Hadoop HA 学习笔记

最新推荐文章于 2023-02-05 18:11:13 发布

原创最新推荐文章于 2023-02-05 18:11:13 发布 · 410 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

Hadoop

本文深入探讨Hadoop的高可用（HA）机制，包括HDFS和YARN的HA配置与故障转移策略，以及HDFS Federation架构设计，旨在解决单点故障、提升性能和隔离需求。

HA

Hadoop HA高可用

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）Hadoop2.0之前，在HDFS集群中NameNode存在单点故障SPOF（Single Points Of Failure）。

4）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Active/Standby两个NameNodes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。

HDFS-HA工作机制

通过多NameNode消除单点故障

HDFS-HA手动故障转移

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Edits放在一个共享存储中管理（qjournal和NFS两个主流实现）

2.必须保证多NameNode之间能够ssh无密码登录

3.隔离（Fence），即同一时刻仅仅有一个NameNode对外提供服务

配置HDFS-HA集群

1.在opt目录下创建一个ha文件夹

[vanas@hadoop130 module]$ mkdir ha

2.将/opt/module/下的 hadoop-3.1.3拷贝到/opt/ha目录下

[vanas@hadoop130 module]$ cp -r hadoop-3.1.3 ha

3.配置core-site.xml

<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/module/ha/hadoop-3.1.3/data/tmp</value>
</property>
  
 <!-- 声明journalnode服务器存储目录-->
<property>
    <name>dfs.journalnode.edits.dir</name>
    <value>file://${hadoop.tmp.dir}/jn</value>
</property>
  
</configuration>

4.配置hdfs-site.xml

<configuration>
  
<!-- 完全分布式集群名称 -->
<property>
<name>dfs.nameservices</name>
<value>mycluster</value>
</property>

<!-- 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>

<!-- 集群中NameNode节点都有哪些 -->
<property>
<name>dfs.ha.namenodes.mycluster</name>
<value>nn1,nn2,nn3</value>
</property>

<!-- nn1的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.mycluster.nn1</name>
<value>hadoop130:9000</value>
</property>

<!-- nn2的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.mycluster.nn2</name>
<value>hadoop133:9000</value>
</property>
<!-- nn3的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.mycluster.nn3</name>
<value>hadoop134:9000</value>
</property>


<!-- nn1的http通信地址 -->
<property>
<name>dfs.namenode.http-address.mycluster.nn1</name>
<value>hadoop130:9870</value>
</property>

<!-- nn2的http通信地址 -->
<property>
<name>dfs.namenode.http-address.mycluster.nn2</name>
<value>hadoop133:9870</value>
</property>
<!-- nn3的http通信地址 -->
<property>
<name>dfs.namenode.http-address.mycluster.nn3</name>
<value>hadoop134:9870</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://hadoop130:8485;hadoop133:8485;hadoop134:8485/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>/home/vanas/.ssh/id_rsa</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>
  
</configuration>

5.拷贝配置好的hadoop环境到其他节点

删除 data 和 logs

rm -rf data/ logs/

[vanas@hadoop130 module]$ xsync ha

1.3.3 启动HDFS-HA集群

修改HADOOP的环境变量，指向HA的集群

sudo vim /etc/profile.d/my_env.sh
HADOOP_HOME=/opt/module/ha/hadoop-3.1.3

在各个JournalNode节点上，输入以下命令启动journalnode服务
先删除hadoop102 hadoop103 hadoop104 机器中的/tmp目录下的内容

[vanas@hadoop130 module]$ sudo rm -rf /tmp/*
[vanas@hadoop130 module]$ cd ha/hadoop-3.1.3/
[vanas@hadoop130 hadoop-3.1.3]$ hdfs --daemon start journalnode
WARNING: /opt/module/ha/hadoop-3.1.3/logs does not exist. Creating.

