【李老师云计算】实验三：在Docker中部署Hadoop集群_docker 安装hadoop

0. 前言

同样是参考了学长的几篇博客，涛哥功德无量！在整合了各种信息之后，鄙人会尽量用更精炼、简单的说明来完成这个实验，当然不足一定是会有的，希望各位朋友可以斧正，同样也希望后来的朋友可以再次为这篇博客进行升级迭代！

博客是面向实验的，因此对完成实验无关的部分会优化掉。

带★的是可能遇到的问题可以看一下，以防后续操作出问题。

内容可能来自博主自己手搓、吸取同学的经验、网络上内容的整合等等，仅供参考，更多内容可以查看大三下指南专栏。

1. Docker

1.1 安装Docker

终端输入指令：yum -y install docker 即可安装
通过输入指令：docker version 查看版本(能看到就是安装成功了)

此时的version还略显青涩，只有Client短短的几行，只要启动了Docker它就会自动初始化了。

1.2 启动Docker

终端输入指令：systemctl start docker.service 启动Docker服务(后续如果用不了Docker命令请先检查是否已经启动了服务)
再次输入指令：docker version 查看版本

现在就同时拥有了Client和Server版本了，安装启动成功！
最后为了之后不用每次都手动开启，使用指令systemctl enable docker设置开机自启。

2. Dokcer部署Hadoop

因为Docker实际上是提供了一个虚拟环境(类似于虚拟机)，因此我们其实相当于是在Master虚拟机上再创建三个小虚拟机，套娃……
所以下面的操作都是在Master一台虚拟机上进行的。

开始之前把Master虚拟机重新启动一次，另外两台虚拟机不需要开机。

2.1 设计Hadoop集群结构

主机：master(ip或主机名)
从机：slave1、slave2(ip或主机名)

2.2 拉取Hadoop镜像

确保Docker服务已经开启
终端输入指令：docker images 查看镜像

很明显我的Docker非常的干净，啥也没有……
终端输入指令：docker pull registry.cn-beijing.aliyuncs.com/jing-studio/centos7-hadoop 拉取Hadoop的镜像

终端输入指令：docker images 查看镜像，拉取成功了。

2.3 ★解决拉取镜像时 - no space left on device(磁盘不足)

我在拉取镜像时出现了以下的错误：no space left on device

参考虚拟机扩容

2.4 创建Docker容器

执行完命令之后可能会跳到登录界面，如果没进入GUI，可以ctrl + alt + F2切换，但是可能会没有鼠标。
猜测是Docker的命令行抢占了GUI，而GUI被迫排到了原来CentOS命令行的位置(F1有鼠标，F2没有鼠标)，如果有方法解决可以分享一下。

下面操作都是在Master一台虚拟机操作：
下面的master60、slave1-60、slave2-60只是容器的名字，可以起别的！

(1)终端输入指令：docker run -d --name master60 -h master60 \（注意修改主机名）,在新出现的命令行依次输入：

1. -p 50070:50070 --privileged=true \
2. registry.cn-beijing.aliyuncs.com/jing-studio/centos7-hadoop /usr/sbin/init
   

(2)终端输入指令：docker run -d --name slave1-60 -h slave1-60 \（注意修改主机名）,在新出现的命令行依次输入：

1. --privileged=true \
2. registry.cn-beijing.aliyuncs.com/jing-studio/centos7-hadoop /usr/sbin/init

(3)终端输入指令：docker run -d --name slave2-60 -h slave2-60 \（注意修改主机名）,在新出现的命令行依次输入：

1. --privileged=true \
2. registry.cn-beijing.aliyuncs.com/jing-studio/centos7-hadoop /usr/sbin/init

最后通过指令docker ps查看已经启动的容器

2.5 ★解决docker ps没有内容

docker ps是查看已经启动的容器，如果没有找到可以通过docker ps -a查看容器的ID(最前面的)，之后再通过docker start 容器ID打开。

2.6 通过终端进入容器

开头就提到过，每个容器就类似于一个小的虚拟机，我们可以直接连接到容器再对其进行操作。
下面的操作全都是在Master一台虚拟机上进行的！
首先打开三个终端，分别通过以下指令进入三个容器。

