当前位置：首页 > 资讯 > 技术文档

详解使用docker搭建hadoop分布式集群

时间：2020-11-17 05:52 编辑：来源：阅读：
扫一扫，手机访问

摘要：详解使用docker搭建hadoop分布式集群

使用Docker搭建部署Hadoop分布式集群在网上找了很长时间都没有找到使用docker搭建hadoop分布式集群的文档，没办法，只能自己写一个了。 [b]一：环境准备： [/b] 1：首先要有一个Centos7操作系统，可以在虚拟机中安装。 2：在centos7中安装docker，docker的版本为1.8.2 安装步骤如下： <1>安装制定版本的docker

yum install -y docker-1.8.2-10.el7.centos

<2>安装的时候可能会报错，需要删除这个依赖 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090118_0_85941.png[/img]

rpm -e lvm2-7:2.02.105-14.el7.x86_64

启动docker

service docker start

验证安装结果： [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090119_1_32495.png[/img] <3>启动之后执行docker info会看到下面有两行警告信息 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090119_2_62683.png[/img] 需要关闭防火墙并重启系统

systemctl stop firewalld
systemctl disable firewalld
#注意：执行完上面的命令之后需要重启系统
reboot -h(重启系统)

<4>运行容器可能会报错 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090120_3_4392.png[/img] 需要关闭selinux 解决方法： 1：setenforce 0(立刻生效，不需要重启操作系统) 2：修改/etc/selinux/config文件中的SELINUX=disabled ，然后重启系统生效建议两个步骤都执行，这样可以确保系统重启之后selinux也是关闭状态 3：需要先构建一个hadoop的基础镜像，使用dockerfile文件方式进行构建。先构建一个具备ssh功能的镜像，方便后期使用。（但是这样对于容器的安全性会有影响）注意：这个镜像中的root用户的密码是root

Mkdir centos-ssh-root 
Cd centos-ssh-root 
Vi Dockerfile

# 选择一个已有的os镜像作为基础 
FROM centos 

# 镜像的作者 
MAINTAINER crxy 

# 安装openssh-server和sudo软件包，并且将sshd的UsePAM参数设置成no 
RUN yum install -y openssh-server sudo 
RUN sed -i 's/UsePAM yes/UsePAM no/g' /etc/ssh/sshd_config 
#安装openssh-clients
RUN yum install -y openssh-clients

# 添加测试用户root，密码root，并且将此用户添加到sudoers里 
RUN echo "root:root" | chpasswd 
RUN echo "root  ALL=(ALL)    ALL" >> /etc/sudoers 
# 下面这两句比较特殊，在centos6上必须要有，否则创建出来的容器sshd不能登录 
RUN ssh-keygen -t dsa -f /etc/ssh/ssh_host_dsa_key 
RUN ssh-keygen -t rsa -f /etc/ssh/ssh_host_rsa_key 

# 启动sshd服务并且暴露22端口 
RUN mkdir /var/run/sshd 
EXPOSE 22 
CMD ["/usr/sbin/sshd", "-D"]

构建命令：

docker build -t=”crxy/centos-ssh-root” .

查询刚才构建成功的镜像 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090120_4_99742.png[/img] 4：基于这个镜像再构建一个带有jdk的镜像注意：jdk使用的是1.7版本的

Mkdir centos-ssh-root-jdk 
Cd centos-ssh-root-jdk 
Cp ../jdk-7u75-Linux-x64.tar.gz . 
Vi Dockerfile

FROM crxy/centos-ssh-root
ADD jdk-7u75-linux-x64.tar.gz /usr/local/
RUN mv /usr/local/jdk1.7.0_75 /usr/local/jdk1.7
ENV JAVA_HOME /usr/local/jdk1.7
ENV PATH $JAVA_HOME/bin:$PATH

构建命令：

docker build -t=”crxy/centos-ssh-root-jdk” .