[vanas@hadoop133 ~]$  sudo rm -rf /tmp/*
[vanas@hadoop133 ~]$ cd /opt/module/ha/hadoop-3.1.3/
[vanas@hadoop133 hadoop-3.1.3]$ hdfs --daemon start journalnode
WARNING: /opt/module/ha/hadoop-3.1.3/logs does not exist. Creating.

[vanas@hadoop134 ~]$  sudo rm -rf /tmp/*
[vanas@hadoop134 ~]$ hdfs --daemon start journalnode
WARNING: /opt/module/ha/hadoop-3.1.3/logs does not exist. Creating.

[vanas@hadoop130 hadoop-3.1.3]$ myjps
====================== hadoop130 JPS =======================
3648 JournalNode
4213 Jps
====================== hadoop133 JPS =======================
4164 Jps
3831 JournalNode
====================== hadoop134 JPS =======================
4176 JournalNode
4351 Jps

在[nn1]上，对其进行格式化，并启动

成功不会出现任何 Y/N选项

[vanas@hadoop130 hadoop-3.1.3]$ hdfs namenode -format
[vanas@hadoop130 hadoop-3.1.3]$ hdfs --daemon start namenode

[vanas@hadoop130 hadoop-3.1.3]$ myjps
====================== hadoop130 JPS =======================
3648 JournalNode
15314 Jps
11914 NameNode
====================== hadoop133 JPS =======================
14933 NameNode
3831 JournalNode
15210 Jps
====================== hadoop134 JPS =======================
4176 JournalNode
15409 Jps
15206 NameNode
[vanas@hadoop130 hadoop-3.1.3]$ hdfs --daemon start datanode

在[nn2]和[nn3]上，同步nn1的元数据信息

[vanas@hadoop133 hadoop-3.1.3]$ hdfs namenode -bootstrapStandby
[vanas@hadoop134 ~]$ hdfs namenode -bootstrapStandby

启动[nn2] 和 [nn3]

[vanas@hadoop133 hadoop-3.1.3]$ hdfs --daemon start namenode
[vanas@hadoop134 ~]$ hdfs --daemon start namenode

查看web页面显示，102 103 104 都为standby状态

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZTnD1hMD-1587563631250)(/Users/vanas/Library/Application Support/typora-user-images/截屏2020-04-22下午8.53.54.png)]

6.启动所有datanode

[vanas@hadoop130 hadoop-3.1.3]$ hdfs --daemon start datanode
[vanas@hadoop133 hadoop-3.1.3]$ hdfs --daemon start datanode
[vanas@hadoop134 ~]$ hdfs --daemon start datanode

7.将[nn1]切换为Active

[vanas@hadoop130 hadoop-3.1.3]$ hdfs haadmin -transitionToActive nn1

8.是否Active

[vanas@hadoop130 hadoop-3.1.3]$ hdfs haadmin -getServiceState nn1
active

截屏2020-04-22下午1.50.36

[vanas@hadoop130 hadoop-3.1.3]$ myjps
====================== hadoop130 JPS =======================
102371 Jps
101202 DataNode
101045 NameNode
89909 QuorumPeerMain
101849 DFSZKFailoverController
101535 JournalNode
====================== hadoop133 JPS =======================
100512 NameNode
101634 Jps
89707 QuorumPeerMain
100843 JournalNode
101098 DFSZKFailoverController
100652 DataNode
====================== hadoop134 JPS =======================
100689 NameNode
101275 DFSZKFailoverController
100829 DataNode
89932 QuorumPeerMain
101836 Jps
101020 JournalNode

9.kill掉Active的NameNode，进行手动故障转移

[vanas@hadoop130 hadoop-3.1.3]$ jps
3648 JournalNode
43683 Jps
18504 DataNode
11914 NameNode
[vanas@hadoop130 hadoop-3.1.3]$ kill -9 11914