1. docker exec -it master60 /bin/bash 进入master容器
2. docker exec -it slave1-60 /bin/bash 进入slave1容器
3. docker exec -it slave2-60 /bin/bash 进入slave2容器

进来之后顺便看了一下IP：

172.17.0.2 master60
172.17.0.3 slave1-60
172.17.0.4 slave2-60
1
2
3

2.7 关闭防火墙

在三个终端都进行如下操作：
输入指令：systemctl stop iptables.service
为了防止重启后防火墙重启，再进行如下操作：
输入指令：vi ~/.bashrc，之后再文件末尾添加上这段关闭指令systemctl stop iptables.service即可。

2.8 配置SSH

2.8.1 设置主机名

首先明确容器的主机名和容器名没有关系，和虚拟机的主机名也没有关系。

但是建议是不要和虚拟机的主机名相同，因为之后可能会产生冲突导致只能用IP来进行操作。

这句话是我后来加上的所以我这里没有修改，但是希望可以起类似于Dmaster60的主机名，当然要是害怕之后出问题，也可以不改。

在每一个终端都进行如下操作(共3次)：
输入指令：vi /etc/sysconfig/network
然后添加下面的内容，其中HOSTNAME=XXX是终端代表的虚拟机的主机名。

NETWORKING=yes
HOSTNAME=master60
1
2

直接中键复制可能会少几个字母！！！请确保完全一致，否则后续可能会出现问题！！！

2.8.2 添加映射关系

在每一个终端都进行如下操作(共3次)：
输入指令：vi /etc/hosts
然后把之前得到的容器IP添加到文件末尾：

172.17.0.2 master60
172.17.0.3 slave1-60
172.17.0.4 slave2-60
1
2
3

因为容器的/etc/hosts每次重启都会重置，这样我们再进行如下的操作：
输入指令：vi ~/.bashrc，然后在末尾添加如下内容（注意修改）：

echo "172.17.0.2 master60" >> /etc/hosts
echo "172.17.0.3 slave1-60" >> /etc/hosts
echo "172.17.0.4 slave2-60" >> /etc/hosts
1
2
3

2.8.3 重置密码、生成秘钥

使用passwd指令重新设置密码(！！！之后可能会用)，直接123456两次就可以。三个容器最好都重置密码。

可能现在的版本创建的时候就已经自带秘钥了？没有设置就可以免密登录了。

分别在每个终端ssh其他的机器试试有没有免密，如果没有的话参考涛哥的博客step3 - 4。

2.9 配置分享Hadoop文件

在master60容器(终端)上完成配置，之后再分享给另外两个容器(终端)。
首先输入指令：cd /usr/local/hadoop/etc/hadoop
这个和之前的实验一一样，写错了一点就几乎不可能成功运行，因此请认真核对自己的相关配置！

2.9.1 core-site.xml

先进入到配置文件：vi core-site.xml
在末尾追加以下内容：

<configuration>
        <property>
                <name>fs.defaultFS</name>
                <value>hdfs://master60:9000</value>
         </property>
         
         <property>
                 <name>hadoop.tmp.dir</name>
                 <value>/home/data/hadoopdata</value>
         </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11

之后，返回到终端创建两个文件：
mkdir -p /home/data
mkdir -p /home/data/hadoopdata

2.9.2 hdfs-site.xml

先进入到配置文件：vi hdfs-site.xml
在末尾追加以下内容：

<configuration>
        <property><!--配置存储namenode数据的目录-->
                <name>dfs.namenode.name.dir</name>
                <value>/home/data/hadoopdata/name</value>
        </property>
　      
        <property><!--配置存储datanode数据的目录-->
                <name>dfs.datanode.data.dir</name>
                <value>/home/data/hadoopdata/data</value>
        </property>
　　    
        <property><!--配置副本数量-->
                <name>dfs.replication</name>
                <value>1</value>
        </property>　　
　　    
        <property><!--配置第二名称节点-->
　　　　        <name>dfs.secondary.http.address</name>
　　　　        <value>master60:50090</value>
　　    </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

2.9.3 mapred-site.xml

输入指令：cp mapred-site.xml.template mapred-site.xml
然后输入：vi mapred-site.xml
在末尾追加以下内容：

