hadoop HA高可用集群实战

本文涉及的产品
服务治理 MSE Sentinel/OpenSergo,Agent数量 不受限
云原生网关 MSE Higress,422元/月
注册配置 MSE Nacos/ZooKeeper,118元/月
简介: 大数据实战:hadoop HA高可用集群

1 概述

  1. HA(high available),即高可用(24h不中断服务)
  2. 实现高可用最关键的策略是消除单点故障。HA严格来说是应该分成各个组件的HA机制
  3. hadoop2.0之前,在HDFS集群中NamNode存在单点故障(SPOF)
  4. NameNode主要存在以下两个方敏影响HDFS集群。

    - NameNode机器发生意外,如宕机,集群无法使用,直到管理员重启。
    - NameNode机器需要升级,包括软件,硬件升级,此时集群也将无法使用。
    
    AI 代码解读

    HDFS HA功能通过配置Active/Standby两个nameNode实现在集群中对NameNode的热备份来解决上述问题。如果机器出现故障,这是可通过此种方式将NameNode很快切换到另一台机器。

2 HDFS-HA工作机制

通过双NameNode消除单点故障

2.1 HDFS-HA工作要点

1、元数据管理方式需要改变

  • 内存中各自保存一份元数据;
  • Edits日志只有Active状态的NameNode节点可以做写操作。
  • 两个NameNode都可以读取Edits
  • 共享的Edit放在一个共享存储中管理(qjournal和NFS两个主流实现)

2、需要一个状态管理功能模块

  • 实现了一个zkfailover,常驻在每一个namenode所在的节点,每一个zkfailover负责监控自己所在NameNode节点,利用zk进行状态表示,当需要进行装填切换时,由zkfaiover来负责切换,切换时需要防止brain split想想发生。

3、必须保证两个 NameNode 之间能欧ssh无密码登录
4、隔离(Fence),即同一时刻仅仅有一个 NameNode对外提供服务。

2.2 HDFS 自动故障转移工作

通过命令 hdfs haadmin -failover 进行手动故障转移的模式下,即使现役 NameNode已经失效,系统也不会自动从现役 NameNode转移到待机NameNode,因而下面介绍自动故障转移。

自动故障颛臾为HDFS部署增加了两个新组件:

  • ZooKeeper进程
  • ZKFailoverController(ZKFC)进程

其中ZK负责维护少量协调数据,通知客户端这些数据的改变和客户端故障的高可用服务。HA的自动故障转移依赖于ZK以下功能:

1、故障检测
集群中每个 NameNode 在Zookeeper 中维护了一个持久回话,如果机器崩溃,ZK中的会话将终止,ZK通知另一个NameNode需要除法故障转移。

2、现役 NameNode选择
ZooKeeper提供了一个简单的机制用于唯一的选择一个节点为 active 状态。如果目前现役 NameNode崩溃,另一个节点可能从 ZK获得特殊的排外锁,以表名它应该称为现役 NameNode。

ZKFC是自动故障转移中的另一个新组建,是ZK的客户端,也监视和管理 NameNode的装填

3、健康检测
ZKFC使用一个健康检查命令定期地ping与之在相同主机的NameNode,只要该NameNode及时回复健康状态,ZKFC认为该节点是健康的。如果该节点崩溃、冻结或进入不健康状态,健康检测器标识该节点为非健康的。

4、ZooKeeper会话管理
当本地NameNode是将康的,ZKFC保持一个在ZooKeeper中打开的会话。如果本地NameNode处于active状态,ZKFC也保持一个特殊的znode锁,该锁使用了ZooKeeper对对该节点的支持,如果会话终止,锁节点将自动删除。

5、基于 ZooKeeper的选择
如果本地 NameNode是健康的,且ZKFC发现没有其他节点持有znode锁,它将为自己获取该锁。如果成功,则它已经赢得了选择,并负责运行故障转移进程以使它的本地 NameNode为Active。故障转移进程与前面描述的手动付账转移相似,首先如果必要保护之前的嫌疑NameNode,然后本地NameNode转换为Active状态。

