基于docker快速搭建多节点Hadoop集群

发布时间：2020-07-23 09:48:55编辑：admin阅读（2914）

一、概述

hadoop是什么

Hadoop被公认是一套行业大数据标准开源软件，在分布式环境下提供了海量数据的处理能力。几乎所有主流厂商都围绕Hadoop开发工具、开源软件、商业化工具和技术服务。今年大型IT公司，如EMC、Microsoft、Intel、Teradata、Cisco都明显增加了Hadoop方面的投入。


hadoop能干什么

hadoop擅长日志分析，facebook就用Hive来进行日志分析，2009年时facebook就有非编程人员的30%的人使用HiveQL进行数据分析；淘宝搜索中的自定义筛选也使用的Hive；利用Pig还可以做高级的数据处理，包括Twitter、LinkedIn 上用于发现您可能认识的人，可以实现类似Amazon.com的协同过滤的推荐效果。淘宝的商品推荐也是！在Yahoo！的40%的Hadoop作业是用pig运行的，包括垃圾邮件的识别和过滤，还有用户特征建模。（2012年8月25新更新，天猫的推荐系统是hive，少量尝试mahout！）

 

hadoop的核心

1.HDFS: Hadoop Distributed File System  分布式文件系统

2.YARN: Yet Another Resource Negotiator   资源管理调度系统

3.Mapreduce：分布式运算框架

 

HDFS的架构

主从结构

       •主节点， namenode

        •从节点，有很多个: datanode

namenode负责：

         •接收用户操作请求

         •维护文件系统的目录结构

         •管理文件与block之间关系，block与datanode之间关系

datanode负责：

         •存储文件

         •文件被分成block存储在磁盘上

         •为保证数据安全，文件会有多个副本

 

Secondary NameNode负责：

           合并fsimage和edits文件来更新NameNode的metedata



二、docker部署

环境说明

操作系统	docker版本	ip地址	配置
centos 7.6	19.03.12	192.168.31.229	4核8g

 

 

 

 

拉取镜像

这里采用dockerhub现有，镜像大小为：777MB

docker pull kiwenlau/hadoop-master:0.1.0

 

运行容器

下载源代码

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

 

创建网桥

docker network create hadoop

 

运行容器

cd /opt/hadoop-cluster-docker/
./start-container.sh

运行结果：

start master container...
start slave1 container...
start slave2 container...

 

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：

root@hadoop-master:~# ls
hdfs  input  run-wordcount.sh  start-hadoop.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。

 

开启hadoop

bash start-hadoop.sh

 注意：这一步会ssh连接到每一个节点，确保ssh信任是正常的。

Hadoop的启动速度取决于机器性能

 

运行wordcount

bash run-wordcount.sh

此脚本会连接到fdfs，并生成几个测试文件。

 

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

 

三、配置文件说明

进入hadoop-master容器，hadoop的配置文件目录为：/usr/local/hadoop/etc/hadoop

core-site.xml

<?xml version="1.0"?>
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop-master:9000/</value>
    </property>
</configuration>




 

hdfs-site.xml

<?xml version="1.0"?>
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop-master:9000/</value>
    </property>
</configuration>
root@hadoop-master:/usr/local/hadoop/etc/hadoop# pwd
/usr/local/hadoop/etc/hadoop
root@hadoop-master:/usr/local/hadoop/etc/hadoop# cat hdfs-site.xml 
<?xml version="1.0"?>
<configuration>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:///root/hdfs/namenode</value>
        <description>NameNode directory for namespace and transaction logs storage.</description>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:///root/hdfs/datanode</value>
        <description>DataNode directory</description>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>2</value>
    </property>
</configuration>




注意：这里是配置一个Master节点和两个Slave节点。所以dfs.replication配置为2。
dfs.namenode.name.dir和dfs.datanode.data.dir分别配置为NameNode和DataNode的目录路径

 

mapred-site.xml

<?xml version="1.0"?>
<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>




指定运行mapreduce的环境是yarn

 

hadoop-env.sh

注意：这里必须要指定java的路径。否则启动Hadoop时，提示找不到变量JAVA_HOME

# The java implementation to use.
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64

 

四、测试Hadoop

hadoop管理页面

http://ip地址:8088/cluster/nodes

效果如下：



 

 

hdfs 管理页面

http://ip地址:50070/

点击datanode，效果如下：



 

 

浏览文件系统



 

默认有2个文件夹，这里面的文件是看不到的。

 

 

 

由于默认开启了安全默认，默认是没有权限查看文件的。需要关闭安全模式才行！

关闭安全模式

进入hadoop-master容器，执行命令：

hadoop dfsadmin -safemode leave

 

授权tmp文件权限

hdfs dfs -chmod -R 755 /tmp

 

刷新页面，点击tmp



 

 

返回上一级目录，进入/user/root/input，就可以看到脚本创建的2个文件了！



 

 

注意：hdfs存放目录为：/root/hdfs。如果需要做持久化，将此目录映射出来即可！

 

 

本文参考链接：

http://dockone.io/article/395

https://blog.csdn.net/sb985/article/details/82722451

https://blog.csdn.net/gwd1154978352/article/details/81095592

关键字：