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

2.9.4 yarn-site.xml

先进入到配置文件：vi yarn-site.xml
在末尾追加以下内容：

<configuration>
        <property> <!--配置yarn主节点-->
                <name>yarn.resourcemanager.hostname</name>
                <value>master60</value>
        </property>
    
        <property><!--配置执行的计算框架-->
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11

2.9.5 slaves

先进入到配置文件：vi slaves
在末尾追加以下内容：

master60
slave1-60
slave2-60
1
2
3

不用localhost是因为之后要传给其他的容器，而localhost代表"本机"。

2.9.6 分享配置文件给其他容器

首先确保能互相ping通(一般有网就行)，这里不多做演示。
确保主容器在hadoop目录下，cd /usr/local/hadoop/etc/hadoop。
①先传给slave1，记得改IP！！！

scp slaves root@slave1-60:/usr/local/hadoop/etc/hadoop/
scp mapred-site.xml root@slave1-60:/usr/local/hadoop/etc/hadoop 
scp yarn-site.xml root@slave1-60:/usr/local/hadoop/etc/hadoop/  
scp hdfs-site.xml root@slave1-60:/usr/local/hadoop/etc/hadoop
scp core-site.xml root@slave1-60:/usr/local/hadoop/etc/hadoop
scp -r /home/data/hadoopdata root@slave1-60:/home/
1
2
3
4
5
6

要是出现了这个就yes，好像是我的hosts配置的不是很好自动帮我修改了。
②再传给slave2，记得改IP！！！

scp slaves root@slave2-60:/usr/local/hadoop/etc/hadoop/
scp mapred-site.xml root@slave2-60:/usr/local/hadoop/etc/hadoop 
scp yarn-site.xml root@slave2-60:/usr/local/hadoop/etc/hadoop/  
scp hdfs-site.xml root@slave2-60:/usr/local/hadoop/etc/hadoop
scp core-site.xml root@slave2-60:/usr/local/hadoop/etc/hadoop
scp -r /home/data/hadoopdata root@slave2-60:/home/
1
2
3
4
5
6

2.10 格式化节点

在三个容器(终端)都使用指令：hadoop namenode -format，轻松拿下。

2.11 终极无敌启动Hadoop！！

在主机使用指令/usr/local/hadoop/sbin/start-all.sh
然后经典jps查看状态，太健康了！

然后访问一下172.17.0.2:50070当然IP可以用主机名代替，但是我虚拟机主机名和容器主机名是冲突的(主机名不区分大小写)，因此有时候我无法通过master60:50070来访问。

◆终端执行jps，证实虚拟器Hadoop集群没有启动Hadoop，需要截图[1]。

◆终端执行进入容器命令，用report命令显示Docker Hadoop集群状态，这个需要截屏[2]。
使用hadoop dfsadmin -report指令。
其实有三部分下面只截了172.17.0.2的信息。

关闭终端不代表关闭容器，可以再次进入，Hadoop也不会断开。重开虚拟机会关闭容器，需要重新连接。

2.12 配置与运行Hadoop WordCount程序

直接按照步骤一步一步来：

1. hadoop fs -mkdir /input 在HDFS中创建文件
2. cd /usr/local/hadoop 进入目录
3. touch in.txt 创建文件
4. vi in.txt 打开文件，添加信息(之后求出现次数)

---

5. hadoop fs -put in.txt /input/ 文件添加到HDFS的 /input/下
6. cd share/hadoop/mapreduce 切换目录
7. hadoop jar hadoop-mapreduce-examples-2.7.6.jar \ 使用
8. wordcount /input /output 执行

---

10. hadoop fs -cat /output/part-r-00000 查看结果
    

好像因为容器和虚拟机巴拉巴拉之间原因，用网页可能是无权操作的，因此这么做就行了。
如果要删除就使用hadoop fs -rm -r /output，不删除不能再次运行。

2.13 ★重启虚拟机后的操作

重启虚拟机后容器没有开启，docker ps是看不到容器的因为这个指令是看正在运行的容器的；
通过docker ps -a指令查看容器的ID，然后再通过docker start ID来启动。
直接一次开三个，跳转到GUI的概率大一点

然后先打开三个终端，分别通过以下指令进入三个容器。

1. docker exec -it master60 /bin/bash 进入master容器
2. docker exec -it slave1-60 /bin/bash 进入slave1容器
3. docker exec -it slave2-60 /bin/bash 进入slave2容器