配置HDFS-HA自动故障转移

工作要点

前面学习了使用命令hdfs haadmin手动进行故障转移，在该模式下，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，下面学习如何配置部署HA自动进行故障转移。自动故障转移为HDFS部署增加了两个新组件：ZooKeeper和ZKFailoverController（ZKFC）进程。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。HA的自动故障转移依赖于ZooKeeper的以下功能：

**1）故障检测：**集群中的每个NameNode在ZooKeeper中维护了一个持久会话，如果机器崩溃，ZooKeeper中的会话将终止，ZooKeeper通知另一个NameNode需要触发故障转移。

**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ZooKeeper获得特殊的排外锁以表明它应该成为现役NameNode。
ZKFC是自动故障转移中的另一个新组件，是ZooKeeper的客户端，也监视和管理NameNode的状态。每个运行NameNode的主机也运行了一个ZKFC进程，ZKFC负责：

**1）健康监测：**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及时地回复健康状态，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，健康监测器标识该节点为非健康的。

**2）ZooKeeper会话管理：**当本地NameNode是健康的，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对短暂节点的支持，如果会话终止，锁节点将自动删除。

**3）基于ZooKeeper的选择：**如果本地NameNode是健康的，且ZKFC发现没有其它的节点当前持有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故障转移相似，首先如果必要保护之前的现役NameNode，然后本地NameNode转换为Active状态。

HDFS-HA故障转移机制

截屏2020-04-22下午9.03.42

规划集群

Hadoop130	Hadoop133	Hadoop134
NameNode	NameNode	NameNode
ZKFC	ZKFC	ZKFC
JournalNode	JournalNode	JournalNode
DataNode	DataNode	DataNode
ZK	ZK	ZK
	ResourceManager
NodeManager	NodeManager	NodeManager

配置Zookeeper集群

1.集群规划
在hadoop130、hadoop133和hadoop134三个节点上部署Zookeeper。

同手动故障配置、ZooKeeper配置（见上一个文档）

2.解压安装
（1）解压Zookeeper安装包到/opt/module/目录下

[vanas@hadoop130 software]$ tar -zxvf zookeeper-3.5.7.tar.gz -C /opt/module/

（2）在/opt/module/zookeeper-3.5.7/这个目录下创建zkData

mkdir -p zkData

（3）重命名/opt/module/zookeeper-3.5.7/conf这个目录下的zoo_sample.cfg为zoo.cfg

mv zoo_sample.cfg zoo.cfg

3.配置zoo.cfg文件
（1）具体配置

dataDir=/opt/module/zookeeper-3.5.7/zkData

增加如下配置

#######################cluster##########################
server.2=hadoop102:2888:3888
server.3=hadoop103:2888:3888
server.4=hadoop104:2888:3888

（2）配置参数解读
Server.A=B:C:D。
A是一个数字，表示这个是第几号服务器；
B是这个服务器的IP地址；
C是这个服务器与集群中的Leader服务器交换信息的端口；
D是万一集群中的Leader服务器挂了，需要一个端口来重新进行选举，选出一个新的Leader，而这个端口就是用来执行选举时服务器相互通信的端口。
集群模式下配置一个文件myid，这个文件在dataDir目录下，这个文件里面有一个数据就是A的值，Zookeeper启动时读取此文件，拿到里面的数据与zoo.cfg里面的配置信息比较从而判断到底是哪个server。

4.集群操作
（1）在/opt/module/zookeeper-3.5.7/zkData目录下创建一个myid的文件

touch myid

添加myid文件，注意一定要在linux里面创建，在notepad++里面很可能乱码
（2）编辑myid文件

vi myid

在文件中添加与server对应的编号：如2
（3）拷贝配置好的zookeeper到hadoop103 hadoop104

[vanas@hadoop130 module] xsync  zookeeper-3.5.7

并分别修改myid文件中内容为3、4
（4）分别启动zookeeper

[vanas@hadoop130 zookeeper-3.5.7]# bin/zkServer.sh start
[vanas@hadoop133 zookeeper-3.5.7]# bin/zkServer.sh start
[vanas@hadoop134 zookeeper-3.5.7]# bin/zkServer.sh start

