22 - Hadoop HA 高可用集群搭建、手动模式、自动模式以及HA模式集群

爱上口袋的天空2024-05-06 14:18

目录

[1、HA 概述](#1、HA 概述)

[2、HDFS-HA 集群搭建](#2、HDFS-HA 集群搭建)

[2.1、HDFS-HA 核心问题](#2.1、HDFS-HA 核心问题)

[3、HDFS-HA 手动模式](#3、HDFS-HA 手动模式)

3.1、环境准备

3.2、规划集群

[3.3、配置 HDFS-HA 集群](#3.3、配置 HDFS-HA 集群)

[3.4、启动 HDFS-HA 集群](#3.4、启动 HDFS-HA 集群)

[4、HDFS-HA 自动模式](#4、HDFS-HA 自动模式)

[4.1、HDFS-HA 自动故障转移工作机制](#4.1、HDFS-HA 自动故障转移工作机制)

[4.2、HDFS-HA 自动故障转移的集群规划](#4.2、HDFS-HA 自动故障转移的集群规划)

[4.3、配置 HDFS-HA 自动故障转移](#4.3、配置 HDFS-HA 自动故障转移)

[5、YARN-HA 配置](#5、YARN-HA 配置)

[5.1、YARN-HA 工作机制](#5.1、YARN-HA 工作机制)

[5.2、配置 YARN-HA 集群](#5.2、配置 YARN-HA 集群)

[6、HADOOP HA 的最终规划](#6、HADOOP HA 的最终规划)

1、HA 概述

（1）所谓 HA（High Availablity），即高可用（7*24 小时不中断服务）。

（2）实现高可用最关键的策略是消除单点故障。HA 严格来说应该分成各个组件的 HA 机制：HDFS 的 HA 和 YARN 的 HA。

（3）NameNode 主要在以下两个方面影响 HDFS 集群

  • NameNode 机器发生意外，如宕机，集群将无法使用，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

HDFS HA 功能通过配置多个 NameNodes(Active/Standby)实现在集群中对 NameNode 的 热备来解决上述问题。如果出现故障，如机器崩溃或机器需要升级维护，这时可通过此种方 式将 NameNode 很快的切换到另外一台机器。

2、HDFS-HA 集群搭建

2.1、HDFS-HA 核心问题

1）怎么保证三台 namenode 的数据一致

  • a.Fsimage:让一台 nn 生成数据,让其他机器 nn 同步
  • b.Edits:需要引进新的模块 JournalNode 来保证 edtis 的文件的数据一致性

2）怎么让同时只有一台 nn 是 active，其他所有是 standby 的

  • a.手动分配
  • b.自动分配

3）2nn 在 ha 架构中并不存在，定期合并 fsimage 和 edtis 的活谁来干

由 standby 的 nn 来干

4）如果 nn 真的发生了问题，怎么让其他的 nn 上位干活

  • a.手动故障转移
  • b.自动故障转移

3、HDFS-HA 手动模式

3.1、环境准备

  • （1）修改 IP
  • （2）修改主机名及主机名和 IP 地址的映射
  • （3）关闭防火墙
  • （4）ssh 免密登录
  • （5）安装 JDK，配置环境变量等

3.2、规划集群

3.3、配置 HDFS-HA 集群

1）官方地址：http://hadoop.apache.org/

2）在 opt 目录下创建一个 ha 文件夹

bash 复制代码 
[kgf@hadoop102 opt]$ ll
总用量 0
drwxr-xr-x. 5 kgf kgf  69 4月  27 10:59 module
drwxr-xr-x. 2 kgf kgf 108 4月  27 10:56 software
[kgf@hadoop102 opt]$  sudo mkdir ha
[kgf@hadoop102 opt]$  sudo chown kgf:kgf /opt/ha
[kgf@hadoop102 opt]$ pwd
/opt
[kgf@hadoop102 opt]$ ll
总用量 0
drwxr-xr-x. 2 kgf kgf   6 4月  29 20:36 ha
drwxr-xr-x. 5 kgf kgf  69 4月  27 10:59 module
drwxr-xr-x. 2 kgf kgf 108 4月  27 10:56 software
[kgf@hadoop102 opt]$

3）将/opt/module/下的 hadoop-3.1.3 拷贝到/opt/ha 目录下（记得删除 data 和 log 目录）

kgf@hadoop102 opt\]$ cp -r /opt/module/hadoop-3.1.3 /opt/ha/

4）配置 core-site.xml

XML 复制代码 
<configuration>
    <!-- 把多个 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>/opt/ha/hadoop-3.1.3/data</value>
	</property>
</configuration>

5）配置 hdfs-site.xml

XML 复制代码 
<configuration>

	<!-- NameNode 数据存储目录 -->
	 <property>
		<name>dfs.namenode.name.dir</name>
		<value>file://${hadoop.tmp.dir}/name</value>
	 </property>
	 
