos7 192.168.242.161 NameNode1 node2 centos7 192.168.242.162 NameNode2 node3 centos7 192.168.242.163 DataNode1 node4 centos7 192.168.242.164 DataNode2 node5 centos7 192.168.242.165 DataNode3

参考如上，创建5台虚拟机，使用最小安装，内存最小1G，创建完成后，分别配置主机名、静态IP、主机名与IP映射、创建 hadoop 用户并为 hadoop 用户授权。

在进行正式软件安装前我们需要把防火墙和selinux守护进程关闭。使用如下命令

# systemctl status firewalld    # 查看防火墙状态# systemctl stop firewalld      # 关闭防火墙# systemctl disable firewalld   # 禁止防火墙开机自启动

# getenforce    # 查看守护进程状态# setenforce 0  # 临时关闭守护进程# vim /etc/selinux/config   # 永久关闭守护进程，笔者使用的此方法

永久关闭selinux守护进程，使用vim打开/etc/selinux/config 修改文件内容

修改前：

修改后：

配置 SSH 无密码登录

我们要实现的效果是
node1 ssh 无密登录node2、node3、node4、node5
node2 ssh 无密登录node1、node3、node4、node5

说明：
服务器A想要 ssh 无密登录服务器B，则需要在服务器A上面生成密钥，然后远程拷贝到服务器B的.ssh目录下（该目录在用户目录下）

node1、node2、node3、node4、node5 中分别执行如下命令

$ ssh localhost    $ exit$ cd ~/.ssh/$ ll

如果不事先在每台虚拟机中执行，在之后做 SSH 无密登录配置时，可能出现如下错误：
scp: /home/hadoop/.ssh/: Is a directory

node1 中执行如下命令

$ cd ~/.ssh/$ ssh-keygen -t rsa$ cat id_rsa.pub >> authorized_keys$ chmod 600 authorized_keys$ scp authorized_keys hadoop@node2:~/.ssh/$ scp authorized_keys hadoop@node3:~/.ssh/$ scp authorized_keys hadoop@node4:~/.ssh/$ scp authorized_keys hadoop@node5:~/.ssh/

测试

$ ssh node2$ ssh node3$ ssh node4$ ssh node5

node2 中 执行

$ cd ~/.ssh/$ ssh-keygen -t rsa$ $ cat id_rsa.pub >> authorized_keys$ chmod 600 authorized_keys$ scp authorized_keys hadoop@node1:~/.ssh/$ scp authorized_keys hadoop@node3:~/.ssh/$ scp authorized_keys hadoop@node4:~/.ssh/$ scp authorized_keys hadoop@node5:~/.ssh/

测试

$ ssh node1$ ssh node3$ ssh node4$ ssh node5

三、软件安装

在5台虚拟机中分别安装 jdk 及 hadoop，参考笔者在导读中的发的博客地址。

安装zookeeper（node3、node4、node5）

分别在node3、4、5中安装 zookeeper
zookeeper 官网：http://mirror.bit.edu.cn/apache/zookeeper/

使用如下命令下载 zookeeper 安装包

$ su root# wget http://mirror.bit.edu.cn/apache/zookeeper/zookeeper-3.4.9/zookeeper-3.4.9.tar.gz# exit  # 回退到上个终端$ tar -zvxf zookeeper-3.4.9.tar.gz # 将 zookeeper 解压到 hadoop 用户目录下

如果提示没有 wget 命令， 则使用如下命令安装即可

# yum install wget  # 使用 root 用户安装

jdk、hadoop、zookeeper环境变量如下，配置在 ~/.bashrc 文件中（用户变量）

# Java Environment Variableexport JAVA_HOME=/usr/java/jdk1.8.0_131# Hadoop Environment Variableexport HADOOP_HOME=/usr/local/hadoopexport HADOOP_INSTALL=$HADOOP_HOMEexport HADOOP_MAPRED_HOME=$HADOOP_HOMEexport HADOOP_COMMON_HOME=$HADOOP_HOMEexport HADOOP_HDFS_HOME=$HADOOP_HOMEexport YARN_HOME=$HADOOP_HOMEexport HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/nativeexport PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin# Zookeeper Environment Variableexport ZOOKEEPER_HOME=/home/hadoop/zookeeper-3.4.9# PATHexport PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin:$ZOOKEEPER_HOME/bin