在这里插入图片描述

3 HDFS-HA集群配置

3.1 环境准备

  • 映射主机ip、 安装jdk、ssh免密、防火墙(按具体情况配置,安全第一)
  • 搭建 ZooKeeper集群

3.2 搭建ZooKeeper集群

详细请阅读ZK秘籍8.2节:古传送阵

启动

$ZK_HOME/bin/zkServer.sh start $ZK_HOME/conf/zoo.cfg
AI 代码解读

3.3 配置 HDFS-HA集群

3.3.1 配置环境

# hadoop-HA
export $HADOOP_HA_HOME=/usr/local/hadoop-HA/hadoop-2.8.4
export PATH=$PATH:$HADOOP_HA_HOME/bin:$HADOOP_HA_HOME/sbin

# hadoop
#export HADOOP_HOME=/usr/local/hadoop-2.8.4
#export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
AI 代码解读
vim $HADOOP_HA_HOME/etc/hadoop/hadoop-env.sh
AI 代码解读
export JAVA_HOME=/usr/local/jdk1.8.0_151

export HADOOP_CONF_DIR=/usr/local/hadoop-HA/hadoop-2.8.4/etc/hadoop
AI 代码解读
scp -r $HADOOP_HA_HOME/etc/hadoop/hadoop-env.sh root@slave1:$HADOOP_HA_HOME/etc/hadoop/

scp -r $HADOOP_HA_HOME/etc/hadoop/hadoop-env.sh root@slave2:$HADOOP_HA_HOME/etc/hadoop/
AI 代码解读

3.3.2 配置core-site.xml

mkdir /usr/local/hadoop-HA/data
AI 代码解读
vim $HADOOP_HA_HOME/etc/hadoop/core-site.xml
AI 代码解读
<configuration> 

    <!-- 把两个 NameNode 的地址组装成一个集群 mycluster --> 
    <property> 
        <name>fs.defaultFS</name> 
        <value>hdfs://mycluster</value> 
    </property> 
    
    <!-- 指定 hadoop运行时产生文件的存储目录 --> 
    <property> 
        <name>hadoop.tmp.dir</name> 
        <value>/usr/local/hadoop-HA/data</value> 
    </property> 
    
</configuration>
AI 代码解读

3.3.3 配置 hdfs-site.xml

NameNode:master、slave1
DataNode:master、slave1、slave2

mkdir /usr/local/hadoop-HA/data/jn
AI 代码解读
vim $HADOOP_HA_HOME/etc/hadoop/hdfs-site.xml
AI 代码解读
<configuration> 
    <!-- 完全分布式集群名称 --> 
    <property> 
        <name>dfs.nameservices</name> 
        <value>mycluster</value> 
    </property> 
    
    <!-- 集群中 NameNode节点都有哪些 --> 
    <property> 
        <name>dfs.ha.namenodes.mycluster</name> 
        <value>nn1,nn2</value> 
    </property> 
    
    <!-- nn1的 RPC通信地址 --> 
    <property> 
        <name>dfs.namenode.rpc-address.mycluster.nn1</name> 
        <value>master:9000</value> 
    </property> 
    
    <!-- nn2的 RPC通信地址 --> 
    <property> 
        <name>dfs.namenode.rpc-address.mycluster.nn2</name> 
        <value>slave1:9000</value> 
    </property> 
    
    <!-- nn1的 http 通信地址 --> 
    <property> 
        <name>dfs.namenode.http-address.mycluster.nn1</name> 
        <value>master:50070</value> 
    </property> 
    
    <!-- nn2的 http 通信地址 --> 
    <property> 
        <name>dfs.namenode.http-address.mycluster.nn2</name> 
        <value>slave1:50070</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://master:8485;slave1:8485;slave2:8485/mycluster</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>~/.ssh/id_rsa</value> 
    </property> 
    