查询构建成功的镜像 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090121_5_15691.png[/img] 5：基于这个jdk镜像再构建一个带有hadoop的镜像注意：hadoop使用的是2.4.1版本的。

Mkdir centos-ssh-root-jdk-hadoop 
Cd centos-ssh-root-jdk-hadoop 
Cp ../hadoop-2.4.1.tar.gz . 
Vi Dockerfile

FROM crxy/centos-ssh-root-jdk
ADD hadoop-2.4.1.tar.gz /usr/local
RUN mv /usr/local/hadoop-2.4.1 /usr/local/hadoop
ENV HADOOP_HOME /usr/local/hadoop
ENV PATH $HADOOP_HOME/bin:$PATH

构建命令：

docker build -t=”crxy/centos-ssh-root-jdk-hadoop” .

查询构建成功的镜像 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090121_6_108.png[/img] [b]二：搭建hadoop分布式集群 [/b] 1：集群规划准备搭建一个具有三个节点的集群，一主两从主节点：hadoop0 ip：192.168.2.10 从节点1：hadoop1 ip：192.168.2.11 从节点2：hadoop2 ip：192.168.2.12 但是由于docker容器重新启动之后ip会发生变化，所以需要我们给docker设置固定ip。使用pipework给docker容器设置固定ip 2：启动三个容器，分别作为hadoop0 hadoop1 hadoop2 在宿主机上执行下面命令，给容器设置主机名和容器的名称，并且在hadoop0中对外开放端口50070 和8088

docker run --name hadoop0 --hostname hadoop0 -d -P -p 50070:50070 -p 8088:8088 crxy/centos-ssh-root-jdk-hadoop

docker run --name hadoop1 --hostname hadoop1 -d -P crxy/centos-ssh-root-jdk-hadoop

docker run --name hadoop2 --hostname hadoop2 -d -P crxy/centos-ssh-root-jdk-hadoop

使用docker ps 查看刚才启动的是三个容器 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090122_7_15044.png[/img] 3：给这三台容器设置固定IP 1：下载pipework 下载地址：[url=https://github.com/jpetazzo/pipework.git]https://github.com/jpetazzo/pipework.git[/url] 2：把下载的zip包上传到宿主机服务器上，解压,改名字

unzip pipework-master.zip
mv pipework-master pipework
cp -rp pipework/pipework /usr/local/bin/

3：安装bridge-utils

yum -y install bridge-utils

4：创建网络

brctl addbr br0
ip link set dev br0 up
ip addr add 192.168.2.1/24 dev br0

5：给容器设置固定ip

pipework br0 hadoop0 192.168.2.10/24
pipework br0 hadoop1 192.168.2.11/24
pipework br0 hadoop2 192.168.2.12/24

验证一下，分别ping三个ip，能ping通就说明没问题 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090122_8_93733.png[/img] 4：配置hadoop集群先连接到hadoop0上，使用命令

docker exec -it hadoop0 /bin/bash

下面的步骤就是hadoop集群的配置过程 1：设置主机名与ip的映射，修改三台容器：vi /etc/hosts 添加下面配置

192.168.2.10  hadoop0
192.168.2.11  hadoop1
192.168.2.12  hadoop2

2：设置ssh免密码登录在hadoop0上执行下面操作

cd ~
mkdir .ssh
cd .ssh
ssh-keygen -t rsa(一直按回车即可)
ssh-copy-id -i localhost
ssh-copy-id -i hadoop0
ssh-copy-id -i hadoop1
ssh-copy-id -i hadoop2
在hadoop1上执行下面操作
cd ~
cd .ssh
ssh-keygen -t rsa(一直按回车即可)
ssh-copy-id -i localhost
ssh-copy-id -i hadoop1
在hadoop2上执行下面操作
cd ~
cd .ssh
ssh-keygen -t rsa(一直按回车即可)
ssh-copy-id -i localhost
ssh-copy-id -i hadoop2

3：在hadoop0上修改hadoop的配置文件进入到/usr/local/hadoop/etc/hadoop目录修改目录下的配置文件core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml (1)hadoop-env.sh

export JAVA_HOME=/usr/local/jdk1.7

(2)core-site.xml

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop0:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/usr/local/hadoop/tmp</value>
    </property>
     <property>
         <name>fs.trash.interval</name>
         <value>1440</value>
    </property>
</configuration>

(3)hdfs-site.xml

<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
  <property>
    <name>dfs.permissions</name>
    <value>false</value>
  </property>
</configuration>

(4)yarn-site.xml

<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property> 
        <name>yarn.log-aggregation-enable</name> 
        <value>true</value> 
    </property>
</configuration>