四、集群配置（zookeeper、hadoop）

1.zookeeper 配置（node3、4、5）

在 node3、node4、node5 中的 zookeeper 安装目录下分别创建一个文件data，作为 zookeeper 的 数据文件，并在data目录下创建一个文件 myid 且在文件中写入一个数字，命令如下

node3、node4、node5中执行

$ mkdir -p /home/hadoop/zookeeper-3.4.9/data   # 创建data目录，用于存放zookeeper数据$ cd /home/hadoop/zookeeper-3.4.9/data$ touch myid

$ echo "1" > /home/hadoop/zookeeper-3.4.9/data/myid    # node3 中执行$ echo "2" > /home/hadoop/zookeeper-3.4.9/data/myid    # node4 中执行$ echo "3" > /home/hadoop/zookeeper-3.4.9/data/myid    # node5 中执行$ vim /home/hadoop/zookeeper-3.4.9/data/myid           # node3、node4、node5中执行，查看写入是否成功

在 zookeeper 安装目录下的 conf 目录下有一个名为 zoo_sample.cfg 的文件，拷贝该文件命名为zoo.cfg，我们需要配置该文件，zookeeper 在启动时会找这个文件作为默认配置文件。执行如下命令

$ cp zoo_sample.cfg zoo.cfg$ vim /home/hadoop/zookeeper-3.4.9/conf/zoo.cfg        # 打开zookeeper配置文件

配置前：

# The number of milliseconds of each ticktickTime=2000# The number of ticks that the initial # synchronization phase can takeinitLimit=10# The number of ticks that can pass between # sending a request and getting an acknowledgementsyncLimit=5# the directory where the snapshot is stored.# do not use /tmp for storage, /tmp here is just # example sakes.dataDir=/tmp/zookeeper# the port at which the clients will connectclientPort=2181# the maximum number of client connections.# increase this if you need to handle more clients#maxClientCnxns=60## Be sure to read the maintenance section of the # administrator guide before turning on autopurge.## http://zookeeper.apache.org/doc/current/zookeeperAdmin.html#sc_maintenance## The number of snapshots to retain in dataDir#autopurge.snapRetainCount=3# Purge task interval in hours# Set to "0" to disable auto purge feature#autopurge.purgeInterval=1

配置后：

# The number of milliseconds of each ticktickTime=2000# The number of ticks that the initial # synchronization phase can takeinitLimit=10# The number of ticks that can pass between # sending a request and getting an acknowledgementsyncLimit=5# the directory where the snapshot is stored.# do not use /tmp for storage, /tmp here is just # example sakes.# dataDir=/tmp/zookeeper# 配置Zookeeper数据存放配置dataDir=/home/hadoop/zookeeper-3.4.9/data# the port at which the clients will connectclientPort=2181# the maximum number of client connections.# increase this if you need to handle more clients#maxClientCnxns=60## Be sure to read the maintenance section of the # administrator guide before turning on autopurge.## http://zookeeper.apache.org/doc/current/zookeeperAdmin.html#sc_maintenance## The number of snapshots to retain in dataDir#autopurge.snapRetainCount=3# Purge task interval in hours# Set to "0" to disable auto purge feature#autopurge.purgeInterval=1# 配置zookeeper集群的主机和ip，1 2 3 表示zookeeper服务的编号server.1=node3:2888:3888server.2=node4:2888:3888server.3=node5:2888:3888