    <!-- 声明 journalnode 服务器存储目录--> 
    <property> 
        <name>dfs.journalnode.edits.dir</name> 
        <value>/usr/local/hadoop-HA/data/jn</value> 
    </property> 
    
    <!-- 关闭权限检查--> 
    <property> 
        <name>dfs.permissions.enable</name> 
        <value>false</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.mycluster</name> 
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> 
    </property> 
</configuration> 
AI 代码解读

配置发送到其他机器

scp -r /usr/local/hadoop-HA/ root@slave1:/usr/local/
scp -r /usr/local/hadoop-HA/ root@slave2:/usr/local/
AI 代码解读

3.3.4 启动 HDFS-HA集群

在各个JournalNode节点商,输入以下命令启动journalnode服务

1、在各个 JournalNode 节点上,输入以下命令启动 journalnode 服务

$HADOOP_HA_HOME/sbin/hadoop-daemon.sh start journalnode
AI 代码解读

2、在[nn1]上,对其进行格式化,并启动

# 格式化
$HADOOP_HA_HOME/bin/hdfs namenode -format
AI 代码解读
$HADOOP_HA_HOME/sbin/hadoop-daemon.sh start namenode
AI 代码解读

3、在[nn2]上,同步nn1的元数据信息

$HADOOP_HA_HOME/bin/hdfs namenode -bootstrapStandby
AI 代码解读

4、启动[nn2]

$HADOOP_HA_HOME/sbin/hadoop-daemon.sh start namenode
AI 代码解读

5、查看web页面(此时2个NameNode均为standby状态)

http://192.168.56.20:50070
http://192.168.56.21:50070
AI 代码解读

6、在 [nn1] 上,启动所有 datanode

# 配置节点域名
vim $HADOOP_HA_HOME/etc/hadoop/slaves
master
slave1
slave2
AI 代码解读
$HADOOP_HA_HOME/sbin/hadoop-daemons.sh start datanode
AI 代码解读

7、将 [nn1] 切换为 Active

$HADOOP_HA_HOME/bin/hdfs haadmin -transitionToActive nn1
AI 代码解读

8、查看是否Active

$HADOOP_HA_HOME/bin/hdfs haadmin -getServiceState nn1
AI 代码解读

3.3.5 配置 HDFS-HA自动故障转移

1 具体配置

在hdfs-site.xml 增加

vim $HADOOP_HA_HOME/etc/hadoop/hdfs-site.xml
AI 代码解读
<!-- 配置 HDFS-HA自动故障转移 -->
<property> 
    <name>dfs.ha.automatic-failover.enabled</name> 
    <value>true</value> 
</property> 
AI 代码解读

在core-site.xml 增加

vim $HADOOP_HA_HOME/etc/hadoop/core-site.xml
AI 代码解读
<!-- 配置 HDFS-HA自动故障转移 -->
<property> 
    <name>ha.zookeeper.quorum</name> 
    <value>master:2181,slave1:2181,slave2:2181</value> 
</property>
AI 代码解读
2 同步配置
scp -r $HADOOP_HA_HOME/etc/hadoop/hdfs-site.xml root@slave1:$HADOOP_HA_HOME/etc/hadoop/
scp -r $HADOOP_HA_HOME/etc/hadoop/core-site.xml root@slave1:$HADOOP_HA_HOME/etc/hadoop/
AI 代码解读
3 启动

1、关闭所有 HDFS服务

$HADOOP_HA_HOME/sbin/stop-dfs.sh
AI 代码解读

在这里插入图片描述
2、启动 ZooKeeper集群

$ZK_HOME/bin/zkServer.sh start $ZK_HOME/conf/zoo.cfg
AI 代码解读

3、初始化 HA 在 ZooKeeper 中状态(NameNode节点)