	<!-- DataNode 数据存储目录 -->
	 <property>
		<name>dfs.datanode.data.dir</name>
		<value>file://${hadoop.tmp.dir}/data</value>
	 </property>
	 
	<!-- JournalNode 数据存储目录 -->
	 <property>
		<name>dfs.journalnode.edits.dir</name>
		<value>${hadoop.tmp.dir}/jn</value>
	 </property>
	 
	<!-- 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,nn3</value>
	 </property>
	 
	<!-- NameNode 的 RPC 通信地址 -->
	 <property>
		<name>dfs.namenode.rpc-address.mycluster.nn1</name>
		<value>hadoop102:8020</value>
	 </property>
	 <property>
		<name>dfs.namenode.rpc-address.mycluster.nn2</name>
		<value>hadoop103:8020</value>
	 </property>
	 <property>
		<name>dfs.namenode.rpc-address.mycluster.nn3</name>
		<value>hadoop104:8020</value>
	 </property>
	 
	<!-- NameNode 的 http 通信地址 -->
	 <property>
		<name>dfs.namenode.http-address.mycluster.nn1</name>
		<value>hadoop102:9870</value>
	 </property>
	 <property>
		<name>dfs.namenode.http-address.mycluster.nn2</name>
		<value>hadoop103:9870</value>
	 </property>
	 <property>
		<name>dfs.namenode.http-address.mycluster.nn3</name>
		<value>hadoop104:9870</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://hadoop102:8485;hadoop103:8485;hadoop104:8485/mycluster</value>
	 </property>
	 
	<!-- 访问代理类：client 用于确定哪个 NameNode 为 Active -->
	 <property>
		<name>dfs.client.failover.proxy.provider.mycluster</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 秘钥登录-->
	 <property>
		<name>dfs.ha.fencing.ssh.private-key-files</name>
		<value>/home/kgf/.ssh/id_rsa</value>
	 </property>
</configuration>

6）分发配置好的 hadoop 环境到其他节点

3.4、启动 HDFS-HA 集群

1）将 HADOOP_HOME 环境变量更改到 HA 目录(三台机器)

kgf@hadoop104 opt\]$ sudo vim /etc/profile.d/my_env.sh

将 HADOOP_HOME 部分改为如下

#HADOOP_HOME

export HADOOP_HOME=/opt/ha/hadoop-3.1.3

export PATH=PATH:HADOOP_HOME/bin

export PATH=PATH:HADOOP_HOME/sbin

去三台机器上 source 环境变量

2）在各个 JournalNode 节点上，输入以下命令启动 journalnode 服务

kgf@hadoop102 \~\]$ hdfs --daemon start journalnode \[kgf@hadoop103 \~\]$ hdfs --daemon start journalnode \[kgf@hadoop104 \~\]$ hdfs --daemon start journalnode

3）在[nn1]上，对其进行格式化，并启动

kgf@hadoop102 \~\]$ hdfs namenode -format \[kgf@hadoop102 \~\]$ hdfs --daemon start namenode

4）在[nn2]和[nn3]上，同步 nn1 的元数据信息

kgf@hadoop103 \~\]$ hdfs namenode -bootstrapStandby \[kgf@hadoop104 \~\]$ hdfs namenode -bootstrapStandby

5）启动[nn2]和[nn3]

kgf@hadoop103 \~\]$ hdfs --daemon start namenode \[kgf@hadoop104 \~\]$ hdfs --daemon start namenode

6）查看 web 页面显示

7）在所有节点上，启动 datanode

kgf@hadoop102 \~\]$ hdfs --daemon start datanode \[kgf@hadoop103 \~\]$ hdfs --daemon start datanode \[kgf@hadoop104 \~\]$ hdfs --daemon start datanode

8）将[nn1]切换为 Active

kgf@hadoop102 hadoop-3.1.3\]$ hdfs haadmin -transitionToActive nn1

9）查看是否 Active

kgf@hadoop102 hadoop-3.1.3\]$ hdfs haadmin -getServiceState nn1 active \[kgf@hadoop102 hadoop-3.1.3\]$

4、HDFS-HA 自动模式

4.1、HDFS-HA 自动故障转移工作机制

自动故障转移为 HDFS 部署增加了两个新组件：ZooKeeper 和 ZKFailoverController （ZKFC）进程，如图所示。ZooKeeper 是维护少量协调数据，通知客户端这些数据的改变 和监视客户端故障的高可用服务。

4.2、HDFS-HA 自动故障转移的集群规划

4.3、配置 HDFS-HA 自动故障转移

1）具体配置

（1）在 hdfs-site.xml 中增加

XML 复制代码 
<!-- 启用 nn 故障自动转移 -->
<property>
    <name>dfs.ha.automatic-failover.enabled</name>
    <value>true</value>
</property>

