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
Francek Chen1 小时前
【大数据技术基础 | 实验十二】Hive实验：Hive分区
大数据·数据仓库·hive·hadoop·分布式
Lorin 洛林12 小时前
Hadoop 系列 MapReduce：Map、Shuffle、Reduce
大数据·hadoop·mapreduce
B站计算机毕业设计超人15 小时前
计算机毕业设计SparkStreaming+Kafka旅游推荐系统 旅游景点客流量预测 旅游可视化 旅游大数据 Hive数据仓库 机器学习 深度学习
大数据·数据仓库·hadoop·python·kafka·课程设计·数据可视化
Yz987619 小时前
hive的存储格式
大数据·数据库·数据仓库·hive·hadoop·数据库开发
武子康19 小时前
大数据-230 离线数仓 - ODS层的构建 Hive处理 UDF 与 SerDe 处理 与 当前总结
java·大数据·数据仓库·hive·hadoop·sql·hdfs
武子康19 小时前
大数据-231 离线数仓 - DWS 层、ADS 层的创建 Hive 执行脚本
java·大数据·数据仓库·hive·hadoop·mysql
JessieZeng aaa1 天前
CSV文件数据导入hive
数据仓库·hive·hadoop
Yz98762 天前
hive复杂数据类型Array & Map & Struct & 炸裂函数explode
大数据·数据库·数据仓库·hive·hadoop·数据库开发·big data
EDG Zmjjkk2 天前
Hive 函数（实例操作版2）
数据仓库·hive·hadoop
那一抹阳光多灿烂2 天前
Spark核心组件解析：Executor、RDD与缓存优化
hadoop·spark
热门推荐
01ICLR24大模型提示(1/11) | BadChain：大型语言模型的后门思维链提示02PyTorch机器学习实现液态神经网络03【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总04【音视频 | opus】opus编解码库(opus-1.4)详细介绍以及使用——附带解码示例代码05Coze扣子平台完整体验和实践（附国内和国际版对比）06(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明07IT专业入门，高考假期预习指南08玄机平台应急响应—webshell查杀09RAG 实践- Ollama+RagFlow 部署本地知识库10〔AI 绘画〕Stable Diffusion 之 解决绘制多人或面部很小的人物时面部崩坏问题 篇