简单讲讲在一台机器上用docker部署hadoop HDFS_hdfs docker

为什么写这篇文章?

老东西叫我用vmvare部署hadoop,我觉得这简直蠢毙了,让我们用docker和docker-compose来快速的过一遍如何使用docker-compose来部署简单的hadoop集群范例

写在前面,一定要看我!!!

windows。。。看着用吧

hadoop版本不同改下Dockerfile中的内容，具体来说是这里-3.3.6改成你的版本比如3.1.3

还有注意！Hadoop中的主机名不能带-或者_

注意了!一定注意存储空间大小,确保机器至少有10G左右的空余,不然跑不起来的

• 如果出现如下问题,请调整docker-compose文件中分给容器的容量,然后删除并重建容器:

• $ hdfs namenode
  WARNING: /export/server/hadoop/logs does not exist. Creating.
  mkdir: cannot create directory '/export/server/hadoop/logs': No space left on device
  ERROR: Unable to create /export/server/hadoop/logs. Aborting.

Hadoop HDFS 简摘

Hadoop HDFS需要三个角色:

1. NameNode,主节点管理者
2. DateNode,从节点工作者
3. SecondaryNameNode,主节点辅助

我们需要三个容器:

暂且称之为

masternode,slavenode1,slavenode2

这三个容器扮演的角色分别是

1. masternode:NameNode,DateNode,SecondaryNameNode
2. slavenode1:DateNode
3. slavenode2: DateNode

使用脚本跳过所有的前置工作（假设你已经对Hadoop有了解）

   注意！建立在你会的基础上，不会的话看着脚本敲命令

   克隆项目后确保目录如：

git clone https://github.com/rn-consider/Hadoop_docker.git

然后确保使用docker-compose up -d 创建的容器也可以运行

给所有sh脚本附加执行权限，然后运行./一键式部署请确保已经下载了hadoop压缩包.sh，然后等待脚本执行完成像是：

，完成后直接跳转到运行hadoop章节

 前置工作

我们需要三个docker容器来实现masternode,slavenode1,slavenode2,它们需要一些基本的配置,比如说固定的Ip,ssh的安装,jdk8的安装等,所幸我们可以使用docker-compose来大大简化这些基本的配置工作,新建一目录假设命名为hadoop_t,然后按照以下命令,(注意!因为我们使用的是docker所以只需要按照我的步骤来且docker,docker-compose版本号满足要求,那么环境配置必然会成功)

1. git clone https://github.com/rn-consider/Hadoop_docker.git
   

2.  项目结构应该如,其中hadoop压缩包也可从官方获得,或者使用RumMeFirst下载在项目结构如下时在往下阅读:
3. 
4. 确保机器上docker版本大于等于20.10.25,docker-compose版本大于等于2.20.3,不清楚docker-compose二进制安装方式可以看
5. 为Linux安装软件包时后面标注的arm,aarch到底是什么玩意儿以二进制安装docker-compose为例_生生世世是所说的的博客-CSDN博客
6. 运行docker-compose up -d 后运行docker ps可以看到:
7. 
8. 接下来我们所有的环境设置都将在这三个容器中进行

环境配置

     基本配置

         主机名以及IP地址映射

          docker-compose会自动创建docker网络和dns映射让各个容器可以通过容器的服务名来访问各自的容器,我们可以愉快的跳过这个配置

         防火墙关闭

       Docker 使用官方的 Ubuntu 镜像默认情况下不会启动防火墙，因为容器通常被设计成相对独立的环境。这意味着容器内的网络通信通常是不受防火墙限制的。

所以这一步我们也可以愉快的跳过.

SSH免密登录-注意是Hadoop用户间的免密登录

   传统方式下我们进入每一台虚拟机并使用ssh-copy-id node1,node2...类似的方式,在docker下我们可以编写一个简单的shell脚本解决这个问题,只需要执行项目中的脚本就行:

         时区同步设置

    简单的执行shell脚本即可,我们使用ntpdate 来同步阿里云的ntp服务器

      JDK以及HADOOP安装

我们的Dockerfile构建的镜像已经自动的安装了JDK8并将本地目录下的HADOOP压缩包复制解压到了容器中的/etc/export/hadoop下,我们也可以愉快的跳过这一步

     masternode环境配置

   也可直接运行脚本,直接拷贝放置在fileconfig目录下的配置文件:

   

1. 我们可以看下HADOOP的文件夹结构:

