专注于Docker、Container等技术的交流和分享
挖掘最有价值的资讯动态、教程、国内外优秀资源

使用docker搭建hadoop分布式集群

使用Docker搭建部署Hadoop分布式集群 

在网上找了很长时间都没有找到使用docker搭建hadoop分布式集群的文档,没办法,只能自己写一个了。 

一:环境准备: 

1:首先要有一个Centos7操作系统,可以在虚拟机中安装。 

2:在centos7中安装docker,docker的版本为1.8.2 

安装步骤如下: 

<1>安装制定版本的dockeryum install -y docker-1.8.2-10.el7.centos 

<2>安装的时候可能会报错,需要删除这个依赖

这里写图片描述

rpm -e lvm2-7:2.02.105-14.el7.x86_64
  • 1
  • 1

启动docker

service docker start
  • 1
  • 1

验证安装结果: 

这里写图片描述 

<3>启动之后执行docker info会看到下面有两行警告信息 

这里写图片描述

需要关闭防火墙并重启系统

systemctl stop firewalld
systemctl disable firewalld
注意:执行完上面的命令之后需要重启系统
reboot -h(重启系统)
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

<4>运行容器可能会报错 

这里写图片描述

需要关闭selinux 

解决方法:

1:setenforce 0(立刻生效,不需要重启操作系统)
2:修改/etc/selinux/config文件中的SELINUX=disabled ,然后重启系统生效
建议两个步骤都执行,这样可以确保系统重启之后selinux也是关闭状态
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

3:需要先构建一个hadoop的基础镜像,使用dockerfile文件方式进行构建。 

先构建一个具备ssh功能的镜像,方便后期使用。(但是这样对于容器的安全性会有影响) 

注意:这个镜像中的root用户的密码是root 

Mkdir centos-ssh-root 

Cd centos-ssh-root 

Vi Dockerfile

# 选择一个已有的os镜像作为基础  
FROM centos 

# 镜像的作者  
MAINTAINER crxy 

# 安装openssh-server和sudo软件包,并且将sshd的UsePAM参数设置成no  
RUN yum install -y openssh-server sudo  
RUN sed -i 's/UsePAM yes/UsePAM no/g' /etc/ssh/sshd_config  
#安装openssh-clients
RUN yum  install -y openssh-clients

# 添加测试用户root,密码root,并且将此用户添加到sudoers里  
RUN echo "root:root" | chpasswd  
RUN echo "root   ALL=(ALL)       ALL" >> /etc/sudoers  
# 下面这两句比较特殊,在centos6上必须要有,否则创建出来的容器sshd不能登录  
RUN ssh-keygen -t dsa -f /etc/ssh/ssh_host_dsa_key  
RUN ssh-keygen -t rsa -f /etc/ssh/ssh_host_rsa_key  

# 启动sshd服务并且暴露22端口  
RUN mkdir /var/run/sshd  
EXPOSE 22  
CMD ["/usr/sbin/sshd", "-D"]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23

构建命令: 

docker build -t=”crxy/centos-ssh-root” .

查询刚才构建成功的镜像

这里写图片描述 

4:基于这个镜像再构建一个带有jdk的镜像 

注意:jdk使用的是1.7版本的 

Mkdir centos-ssh-root-jdk 

Cd centos-ssh-root-jdk 

Cp ../jdk-7u75-linux-x64.tar.gz . 

Vi Dockerfile

FROM crxy/centos-ssh-root
ADD jdk-7u75-linux-x64.tar.gz /usr/local/
RUN mv /usr/local/jdk1.7.0_75 /usr/local/jdk1.7
ENV JAVA_HOME /usr/local/jdk1.7
ENV PATH $JAVA_HOME/bin:$PATH
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

构建命令: 

docker build -t=”crxy/centos-ssh-root-jdk” .

查询构建成功的镜像 

这里写图片描述

5:基于这个jdk镜像再构建一个带有hadoop的镜像 

注意:hadoop使用的是2.4.1版本的。 

Mkdir centos-ssh-root-jdk-hadoop 

Cd centos-ssh-root-jdk-hadoop 

Cp ../hadoop-2.4.1.tar.gz . 

Vi Dockerfile

FROM crxy/centos-ssh-root-jdk
ADD hadoop-2.4.1.tar.gz /usr/local
RUN mv /usr/local/hadoop-2.4.1 /usr/local/hadoop
ENV HADOOP_HOME /usr/local/hadoop
ENV PATH $HADOOP_HOME/bin:$PATH
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

构建命令: 

docker build -t=”crxy/centos-ssh-root-jdk-hadoop” .