2.hadoop ha 配置（node1、2、3、4、5）

node1、node2、node3、node4、node5分别配置

core-site.xml：

<!-- hadoop 核心配置文件 --><configuration>    <property>          <name>fs.defaultFS</name>          <value>hdfs://cluster</value>        <description>hadoop ha 部署方式下namenode访问地址，cluster是名字可自定义，后面hdfs-site.xml会用到</description>    </property>      <property>          <name>hadoop.tmp.dir</name>          <value>/usr/local/hadoop/tmp</value>        <description>指定hadoop临时目录</description>    </property>      <property>          <name>ha.zookeeper.quorum</name>          <value>node3:2181,node4:2181,node5:2181</value>        <description>指定zookeeper地址</description>    </property>    <property>           <name>ha.zookeeper.session-timeout.ms</name>           <value>300000</value>        <description>zk的超时时间，单位为毫秒，默认为5000，这个值比较小。建议设置得大一些，zk过于敏感，避免因为网路抖动等原因引起NameNode进行无所谓的主备切换</description>    </property>    <property>          <name>fs.trash.interval</name>          <value>1440</value>          <description>开启垃圾回收站功能，防止误删除文件，HDFS文件删除后先放入回收站，单位为分，垃圾回收站最长保留数据时间为1天，超过一天后删除</description>    </property>      <property>            <name>io.file.buffer.size</name>            <value>131072</value>         <description>设置SequenceFile中用到的读/写缓存大小，合理设置缓存大小有利于提高数据传输效率，单位为byte，默认为4KB，这里设置为128KB</description>          </property></configuration>

hdfs-site.xml

<!-- hadoop 分布式文件系统hdfs配置文件 --><configuration>    <property>          <name>dfs.nameservices</name>          <value>cluster</value>        <description>指定hdfs的nameservice为cluster，需要和core-site.xml文件中的保持一致</description>    </property>      <property>          <name>dfs.ha.namenodes.cluster</name>          <value>node1,node2</value>        <description>cluster下有两个NameNode，分别为node1和node2</description>    </property>    <property>          <name>dfs.namenode.rpc-address.cluster.node1</name>          <value>node1:9000</value>        <description>NameNode1的RPC通信地址，端口要和core-site.xml中fs.defaultFS的一致</description>    </property>      <property>          <name>dfs.namenode.http-address.cluster.node1</name>          <value>node1:50070</value>        <description>NameNode1的HTTP通信地址</description>    </property>      <property>          <name>dfs.namenode.rpc-address.cluster.node2</name>          <value>node2:9000</value>        <description>NameNode2的RPC通信地址，端口要和core-site.xml中fs.defaultFS的一致</description>    </property>      <property>          <name>dfs.namenode.http-address.cluster.node2</name>          <value>node2:50070</value>        <description>NameNode2的HTTP通信地址</description>    </property>      <property>          <name>dfs.namenode.shared.edits.dir</name>          <value>qjournal://node3:8485;node4:8485;node5:8485/cluster</value>        <description>指定NameNode的元数据在JournalNode上的存放位置</description>    </property>      <property>          <name>dfs.journalnode.edits.dir</name>          <value>/usr/local/hadoop/journaldata</value>        <description>指定NameNode的元数据在JournalNode上的存放位置</description>    </property>      <property>          <name>dfs.ha.automatic-failover.enabled</name>          <value>true</value>        <description>指定支持高可用自动切换机制</description>    </property>      <property>          <name>dfs.client.failover.proxy.provider.cluster</name>          <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>        <description>配置失败自动切换实现方式</description>    </property>      <property>          <name>dfs.ha.fencing.methods</name>          <value>              sshfence              shell(/bin/true)          </value>        <description>配置隔离机制,主要用于远程管理监听其他机器相关服务</description>    </property>      <property>          <name>dfs.ha.fencing.ssh.private-key-files</name>          <value>/home/hadoop/.ssh/id_rsa</value>        <description>使用隔离机制时需要ssh免密码登陆，/home/hadoop/为用户目录</description>    </property>      <property>          <name>dfs.ha.fencing.ssh.connect-timeout</name>          <value>30000</value>        <description>使用隔离机制时需要ssh免密码登陆时的超时时间，单位为毫秒</description>    </property>    <property>        <name>dfs.namenode.name.dir</name>        <value>file:/usr/local/hadoop/tmp/dfs/name</value>        <description>NameNode结点存储hadoop文件系统信息的本地系统路径</description>    </property>    <property>        <name>dfs.datanode.data.dir</name>        <value>file:/usr/local/hadoop/tmp/dfs/data</value>        <description>DataNode结点被指定要存储数据的本地文件系统路径，这个值只对NameNode有效，DataNode并不需要使用到它</description>    </property>    <property>           <name>dfs.webhdfs.enabled</name>           <value>true</value>        <description>指定可以通过web访问hdfs目录</description>    </property></configuration>