最后再打开Docker的Hadoop就行了/usr/local/hadoop/sbin/start-all.sh。

3. Docker PLUS

终端关了就行了，现在是另外的内容了，之后是在虚拟机的终端上进行。
之后操作在虚拟机终端！！虚拟机终端！！虚拟机终端！！

3.1 制作自己的镜像

直接执行命令：

1. cd ~ 进入根目录
2. mkdir -p dockerWorkspace 创建目录
3. cd dockerWorkspace 进入目录
4. touch hello.sh 创建文件
5. chmod 777 hello.sh 给予权限
6. vi hello.sh 编辑文件，添加内容echo "hello docker!......

---

7. touch Dockerfile创建文件
8. vi Dockerfile 编辑文件，添加以下内容

FROM alpine:latest
ADD ./hello.sh /hello.sh
RUN chmod +x /hello.sh
CMD ["/bin/sh","-c","/hello.sh"]
1
2
3
4

---

9. docker build -t hello-docker .

不成功可以搞一个镜像加速

◆终端利用Docker build创建Hello-Docker镜像截屏，需要截屏[3]。
这个第一次失败了，又运行一遍就成功了……有点玄学。
用docker images查看镜像列表，创建成功了。

也可以用docker run --name hello-docker hello-docker来运行一下，当然实验中没有提到就不多说明了。

3.2 镜像注册，创建个人实例，关联GitHub

用阿里云是因为要有关联GitHub的过程？因为要完成实验，所以只进行到实验需要的部分。PS.为什么不用阿里云要用星星的Docker Hub！
阿里云官网

3.2.1 阿里云关联GitHub

好像现在Docker Hub必须是高级VIP才能使用关联GitHub的功能，囊中羞涩只能用阿里云来表演一下关联GitHub这个操作了。
阿里云容器镜像服务
点击代码源，然后绑定GitHub就可以了。

3.2.2 阿里云创建个人实例

点击镜像仓库->创建镜像仓库。

然后关联一下GitHub，之后退出刷新一下页面就出来了(提示仓库已存在)。

3.3 把自己的镜像发布到Docker Hub

上面的阿里云只是走个过场，这个才是要真提交的。
Docker Hub官网直接注册就行了……注册就不多说了Register。

3.3.1 Docker Hub创建仓库

点击上面的Repositories，然后新建一个仓库。

3.3.2 在Docker上登录Docker Hub

终端输入：docker login -u 用户名 -p 密码，账号密码自己知道。

3.3.3 推送镜像

因为我虚拟机可能存在一些问题(大概率是网络问题)无法push到Docker Hub(用阿里云没问题)，有的人可能没有这个问题。
由于我暂时没有使用Docker Hub因此之后的步骤用的是同学提供的截图！
十分感谢！

docker tag [镜像id] [网站上的位置]:[自定义Tag名字]

标准化一下，先打个标签docker tag hello-docker:latest fengjiahuan/fengjh032:version_1.0。(tag自己起没有标准)
其中fengjiahuan/fengjh032是Docker Hub的用户名/仓库名。

docker push [网站上的位置]:[自定义Tag名字]

◆终端推送Hello-Docker到DockerHub的截屏，需要截屏[4]
直接执行docker push fengjiahuan/fengjh032:version_1.0 如果不带tag就默认是latest。

3.3.4 验证是否成功

◆在网页进入DockerHub用户，查看推送的Hello-Docker镜像截屏，需要截屏[7]

3.4 拉取验证自己的发布的镜像

最后一部分用阿里云代替了，应该差不多一样。

docker pull docker.io/[用户名]/[仓库名]:[镜像版本号]

◆终端执行pull从DockerHub拉取Hello-Docker镜像截屏，截屏[5]。
docker pull registry.cn-qingdao.aliyuncs.com/wtcsky/hello_docker:v1.0

最后查看一下
◆终端执行Docker Images截屏（红色框圈中刚刚拉取的镜像），截屏[6]。

4. 番外篇

博客按照任务的顺序编写，中间小节按照需要截图的来分配。
通过Ctrl + F开启搜索，搜索关键字符◆就可以找到七个截图的位置(当然会搜索到8个，因为这句话里也有一个)。

…写的挺水的，有问题随时修改吧。