查询构建成功的镜像 

这里写图片描述

二:搭建hadoop分布式集群 

1:集群规划 

准备搭建一个具有三个节点的集群,一主两从 

主节点:hadoop0 ip:192.168.2.10 

从节点1:hadoop1 ip:192.168.2.11 

从节点2:hadoop2 ip:192.168.2.12

但是由于docker容器重新启动之后ip会发生变化,所以需要我们给docker设置固定ip。使用pipework给docker容器设置固定ip 

2:启动三个容器,分别作为hadoop0 hadoop1 hadoop2 

在宿主机上执行下面命令,给容器设置主机名和容器的名称,并且在hadoop0中对外开放端口50070 和8088

docker run --name hadoop0 --hostname hadoop0 -d -P -p 50070:50070 -p 8088:8088 crxy/centos-ssh-root-jdk-hadoop

docker run --name hadoop1 --hostname hadoop1 -d -P crxy/centos-ssh-root-jdk-hadoop

docker run --name hadoop2 --hostname hadoop2 -d -P crxy/centos-ssh-root-jdk-hadoop
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

使用docker ps 查看刚才启动的是三个容器

这里写图片描述

3:给这三台容器设置固定IP 

1:下载pipework 

下载地址:https://github.com/jpetazzo/pipework.git 

2:把下载的zip包上传到宿主机服务器上,解压,改名字

unzip pipework-master.zip
mv pipework-master pipework
cp -rp pipework/pipework /usr/local/bin/ 
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

3:安装bridge-utils

yum -y install bridge-utils
  • 1
  • 1

4:创建网络

brctl addbr br0
ip link set dev br0 up
ip addr add 192.168.2.1/24 dev br0
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

5:给容器设置固定ip

pipework br0 hadoop0 192.168.2.10/24
pipework br0 hadoop1 192.168.2.11/24
pipework br0 hadoop2 192.168.2.12/24
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

验证一下,分别ping三个ip,能ping通就说明没问题

这里写图片描述

4:配置hadoop集群 

先连接到hadoop0上, 

使用命令

docker exec -it hadoop0 /bin/bash
  • 1
  • 1

下面的步骤就是hadoop集群的配置过程 

1:设置主机名与ip的映射,修改三台容器:vi /etc/hosts 

添加下面配置

192.168.2.10    hadoop0
192.168.2.11    hadoop1
192.168.2.12    hadoop2
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

2:设置ssh免密码登录 

在hadoop0上执行下面操作

cd  ~
mkdir .ssh
cd .ssh
ssh-keygen -t rsa(一直按回车即可)
ssh-copy-id -i localhost
ssh-copy-id -i hadoop0
ssh-copy-id -i hadoop1
ssh-copy-id -i hadoop2
在hadoop1上执行下面操作
cd  ~
cd .ssh
ssh-keygen -t rsa(一直按回车即可)
ssh-copy-id -i localhost
ssh-copy-id -i hadoop1
在hadoop2上执行下面操作
cd  ~
cd .ssh
ssh-keygen -t rsa(一直按回车即可)
ssh-copy-id -i localhost
ssh-copy-id -i hadoop2
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20

3:在hadoop0上修改hadoop的配置文件 

进入到/usr/local/hadoop/etc/hadoop目录 

修改目录下的配置文件core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml 

(1)hadoop-env.sh

export JAVA_HOME=/usr/local/jdk1.7
  • 1
  • 1

(2)core-site.xml

<configuration>
        <property>
                <name>fs.defaultFS</name>
                <value>hdfs://hadoop0:9000</value>
        </property>
        <property>
                <name>hadoop.tmp.dir</name>
                <value>/usr/local/hadoop/tmp</value>
        </property>
         <property>
                 <name>fs.trash.interval</name>
                 <value>1440</value>
        </property>
</configuration>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

(3)hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.permissions</name>
        <value>false</value>
    </property>
</configuration>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

(4)yarn-site.xml

<configuration>
        <property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>
        <property> 
                <name>yarn.log-aggregation-enable</name> 
                <value>true</value> 
        </property>
</configuration>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

(5)修改文件名:mv mapred-site.xml.template mapred-site.xml 

vi mapred-site.xml

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

(6)格式化 

进入到/usr/local/hadoop目录下 

1、执行格式化命令

bin/hdfs namenode -format
注意:在执行的时候会报错,是因为缺少which命令,安装即可

执行下面命令安装
yum install -y which
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

看到下面命令说明格式化成功。 

这里写图片描述

格式化操作不能重复执行。如果一定要重复格式化,带参数-force即可。 

(7)启动伪分布hadoop

命令:sbin/start-all.sh
  • 1
  • 1

第一次启动的过程中需要输入yes确认一下。 

这里写图片描述

使用jps,检查进程是否正常启动?能看到下面几个进程表示伪分布启动成功

[root@hadoop0 hadoop]# jps
3267 SecondaryNameNode
3003 NameNode
3664 Jps
3397 ResourceManager
3090 DataNode
3487 NodeManager
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

(8)停止伪分布hadoop

命令:sbin/stop-all.sh
  • 1
  • 1

(9)指定nodemanager的地址,修改文件yarn-site.xml

<property>
    <description>The hostname of the RM.</description>
    <name>yarn.resourcemanager.hostname</name>
    <value>hadoop0</value>
  </property>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