（2）在 core-site.xml 文件中增加

XML 复制代码 
<!-- 指定 zkfc 要连接的 zkServer 地址 -->
	<property>
		<name>ha.zookeeper.quorum</name>
		<value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value>
	</property>

（3）修改后分发配置文件

kgf@hadoop102 hadoop-3.1.3\]$ pwd /opt/ha/hadoop-3.1.3 \[kgf@hadoop102 hadoop-3.1.3\]$ xsync etc/hadoop/

2）启动

（1）关闭所有 HDFS 服务：

kgf@hadoop102 \~\]$ stop-dfs.sh

（2）启动 Zookeeper 集群：

kgf@hadoop102 \~\]$ zkServer.sh start \[kgf@hadoop103 \~\]$ zkServer.sh start \[kgf@hadoop104 \~\]$ zkServer.sh start

（3）启动 Zookeeper 以后，然后再初始化 HA 在 Zookeeper 中状态：

kgf@hadoop102 bin\]$ hdfs zkfc -formatZK

（4）启动 HDFS 服务：

kgf@hadoop102 bin\]$ start-dfs.sh

（5）可以去 zkCli.sh 客户端查看 Namenode 选举锁节点内容：

zk: localhost:2181(CONNECTED) 1\] get -s /hadoop-ha/mycluster/ActiveStandbyElectorLock myclusternn1 hadoop102 �\>(�\> cZxid = 0x300000008 ctime = Mon Apr 29 21:27:24 CST 2024 mZxid = 0x300000008 mtime = Mon Apr 29 21:27:24 CST 2024 pZxid = 0x300000008 cversion = 0 dataVersion = 0 aclVersion = 0 ephemeralOwner = 0x300003ae48b0001 dataLength = 33 numChildren = 0 \[zk: localhost:2181(CONNECTED) 2

3）验证

（1）将 Active NameNode 进程 kill，查看网页端三台 Namenode 的状态变化

atguigu@hadoop102 \~\]$ kill -9 namenode 的进程 id

5、YARN-HA 配置

5.1、YARN-HA 工作机制

5.2、配置 YARN-HA 集群

4）具体配置

（1）yarn-site.xml

XML 复制代码 
<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>
	 
	 <!--指定 resourcemanager 的逻辑列表-->
	 <property>
		<name>yarn.resourcemanager.ha.rm-ids</name>
		<value>rm1,rm2,rm3</value>
	</property>
	
	<!-- ========== rm1 的配置 ========== -->
	<!-- 指定 rm1 的主机名 -->
	 <property>
		<name>yarn.resourcemanager.hostname.rm1</name>
		<value>hadoop102</value>
	</property>
	
	<!-- 指定 rm1 的 web 端地址 -->
	<property>
		<name>yarn.resourcemanager.webapp.address.rm1</name>
		<value>hadoop102:8088</value>
	</property>
	
	<!-- 指定 rm1 的内部通信地址 -->
	<property>
		<name>yarn.resourcemanager.address.rm1</name>
		<value>hadoop102:8032</value>
	</property>
	
	<!-- 指定 AM 向 rm1 申请资源的地址 -->
	<property>
		<name>yarn.resourcemanager.scheduler.address.rm1</name> 
		<value>hadoop102:8030</value>
	</property>
	
	<!-- 指定供 NM 连接的地址 --> 
	<property>
		<name>yarn.resourcemanager.resource-tracker.address.rm1</name>
		<value>hadoop102:8031</value>
	</property>
	
	<!-- ========== rm2 的配置 ========== -->
	 <!-- 指定 rm2 的主机名 -->
	 <property>
		<name>yarn.resourcemanager.hostname.rm2</name>
		<value>hadoop103</value>
	</property>
	<property>
		<name>yarn.resourcemanager.webapp.address.rm2</name>
		<value>hadoop103:8088</value>
	</property>
	<property>
		<name>yarn.resourcemanager.address.rm2</name>
		<value>hadoop103:8032</value>
	</property>
	<property>
		<name>yarn.resourcemanager.scheduler.address.rm2</name>
		<value>hadoop103:8030</value>
	</property>
	<property>
		<name>yarn.resourcemanager.resource-tracker.address.rm2</name>
		<value>hadoop103:8031</value>
	</property>
	
	<!-- ========== rm3 的配置 ========== -->
	<!-- 指定 rm1 的主机名 -->
	 <property>
		<name>yarn.resourcemanager.hostname.rm3</name>
		<value>hadoop104</value>
	</property>
	
	<!-- 指定 rm1 的 web 端地址 -->
	<property>
		<name>yarn.resourcemanager.webapp.address.rm3</name>
		<value>hadoop104:8088</value>
	</property>
	