$HADOOP_HA_HOME/bin/hdfs zkfc -formatZK
AI 代码解读

4、启动 HDFS 服务

$HADOOP_HA_HOME/sbin/start-dfs.sh
AI 代码解读

5、在各个 NameNode节点上启动 DFSZK Failover Controller,先在哪台机器启动,哪个机器的 NameNode就是Active NameNode

$HADOOP_HA_HOME/sbin/hadoop-daemon.sh start zkfc
AI 代码解读
4 验证

1、将 Active NameNode 进程 kill

kill -9 (namenode进程id)
AI 代码解读

2、恢复NameNode

$HADOOP_HA_HOME/sbin/hadoop-daemon.sh start namenode
AI 代码解读
5 其他处理

1、Standby所在的namenode不会自动切换为active状态。

检查服务器时间是否同步,同步需要在root用户下。

hdfs namenode -initializeSharedEdits
AI 代码解读

3.4 YARN-HA配置

工作机制
在这里插入图片描述

在这里插入图片描述

3.4.1 yarn-site.xml

vim $HADOOP_HA_HOME/etc/hadoop/yarn-site.xml
AI 代码解读
<configuration> 
    
    <property> 
        <name>yarn.nodemanager.aux-services</name> 
        <value>mapreduce_shuffle</value> 
    </property> 
    
    <!--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>cluster-yarn1</value> 
    </property> 
    
    <property> 
        <name>yarn.resourcemanager.ha.rm-ids</name> 
        <value>rm1,rm2</value> 
    </property> 
    
    <property> 
        <name>yarn.resourcemanager.hostname.rm1</name> 
        <value>master</value> 
    </property> 
    
    <property> 
        <name>yarn.resourcemanager.hostname.rm2</name> 
        <value>slave1</value> 
    </property> 
    
    <!--指定 zookeeper 集群的地址--> 
    <property> 
        <name>yarn.resourcemanager.zk-address</name> 
        <value>master:2181,slave1:2181,slave2:2181</value> 
    </property> 
    
    <!--启用自动恢复-->  
    <property> 
        <name>yarn.resourcemanager.recovery.enabled</name> 
        <value>true</value> 
    </property> 
    
    <!--指定 resourcemanager 的状态信息存储在 zookeeper集群--> 
    <property> 
        <name>yarn.resourcemanager.store.class</name>     
        <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value> 
    </property> 

</configuration> 
AI 代码解读

同步更新其他节点的配置信息

scp -r $HADOOP_HA_HOME/etc/hadoop/yarn-site.xml root@slave1:$HADOOP_HA_HOME/etc/hadoop/

scp -r $HADOOP_HA_HOME/etc/hadoop/yarn-site.xml root@slave2:$HADOOP_HA_HOME/etc/hadoop/
AI 代码解读

3.4.2 启动hdfs

1、关闭所有 HDFS服务

$HADOOP_HA_HOME/sbin/stop-dfs.sh
AI 代码解读

1、在各个 JournalNode节点上,输入以下命令启动 journalnode服务:

$HADOOP_HA_HOME/sbin/hadoop-daemon.sh start journalnode
AI 代码解读

2、在 [nn1] 上,对其进行格式化,并启动

$HADOOP_HA_HOME/bin/hdfs namenode -format
$HADOOP_HA_HOME/sbin/hadoop-daemon.sh start namenode
AI 代码解读

3、在 [nn2] 上,同步 nn1 的元数据信息

$HADOOP_HA_HOME/bin/hdfs namenode -bootstrapStandby
AI 代码解读

4、启动 [nn2]

$HADOOP_HA_HOME/sbin/hadoop-daemon.sh start namenode
AI 代码解读

5、启动所有 DataNode

$HADOOP_HA_HOME/sbin/hadoop-daemons.sh start datanode
AI 代码解读

6、将 [nn1]切换为 Active

$HADOOP_HA_HOME/bin/hdfs haadmin -transitionToActive nn1
AI 代码解读

3.4.3 启动 YARN

进程:ResourceManager、NodeManager、NodeManager

$HADOOP_HA_HOME/sbin/start-yarn.sh 
AI 代码解读

slave2执行(非NameNode节点)