(10)修改hadoop0中hadoop的一个配置文件etc/hadoop/slaves 

删除原来的所有内容,修改为如下

hadoop1
hadoop2
  • 1
  • 2
  • 1
  • 2

(11)在hadoop0中执行命令

  scp  -rq /usr/local/hadoop   hadoop1:/usr/local
  scp  -rq /usr/local/hadoop   hadoop2:/usr/local
  • 1
  • 2
  • 1
  • 2

(12)启动hadoop分布式集群服务

执行sbin/start-all.sh
  • 1
  • 1

注意:在执行的时候会报错,是因为两个从节点缺少which命令,安装即可

分别在两个从节点执行下面命令安装

yum install -y which
  • 1
  • 1

再启动集群(如果集群已启动,需要先停止)

sbin/start-all.sh
  • 1
  • 1

(13)验证集群是否正常 

首先查看进程: 

Hadoop0上需要有这几个进程

[root@hadoop0 hadoop]# jps
4643 Jps
4073 NameNode
4216 SecondaryNameNode
4381 ResourceManager
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

Hadoop1上需要有这几个进程

[root@hadoop1 hadoop]# jps
715 NodeManager
849 Jps
645 DataNode
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

Hadoop2上需要有这几个进程

[root@hadoop2 hadoop]# jps
456 NodeManager
589 Jps
388 DataNode
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

使用程序验证集群服务 

创建一个本地文件

vi a.txt
hello you
hello me
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

上传a.txt到hdfs上

hdfs dfs -put a.txt /
  • 1
  • 1

执行wordcount程序

cd /usr/local/hadoop/share/hadoop/mapreduce
hadoop jar hadoop-mapreduce-examples-2.4.1.jar wordcount /a.txt /out
  • 1
  • 2
  • 1
  • 2

查看程序执行结果 

这里写图片描述 

这样就说明集群正常了。

通过浏览器访问集群的服务 

由于在启动hadoop0这个容器的时候把50070和8088映射到宿主机的对应端口上了

adb9eba7142b        crxy/centos-ssh-root-jdk-hadoop   "/usr/sbin/sshd -D"   About an hour ago   Up About an hour    0.0.0.0:8088->8088/tcp, 0.0.0.0:50070->50070/tcp, 0.0.0.0:32770->22/tcp   hadoop0
  • 1
  • 1

所以在这可以直接通过宿主机访问容器中hadoop集群的服务 

宿主机的ip为:192.168.1.144

http://192.168.1.144:50070/
http://192.168.1.144:8088/
  • 1
  • 2
  • 1
  • 2

这里写图片描述

这里写图片描述 

三:集群节点重启 

停止三个容器,在宿主机上执行下面命令

docker stop hadoop0
docker stop hadoop1
docker stop hadoop2
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

容器停止之后,之前设置的固定ip也会消失,重新再使用这几个容器的时候还需要重新设置固定ip 

先把之前停止的三个容器起来

docker start hadoop0
docker start hadoop1
docker start hadoop2
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

在宿主机上执行下面命令重新给容器设置固定ip

pipework br0 hadoop0 192.168.2.10/24
pipework br0 hadoop1 192.168.2.11/24
pipework br0 hadoop2 192.168.2.12/24
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

还需要重新在容器中配置主机名和ip的映射关系,每次都手工写比较麻烦 

写一个脚本,runhosts.sh

#!/bin/bash
echo 192.168.2.10       hadoop0 >> /etc/hosts
echo 192.168.2.11       hadoop1 >> /etc/hosts
echo 192.168.2.12       hadoop2 >> /etc/hosts
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

添加执行权限,chmod +x runhosts.sh 

把这个脚本拷贝到所有节点,并且分别执行这个脚本

scp runhosts.sh  hadoop1:~
scp runhosts.sh  hadoop2:~
  • 1
  • 2
  • 1
  • 2

执行脚本的命令 ./runhosts.sh

查看/etc/hosts文件中是否添加成功 

这里写图片描述

注意:有一些docker版本中不会在hosts文件中自动生成下面这些映射,所以我们才在这里手工给容器设置固定ip,并设置主机名和ip的映射关系。

172.17.0.25     hadoop0
172.17.0.25     hadoop0.bridge
172.17.0.26     hadoop1
172.17.0.26     hadoop1.bridge
172.17.0.27     hadoop2
172.17.0.27     hadoop2.bridge
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

启动hadoop集群

sbin/start-all.sh
  • 1
  • 1

文章转自CSDN,点击查看原文

鲸鱼云公众号:dockercloud

鲸鱼云公众号

转载请加上原文链接和本文链接:鲸鱼云 » 使用docker搭建hadoop分布式集群

分享到:更多 ()

评论 抢沙发

评论前必须登录!