	<!-- 指定 rm1 的内部通信地址 -->
	<property>
		<name>yarn.resourcemanager.address.rm3</name>
		<value>hadoop104:8032</value>
	</property>
	
	<!-- 指定 AM 向 rm1 申请资源的地址 -->
	<property>
		<name>yarn.resourcemanager.scheduler.address.rm3</name> 
		<value>hadoop104:8030</value>
	</property>
	
	<!-- 指定供 NM 连接的地址 --> 
	<property>
		<name>yarn.resourcemanager.resource-tracker.address.rm3</name>
		<value>hadoop104:8031</value>
	</property>
	
	 <!-- 指定 zookeeper 集群的地址 --> 
	 <property>
		<name>yarn.resourcemanager.zk-address</name>
		<value>hadoop102:2181,hadoop103:2181,hadoop104:2181</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>
	
	<!-- 环境变量的继承 -->
	<property>
		<name>yarn.nodemanager.env-whitelist</name>
		<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
	 </property> 
</configuration>

（2）同步更新其他节点的配置信息，分发配置文件

kgf@hadoop102 hadoop-3.1.3\]$ ls bin data etc hello.txt include lib libexec LICENSE.txt liubei.txt logs NOTICE.txt README.txt sbin share wc.jar \[kgf@hadoop102 hadoop-3.1.3\]$ xsync etc/hadoop/

4）启动 YARN

（1）在 hadoop102 或者 hadoop103 中执行：

kgf@hadoop102 hadoop-3.1.3\]$ jps 5873 NameNode 6178 Jps 5059 DataNode 4652 QuorumPeerMain 5532 DFSZKFailoverController 5295 JournalNode \[kgf@hadoop102 hadoop-3.1.3\]$ start-yarn.sh Starting resourcemanagers on \[ hadoop102 hadoop103 hadoop104

Starting nodemanagers

kgf@hadoop102 hadoop-3.1.3\]$

（2）查看服务状态

kgf@hadoop102 hadoop-3.1.3\]$ yarn rmadmin -getServiceState rm1 active \[kgf@hadoop102 hadoop-3.1.3\]$

（3）可以去 zkCli.sh 客户端查看 ResourceManager 选举锁节点内容：

kgf@hadoop102 \~\]$ zkCli.sh \[zk: localhost:2181(CONNECTED) 16\] get -s /yarn-leader-election/cluster-yarn1/ActiveStandbyElectorLock cluster-yarn1rm1 cZxid = 0x100000022 ctime = Tue Jul 14 17:06:44 CST 2020 mZxid = 0x100000022 mtime = Tue Jul 14 17:06:44 CST 2020 pZxid = 0x100000022 cversion = 0 dataVersion = 0 aclVersion = 0 ephemeralOwner = 0x30000da33080005 dataLength = 20 numChildren = 0

（4）web 端查看 hadoop102:8088 和 hadoop103:8088 的 YARN 的状态

6、HADOOP HA 的最终规划

相关推荐
IT成长日记1 小时前
【Hadoop入门】Hadoop生态之Oozie简介
大数据·hadoop·分布式
朱阿朱20 小时前
大数据Hadoop（MapReduce）
大数据·hadoop·mapreduce
sunxunyong1 天前
hive/doris查询表的创建和更新时间
数据仓库·hive·hadoop
明月与玄武1 天前
构建高可用大数据平台：Hadoop与Spark分布式集群搭建指南
hadoop·分布式·spark·大数据测试
小钻风33661 天前
JavaWeb注解的原理
数据仓库·hive·hadoop
CXH7281 天前
hadoop伪分布式部署
大数据·hadoop·分布式
程序员老周6662 天前
从MySQL快速上手大数据Hive
大数据·数据库·hive·hadoop·mysql·mapreduce·数据工程师
lqlj22332 天前
Hadoop案例——流量统计
大数据·hadoop·分布式
IT成长日记2 天前
【Hadoop入门】Hadoop生态之Hive简介
大数据·hive·hadoop
刘翔在线犯法2 天前
Hadoop的序列化和反序列化
大数据·hadoop·分布式
热门推荐
01我决定放弃搞 Java 了02RAG 实践- Ollama+RagFlow 部署本地知识库03从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑04DeepSeek RAGFlow构建本地知识库系统05汽车上的各种质量：整备质量、总质量、装载质量、簧上质量、簧下质量06DeepSeek各版本说明与优缺点分析07蓝桥杯c ++笔记(含算法 贪心+动态规划+dp+进制转化+便利等)08生活电子常识--删除谷歌浏览器搜索记录09如何在WPS和Word/Excel中直接使用DeepSeek功能10Vue环境搭建：vue＋idea