【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>>
在Hadoop2.0之前,HDFS的NameNode存在单点故障问题。所谓HA,集高可用(7*24小时不中断服务)。HA严格意义来说应分成各个组件的HA机制:HDFS的HA和YARN的HA。HDFS HA功能通过配置Active/Standby两个NameNode实现在集群中对NameNode的热备份来解决单点故障。如果出现故障(如:机器崩溃/机器需要升级维护),这时可以通过HA将NameNode很快切换到另一台机器。
HA 集群配置
环境准备
- 配置主机名及主机名和ip映射
- 关闭防火墙
- ssh免密登录
- 安装JDK,配置环境变量
配置Zookeeper集群
解压Zookeeper到指定目录
$ tar -zxvf zookeeper-3.4.10.tar.gz -C /export/servers
在/export/servers/zookeeper-3.4.10/这个目录下创建 zkData
mkdir -p zkData
重命名/export/servers/zookeeper-3.4.10/conf 这个目录下的 zoo_sample.cfg 为 zoo.cfg并修改
mv zoo_sample.cfg zoo.cfg
//具体配置
dataDir=/export/servers/zookeeper-3.4.10/zkData
#######################cluster##########################
server.2=had01:2888:3888
server.3=had02:2888:3888
server.4=had03:2888:3888
在/export/servers/zookeeper-3.4.10/zkData 目录下创建一个 myid 的文件并加入编号
touch myid
vi myid
2 ### 每台机器编号不同
拷贝配置好的 zookeeper 到其他机器上
scp -r zookeeper-3.4.10/ root@had02:/export/servers/
scp -r zookeeper-3.4.10/ root@had03:/export/servers/
并修改每台myid文件的内容为3、4
分别启动Zookeeper并检查状态
//启动
zkServer.sh start ###所有机器都要执行
//检查
zkServer.sh status ###两台follower,一台leader
配置Hadoop_HA集群
在 export目录下创建一个 data文件夹
mkdir data
export JAVA_HOME=/export/servers/jdk1.8.0_144
配置 core-site.xml
<configuration>
<!-- 把两个 NameNode 的地址组装成一个集群 mycluster -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://cluster1</value>
</property>
<!-- 指定 hadoop 运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/export/hadoop/tmp</value>
</property>
<!-- 指定 Zookeeper 的机器地址 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>had01:2181,had02:2181,had03:2181</value>
</property>
<property>
<name>hadoop.proxyuser.root.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.root.groups</name>
<value>*</value>
</property>
</configuration>
配置 hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- 完全分布式集群名称 -->
<property>
<name>dfs.nameservices</name>
<value>cluster1</value>
</property>
<!-- 集群中 namenode 存放地址-->
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/export/data/hadoop/dfs/name</value>
</property>
<!-- 集群中 datanode 存放地址-->
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/export/data/hadoop/dfs/data</value>
</property>
<!-- 集群中 NameNode 节点都有哪些 -->
<property>
<name>dfs.ha.namenodes.cluster1</name>
<value>had01,had02</value>
</property>
<!-- nn1 的 RPC 通信地址 -->
<property>
<name>dfs.namenode.rpc-address.cluster1.had01</name>
<value>had01:8020</value>
</property>
<!-- nn1 的 http 通信地址 -->
<property>
<name>dfs.namenode.http-address.cluster1.had01</name>
<value>had01:50070</value>
</property>
<!-- nn2 的 RPC 通信地址 -->
<property>
<name>dfs.namenode.rpc-address.cluster1.had02</name>
<value>had02:8020</value>
</property>
<!-- nn1 的 http 通信地址 -->
<property>
<name>dfs.namenode.http-address.cluster1.had02</name>
<value>had02:50070</value>
</property>
<!-- 指定 NameNode 元数据在 JournalNode 上的存放位置 -->
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://had01:8485;had02:8485;had03:8485/cluster1 </value>
</property>
<!-- 故障自动转移-->
<property>
<name>dfs.ha.automatic-failover.enabled.cluster1</name>
<value>true</value>
</property>
<!-- 访问代理类:client,mycluster,active 配置失败自动切换实现 方式-->
<property>
<name>dfs.client.failover.proxy.provider.cluster1</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider </value>
</property>
<!-- 配置隔离机制,即同一时刻只能有一台服务器对外响应 -->
<property>
<name>dfs.ha.fencing.methods</name>
<value>sshfence</value>
</property>
<!-- 使用隔离机制时需要 ssh 无秘钥登录-->
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/export/servers/hadoop-2.8.2/.ssh/id_rsa</value>
</property>
<property>
<name>dfs.ha.fencing.ssh.connect-timeout</name>
<value>30000</value>
</property>
<!-- 关闭权限检查-->
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
</configuration>
配置mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>had01:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>had01:19888</value>
</property>
<property>
<name>mapreduce.job.ubertask.enable</name>
<value>true</value>
</property>
</configuration>
配置yarn-site.xml
<configuration>
<!--启用 resourcemanager ha-->
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<!--声明两台 resourcemanager 的地址-->
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>yrc</value>
</property>
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>had01</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>had12</value>
</property>
<!--启用自动恢复-->
<property>
<name>yarn.resourcemanager.recovery.enabled</name>
<value>true</value>
</property>
<!--指定 zookeeper 集群的地址-->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>had01:2181,had02:2181,had03:2181</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<property>
<name>yarn.nodemanager.remote-app-log-dir</name>
<value>/user/yarn/logs</value>
</property>
<property>
<name>yarn.log.server.url</name>
<value>http://had01:19888/jobhistory/logs</value>
</property>
<property>
<name>yarn.nodemanager.local-dirs</name>
<value>/export/servers/hadoop-2.8.2/yarn/local</value>
</property>
<property>
<name>yarn.nodemanager.log-dirs</name>
<value>/export/servers/hadoop-2.8.2/yarn/logs</value>
</property>
<property>
<name>yarn.nodemanager.delete.debug-delay-sec</name>
<value>600</value>
</property>
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>864000</value>
</property>
</configuration>
启动Hadoop_HA集群
启动Zookeeper,并格式化ZK
bin/zkServer.sh start
bin/hdfs zkfc -formatZK
在namenode节点上启动zkfc
sbin/hadoop-daemin.sh start zkfc
在各个 JournalNode 节点上,输入以下命令启动 journalnode 服务
sbin/hadoop-daemon.sh start journalnode ###所有机器
在[nn1]上,对其进行格式化,并启动
bin/hdfs namenode -format
sbin/hadoop-daemon.sh start namenode
在[nn2]上,同步 nn1 的元数据信息,并启动
bin/hdfs namenode -bootstrapStandby
sbin/hadoop-daemon.sh start namenode
启动所有datanode
sbin/hadoop-daemons.sh start datanode ###所有机器
启动yarn
bin/start-yarn.sh
jps检查:2个namenode,3个datanode,2个ResourceManager,3个NodeManager
页面检查:had01:50070/had02:50070 一个Action,一个Standby,3个可用节点 had01:7077
来源:oschina
链接:https://my.oschina.net/u/4427158/blog/3150674