      我们要配置的文件在/etc/hadoop文件夹下,配置HDFS集群,我们主要涉及到以下文件的修改:

•    workers:    配置从节点(DateNode)有哪些
•    hadoop-env.sh: 配置Hadoop相关的环境变量
•    core-site.xml:   Hadoop核心配置文件
•    hdfs-site.xml  :  HDFS核心配置文件

          这些文件均存在于$HADOOP_HOME/etc/hadoop文件夹中.

ps:$HADOOP_HOME我们将在后续设置它,其指代Hadoop安装文件夹即/export/server/hadoop

•  workers文件的修改

1. 根据我们上面为三个容器分配的角色,我们在workers文件中填入:
2. 

•  hadoop-env.sh文件配置

• 如果使用我的项目,那么我们的配置都应该如,不用动脑复制粘贴即可:

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-amd64 # where we use apt download
export HADOOP_HOME=/export/server/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export HADOOP_LOG_DIR=$HADOOP_HOME/logs

• 配置core-site.xml文件
• 在configures中填入:
• 

• <configuration>
          <property>
                  <name>fs.defaultFS</name>
                  <value>hdfs://masternode:8020</value>
          </property>
          <property>
                  <name>io.file.buffer.size</name>
                  <value>131072</value>
          </property>
  </configuration>
  

• hdfs://masternode:8020为整个HDFS内部的通讯地址,应用协议为hdfs://(HADOOP内置协议)
• 表明DataNode将与masternode的8020端口通讯,masternode是NameNode所在机器
• 此配置固定了masternode必须启动NameNode进程

        hdfs-site.xml配置 

<configuration>
 
	<property>
 
		<name>dfs.datanode.data.dir.perm</name>
 
		<value>700</value>
 
	</property>
 
	<property>
 
		<name>dfs.namenode.name.dir</name>
 
		<value>/data/nn</value>
 
	</property>
 
	<property>
 
		<name>dfs.namenode.hosts</name>
 
		<value>masternode,slavenode1,slavenode2</value>
 
	</property>
	<property>
 
		<name>dfs.blocksize</name>
 
		<value>268435456</value>
 
	</property>
 
	<property>
 
		<name>dfs.namenode.handler.count</name>
 
		<value>100</value>
 
	</property>
 
	<property>
 
		<name>dfs.datanode.data.dir</name>
 
		<value>/data/dn</value>
 
	</property>
 
</configuration>

•  masternode配置结束,恭喜

准备数据目录

• 在masternode节点:
• mkdir -p /data/nn
• mkdir /data/dn
• 在剩余两个节点:
• mkdir -p /data/dn

脚本运行 

分发Hadoop文件夹

• 使用vmvare这个步骤将会耗费很长时间,但使用docker的情况下我们使用一个简单的shell脚本解决问题
• 

配置环境变量

• 为了方便操作HADOOP可以将HADOOP的一些脚本和程序配置到PATH中,方便后续使用
• 此处直接运行脚本,注意!由于docker容器的特性,你需要在进入容器终端时手动source以激活环境变量:
• 

授权HADOOP用户-用户密码是123456

• 在Dockerfile中我们已经加上了创建Hadoop用户的代码
• 让我们来对Hadoop用户进行授权
• 依次进入每个容器并执行,并等待命令执行完成

• chown -R hadoop:hadoop /data
   
  chown -R hadoop:hadoop /export
   
  chown -R hadoop:hadoop /home
  

• 或者使用,这个脚本需要比较长的等待时间
• 

运行HADOOP

    所有前期准备全部完成,现在对整个文件系统执行初始化

    进入masternode

别忘了source一下

  

•     格式化namenode
•     

  su - hadoop
   
  hdfs namenode -format
  

• 出现这个对话框，输入Y
• 
•  成功
• 
• 启动hadoop
• start-dfs.sh 启动
• 
• 可以在/data/nn/current目录下看到数据这就说明hadoop启动成功
• 
• 可以用JPS看到当前的进程
• 
• 可以看下slavenode1,成功
• 
• stop-dfs.sh 停止

使用docker inspect可以看到docker容器的ip地址：

docker-compose文件定义了桥接网络到宿主机，直接在宿主机访问172.21.0.2:9870（就是masternode被分配的子网地址）就能看到HDFS WEBUI：

在ubuntu上获取hadoop压缩包

获取压缩包

wget -b https://archive.apache.org/dist/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz

 查看进度

cat wget-log