mapred-site.xml

<!-- 分布式计算框架MapReduce配置文件 --><configuration>    <property>          <name>mapreduce.framework.name</name>          <value>yarn</value>        <description>配置MapReduce运行于yarn中</description>    </property>  </configuration>

yarn-site.xml

<!-- 分布式资源管理系统Yarn配置文件 --><configuration>    <!-- 日志聚合功能yarn.log  start -->     <property>           <name>yarn.log-aggregation-enable</name>           <value>true</value>           <description>开启日志聚合功能，默认为false</description>    </property>             <property>           <name>yarn.log-aggregation.retain-seconds</name>           <value>259200</value>           <description>在HDFS上聚合的日志最长保留多少秒，这里配置为3天</description>    </property>     <!-- 日志聚合功能yarn.log  end -->     <!-- 配置resourcemanager  start         在YARN中，ResourceManager负责集群中所有资源的统一管理和分配，         它接收来自各个节点（NodeManager）的资源汇报信息，         并把这些信息按照一定的策略分配给各个应用程序（实际上是ApplicationManager）    -->    <property>         <name>yarn.resourcemanager.ha.enabled</name>         <value>true</value>         <description>开启resourcemanager ha，默认为false</description>    </property>      <property>         <name>yarn.resourcemanager.cluster-id</name>         <value>yrc</value>         <description></description>    </property>      <property>         <name>yarn.resourcemanager.ha.rm-ids</name>         <value>rm1,rm2</value>         <description></description>    </property>      <property>         <name>yarn.resourcemanager.hostname.rm1</name>         <value>node1</value>         <description></description>    </property>         <property>         <name>yarn.resourcemanager.hostname.rm2</name>         <value>node2</value>         <description></description>    </property>      <property>         <name>yarn.resourcemanager.zk-address</name>         <value>node3:2181,node4:2181,node5:2181</value>         <description></description>    </property>      <!-- 配置resourcemanager  end -->    <!-- 配置nodemanager  start         NodeManager是运行在单个节点上的代理，它管理Hadoop集群中单个计算节点    -->    <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>    <!-- 配置nodemanager  end --></configuration>

slaves

node3node4node5

五、集群启动关闭

1.手动启动关闭集群

集群启动

1).启动zookeeper（node3、node4、node5）

$ zkServer.sh start

2).启动journalnode（node3、node4、node5）

$ hadoop-daemon.sh start journalnode

3).格式化HDFS（node1）

注意：格式化后需要把tmp目录拷贝给node2，不然node2的namenode启动不起来，第一次启动时需要格式化

$ hdfs namenode -format$ scp -r /usr/local/hadoop/tmp hadoop@node2:/usr/local/hadoop/

4).格式化ZKFC（node1）

注意：第一次启动时需要格式化

$ hdfs zkfc -formatZK

5).启动HDFS（node1）

$ start-dfs.sh

6).启动YARN（node1）

$ start-yarn.sh

7).启动resourcemanager（node2）

node2的resourcemanager需要手动单独启动

$ yarn-daemon.sh start resourcemanager

8).查看进程

$ jps  # 如果集群启动后看到的进程和下图中一样表示成功，否则失败

主机 进程 node1、node2 NameNode、DFSZKFailoverController、ResourceManager node3、node4、node5 DataNode、NodeManager、JournalNode、QuorumPeerMain

集群关闭

1).停止HDFS（node1）

$ stop-dfs.sh

2).停止YARN（node1）

$ stop-yarn.sh

3).停止resourcemanager（node2）

$ yarn-daemon.sh stop resourcemanager

4).停止zookeeper（node3、node4、node5）

$ zkServer.sh stop

2.集群启动关闭 shell 脚本

每次手动开启或关闭集群，即繁琐又不方便，所以笔者写了一个脚本，通过脚本来管理集群的启动和关闭

zookeeper 集群管理脚本

#!/bin/bash# FileName：zk-manage.sh# Description：zookeeper 集群启动关闭管理脚本# Author：davidSLAVES=$(cat /usr/local/hadoop/etc/hadoop/slaves)#echo $SLAVESstart_time=`date +%s`for slave in $SLAVESdo        case $1 in                start)    ssh -t $slave "zkServer.sh start" 1>/dev/null;;                stop)     ssh -t $slave "zkServer.sh stop" 1>/dev/null;;                status)   echo && ssh -t $slave "zkServer.sh status";;                restart)  ssh -t $slave "zkServer.sh restart" 1>/dev/null;;                *)        echo -e "Usage：sh zk-manage.sh {start|stop|status|restart} ^_^\n" && exit;;        esacdoneend_time=`date +%s`elapse_time=$((${end_time}-${start_time}))echo -e "\n$1 ZooKeeper Server takes ${elapse_time} seconds\n"