（5）查看状态

[vanas@hadoop130 zookeeper-3.5.7]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: follower
[vanas@hadoop133 zookeeper-3.5.7]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: leader
[vanas@hadoop134 zookeeper-3.5.7]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: follower

配置HDFS-HA自动故障转移

具体配置
（1）在hdfs-site.xml中增加

[vanas@hadoop130 hadoop]$ vim hdfs-site.xml

<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>

（2）在core-site.xml文件中增加

[vanas@hadoop130 hadoop]$ vim core-site.xml

<property>
<name>ha.zookeeper.quorum</name>
<value>hadoop130:2181,hadoop133:2181,hadoop134:2181</value>
</property>

[vanas@hadoop130 hadoop]$ xsync hdfs-site.xml core-site.xml

启动
（1）关闭所有HDFS服务：

[vanas@hadoop130 hadoop-3.1.3]$ stop-dfs.sh

（2）启动Zookeeper集群，在每个Zookeeper节点执行

[vanas@hadoop130 hadoop]$ zk start

（3）初始化HA在Zookeeper中状态：

删干净再初始化保留zookeeper

[vanas@hadoop130 hadoop]$ cd /opt/module/zookeeper-3.5.7/
[vanas@hadoop130 zookeeper-3.5.7]$ bin/zkCli.sh
[zk: localhost:2181(CONNECTED) 6] deleteall /vanas
[zk: localhost:2181(CONNECTED) 7] ls /
[zookeeper]
[zk: localhost:2181(CONNECTED) 8] quit

[vanas@hadoop130 zookeeper-3.5.7]$ hdfs zkfc -formatZK
（4）启动HDFS服务：
start-dfs.sh

web端查看，一个Active的NameNode，两个Standby的NameNode

134抢占成功
验证
（1）将Active NameNode进程kill,实现自动故障转移
```
kill -9 namenode的进程id
```

YARN-HA配置

YARN-HA工作机制

截屏2020-04-22下午9.28.38

配置YARN-HA集群

规划集群

Hadoop130	hadoop133	hadoop134
NameNode	NameNode	NameNode
JournalNode	JournalNode	JournalNode
ZKFC	ZKFC	ZKFC
DataNode	DataNode	DataNode
ZK	ZK	ZK
ResourceManager	ResourceManager
NodeManager	NodeManager	NodeManager

具体配置

（1）yarn-site.xml

[vanas@hadoop130 hadoop]$ vim yarn-site.xml

<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HA resourcemanager的地址-->
 <property>
     <name>yarn.resourcemanager.cluster-id</name>
     <value>cluster-yarn1</value>
 </property>
  <!-- 指定RM的逻辑列表 -->
 <property>
     <name>yarn.resourcemanager.ha.rm-ids</name>
     <value>rm1,rm2,rm3</value>
 </property>
  
<!--  =========== rm1 配置============  --> 
<!-- 指定rm1 的主机名 -->
    <property>
        <name>yarn.resourcemanager.hostname.rm1</name>
        <value>hadoop130</value>
    </property>
<!-- 指定rm1的web端地址 -->
<property>
        <name>yarn.resourcemanager.webapp.address.rm1</name>
        <value>hadoop130:8088</value>
</property>
<!-- 指定rm1的内部通信地址 -->
    <property>
        <name>yarn.resourcemanager.address.rm1</name>
        <value>hadoop130:8032</value>
    </property>
<!-- 指定AM向rm1申请资源的地址 -->
    <property>
        <name>yarn.resourcemanager.scheduler.address.rm1</name>  
        <value>hadoop130:8030</value>
    </property>
<!-- 指定供NM连接的地址 -->  
<property>
        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>
        <value>hadoop130:8031</value>
</property>