$HADOOP_HA_HOME/sbin/yarn-daemon.sh start resourcemanager
AI 代码解读

3、查看服务状态

$HADOOP_HA_HOME/bin/yarn rmadmin -getServiceState rm1 
AI 代码解读

3.5 查看集群

http://192.168.56.20:8088/cluster
AI 代码解读

在这里插入图片描述

报错处理

重新格式化

1、查看hdfs-site.xml:

<!-- 指定 hadoop运行时产生文件的存储目录 --> 
<property> 
    <name>hadoop.tmp.dir</name> 
    <value>/usr/local/hadoop-HA/data</value> 
</property> 
AI 代码解读

将 dfs.name.dir所指定的目录删除、dfs.data.dir所指定的目录删除

rm -rf /usr/local/hadoop-HA/data/dfs/name/*
rm -rf /usr/local/hadoop-HA/data/dfs/data/*
AI 代码解读

2、查看core-site.xml:

<property> 
    <name>hadoop.tmp.dir</name> 
    <value>/usr/local/hadoop-HA/data</value> 
    <description>namenode上本地的hadoop临时文件夹</description> 
</property> 
AI 代码解读

将Hadoop.tmp.dir所指定的目录删除。

rm -rf /usr/local/hadoop-HA/data/jn/*
AI 代码解读

致谢:
感谢尚硅谷教程

相关实践学习
基于MSE实现微服务的全链路灰度
通过本场景的实验操作,您将了解并实现在线业务的微服务全链路灰度能力。
目录
打赏
0
0
0
0
185
分享
相关文章
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
239 6
【赵渝强老师】基于ZooKeeper实现Hadoop HA
本文介绍了如何在4个节点(bigdata112、bigdata113、bigdata114和bigdata115)上部署HDFS高可用(HA)架构,并同时部署Yarn的HA。详细步骤包括环境变量设置、配置文件修改、ZooKeeper集群启动、JournalNode启动、HDFS格式化、ZooKeeper格式化以及启动Hadoop集群等。最后通过jps命令检查各节点上的后台进程,确保部署成功。
154 0
Hadoop-35 HBase 集群配置和启动 3节点云服务器 集群效果测试 Shell测试
Hadoop-35 HBase 集群配置和启动 3节点云服务器 集群效果测试 Shell测试
114 4
Hadoop-37 HBase集群 JavaAPI 操作3台云服务器 POM 实现增删改查调用操作 列族信息 扫描全表
Hadoop-37 HBase集群 JavaAPI 操作3台云服务器 POM 实现增删改查调用操作 列族信息 扫描全表
54 3
Hadoop-36 HBase 3节点云服务器集群 HBase Shell 增删改查 全程多图详细 列族 row key value filter
Hadoop-36 HBase 3节点云服务器集群 HBase Shell 增删改查 全程多图详细 列族 row key value filter
78 3
Hadoop-30 ZooKeeper集群 JavaAPI 客户端 POM Java操作ZK 监听节点 监听数据变化 创建节点 删除节点
Hadoop-30 ZooKeeper集群 JavaAPI 客户端 POM Java操作ZK 监听节点 监听数据变化 创建节点 删除节点
103 1
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
110 2
Flume+Hadoop:打造你的大数据处理流水线
本文介绍了如何使用Apache Flume采集日志数据并上传至Hadoop分布式文件系统(HDFS)。Flume是一个高可用、可靠的分布式系统,适用于大规模日志数据的采集和传输。文章详细描述了Flume的安装、配置及启动过程,并通过具体示例展示了如何将本地日志数据实时传输到HDFS中。同时,还提供了验证步骤,确保数据成功上传。最后,补充说明了使用文件模式作为channel以避免数据丢失的方法。
81 4
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
174 2
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
170 1

相关实验场景

更多