hadoop 管理脚本

#!/bin/bash# FileName：hadoop-manage.sh# Description：hadoop 启动关闭管理脚本，hdfs、yarn及node2上的resourcemanager需要单独启动# Author：davidNameNode1=node1NameNode2=node2start_time=`date +%s`case $1 in        start)                ssh -t $NameNode1 "start-dfs.sh"                ssh -t $NameNode1 "start-yarn.sh"                ssh -t $NameNode2 "yarn-daemon.sh start resourcemanager"        ;;        stop)                ssh -t $NameNode1 "stop-dfs.sh"                ssh -t $NameNode1 "stop-yarn.sh"                ssh -t $NameNode2 "yarn-daemon.sh stop resourcemanager"        ;;        *)                echo -e "Usage: hadoop-manage.sh {start|stop} ^_^\n" && exit        ;;esacend_time=`date +%s`elapse_time=$((${end_time}-${start_time}))echo -e "\n$1 Hadoop Server takes ${elapse_time} seconds\n"

hadoop ha 集群管理脚本

#!/bin/bash# FileName：hadoop-ha-cluster.sh# Description：hadoop ha 高可用集群启动关闭脚本# Author：david#CLUSTER_CONF_PATH=$(cd "$(dirname "$0")"; pwd)NameNode1=node1NameNode2=node2DataNode1=node3DataNode2=node4DataNode3=node5start_time=`date +%s`# 查看状态函数封装function showJps(){# 查看namenode1(node1)的进程echo -e "\n**********************************************************************************"ssh -t $NameNode1 << n1echo "当前 $NameNode1 上的进程为： "jpsexitn1# 查看namenode2(node2)的进程echo -e "\n**********************************************************************************"ssh -t $NameNode2 << n2echo "当前 $NameNode2 上的进程为： "jpsexitn2# 查看datanode1(node3)的进程echo -e "\n**********************************************************************************"ssh -t $DataNode1 << d1echo "当前 $DataNode1 上的进程为： "jpsexitd1# 查看datanode2(node4)的进程echo -e "\n**********************************************************************************"ssh -t $DataNode2 << d2echo "当前 $DataNode2 上的进程为： "jpsexitd2# 查看datanode3(node5)的进程echo -e "\n**********************************************************************************"ssh -t $DataNode3 << d3echo "当前 $DataNode3 上的进程为： "jpsexitd3}case $1 in        # 先启动zk，再启动hadoop        start)                sh zk-manage.sh start                sh hadoop-manage.sh start        ;;        # 先关闭hadoop，在关闭zk        stop)                sh hadoop-manage.sh stop                sh zk-manage.sh stop        ;;        # 先关闭hadoop，在重启zk，在启动hadoop        restart)                sh hadoop-manage.sh stop                sh zk-manage.sh restart                sh hadoop-manage.sh start        ;;        # 显示进程        status)                showJps        ;;        *) echo -e "Usage: sh hadoop-ha-cluster.sh {start|stop|restart|status} ^_^\n"  ;;esacend_time=`date +%s`elapse_time=$((${end_time}-${start_time}))echo -e "\n$1 Hadoop HA Cluster Server takes ${elapse_time} seconds\n"

将上面三个脚本分别存放在一个单独文件中，并存放在同一目录下，使用如下命令管理 hadoop ha 高可用集群的启动、关闭、重启、查看进程。

sh hadoop-ha-cluster.sh start       # 启动集群sh hadoop-ha-cluster.sh stop        # 关闭集群sh hadoop-ha-cluster.sh restart     # 重启集群sh hadoop-ha-cluster.sh status      # 查看每个节点上的进程