<!--  =========== rm2 配置============  --> 

<property>
        <name>yarn.resourcemanager.hostname.rm2</name>
        <value>hadoop133</value>
</property>

<property>
        <name>yarn.resourcemanager.webapp.address.rm2</name>
        <value>hadoop133:8088</value>
</property>
    <property>
        <name>yarn.resourcemanager.address.rm2</name>
        <value>hadoop133:8032</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address.rm2</name>
        <value>hadoop133:8030</value>
    </property>

<property>
        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>
        <value>hadoop133:8031</value>
</property>

<!--  =========== rm3 配置============  --> 

<property>
    <name>yarn.resourcemanager.hostname.rm3</name>
    <value>hadoop134</value>
</property>

<property>
        <name>yarn.resourcemanager.webapp.address.rm3</name>
        <value>hadoop134:8088</value>
</property>
    <property>
        <name>yarn.resourcemanager.address.rm3</name>
        <value>hadoop134:8032</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address.rm3</name>
        <value>hadoop134:8030</value>
    </property>

<property>
        <name>yarn.resourcemanager.resource-tracker.address.rm3</name>
        <value>hadoop134:8031</value>
</property>

<!--指定zookeeper集群的地址--> 
    <property>
        <name>yarn.resourcemanager.zk-address</name>
        <value>hadoop130:2181,hadoop133:2181,hadoop134:2181</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）同步配置文件到其他节点

[vanas@hadoop130 hadoop]$ xsync yarn-site.xml

启动HDFS
启动YARN

(1)在hadoop130中执行：

[vanas@hadoop130 hadoop]$ start-dfs.sh
[vanas@hadoop130 hadoop]$ start-yarn.sh

[vanas@hadoop130 hadoop]$ myjps
====================== hadoop130 JPS =======================
32307 NodeManager
32100 ResourceManager
89909 QuorumPeerMain
31445 DFSZKFailoverController
31112 JournalNode
30619 NameNode
32667 Jps
30797 DataNode
====================== hadoop133 JPS =======================
30322 Jps
29666 ResourceManager
28995 JournalNode
28662 NameNode
28807 DataNode
89707 QuorumPeerMain
29835 NodeManager
29230 DFSZKFailoverController
====================== hadoop134 JPS =======================
29876 ResourceManager
29461 DFSZKFailoverController
30376 Jps
29225 JournalNode
29034 DataNode
30027 NodeManager
28892 NameNode
89932 QuorumPeerMain

（2）查看服务状态

[vanas@hadoop130 hadoop]$ yarn rmadmin -getServiceState rm1
standby

（3）web端查看YARN的状态

133抢占抢占成功，不论输入130还是134 都会跳转到133

截屏2020-04-22下午9.44.25

HDFS Federation架构设计

NameNode架构的局限性

（1）Namespace（命名空间）的限制
由于NameNode在内存中存储所有的元数据（metadata），因此单个NameNode所能存储的对象（文件+块）数目受到NameNode所在JVM的heap size的限制。50G的heap能够存储20亿（200million）个对象，这20亿个对象支持4000个DataNode，12PB的存储（假设文件平均大小为40MB）。随着数据的飞速增长，存储的需求也随之增长。单个DataNode从4T增长到36T，集群的尺寸增长到8000个DataNode。存储的需求从12PB增长到大于100PB。
（2）隔离问题
由于HDFS仅有一个NameNode，无法隔离各个程序，因此HDFS上的一个实验程序就很有可能影响整个HDFS上运行的程序。
（3）性能的瓶颈
由于是单个NameNode的HDFS架构，因此整个HDFS文件系统的吞吐量受限于单个NameNode的吞吐量。

一个元数据的大小为150字节，目前一个NameNode服务器128G，所以完全足够存放，除非特别大的企业或者是未来数据爆炸的时代会考虑到联邦机制