(5)修改文件名：mv mapred-site.xml.template mapred-site.xml vi mapred-site.xml

<configuration>
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>

(6)格式化进入到/usr/local/hadoop目录下 1、执行格式化命令

bin/hdfs namenode -format

注意：在执行的时候会报错，是因为缺少which命令，安装即可执行下面命令安装

yum install -y which

看到下面命令说明格式化成功。 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090123_9_11.png[/img] 格式化操作不能重复执行。如果一定要重复格式化，带参数-force即可。 (7)启动伪分布hadoop 命令：

sbin/start-all.sh

第一次启动的过程中需要输入yes确认一下。 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090123_10_45200.png[/img] 使用jps，检查进程是否正常启动？能看到下面几个进程表示伪分布启动成功

[root@hadoop0 hadoop]# jps
3267 SecondaryNameNode
3003 NameNode
3664 Jps
3397 ResourceManager
3090 DataNode
3487 NodeManager

(8)停止伪分布hadoop 命令：

sbin/stop-all.sh

(9)指定nodemanager的地址，修改文件yarn-site.xml

<property>
  <description>The hostname of the RM.</description>
  <name>yarn.resourcemanager.hostname</name>
  <value>hadoop0</value>
 </property>

(10)修改hadoop0中hadoop的一个配置文件etc/hadoop/slaves 删除原来的所有内容，修改为如下

hadoop1
hadoop2

(11)在hadoop0中执行命令

 scp -rq /usr/local/hadoop  hadoop1:/usr/local
 scp -rq /usr/local/hadoop  hadoop2:/usr/local

(12)启动hadoop分布式集群服务执行sbin/start-all.sh 注意：在执行的时候会报错，是因为两个从节点缺少which命令，安装即可分别在两个从节点执行下面命令安装

yum install -y which

再启动集群(如果集群已启动，需要先停止)

sbin/start-all.sh

(13)验证集群是否正常首先查看进程： Hadoop0上需要有这几个进程

[root@hadoop0 hadoop]# jps
4643 Jps
4073 NameNode
4216 SecondaryNameNode
4381 ResourceManager

Hadoop1上需要有这几个进程

[root@hadoop1 hadoop]# jps
715 NodeManager
849 Jps
645 DataNode

Hadoop2上需要有这几个进程

[root@hadoop2 hadoop]# jps
456 NodeManager
589 Jps
388 DataNode

使用程序验证集群服务创建一个本地文件

vi a.txt
hello you
hello me

上传a.txt到hdfs上

hdfs dfs -put a.txt /

执行wordcount程序

cd /usr/local/hadoop/share/hadoop/mapreduce
hadoop jar hadoop-mapreduce-examples-2.4.1.jar wordcount /a.txt /out

查看程序执行结果 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090123_11_95764.png[/img] 这样就说明集群正常了。通过浏览器访问集群的服务由于在启动hadoop0这个容器的时候把50070和8088映射到宿主机的对应端口上了

[u]复制代码[/u] 代码如下:

adb9eba7142b        crxy/centos-ssh-root-jdk-hadoop   "/usr/sbin/sshd -D"   About an hour ago   Up About an hour    0.0.0.0:8088->8088/tcp, 0.0.0.0:50070->50070/tcp, 0.0.0.0:32770->22/tcp   hadoop0

所以在这可以直接通过宿主机访问容器中hadoop集群的服务宿主机的ip为：192.168.1.144 http://192.168.1.144:50070/ http://192.168.1.144:8088/ [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090124_12_14281.png[/img] [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090125_13_3238.png[/img] [b]三：集群节点重启 [/b] 停止三个容器，在宿主机上执行下面命令

docker stop hadoop0
docker stop hadoop1
docker stop hadoop2

容器停止之后，之前设置的固定ip也会消失，重新再使用这几个容器的时候还需要重新设置固定ip 先把之前停止的三个容器起来

docker start hadoop0
docker start hadoop1
docker start hadoop2

在宿主机上执行下面命令重新给容器设置固定ip

pipework br0 hadoop0 192.168.2.10/24
pipework br0 hadoop1 192.168.2.11/24
pipework br0 hadoop2 192.168.2.12/24

还需要重新在容器中配置主机名和ip的映射关系，每次都手工写比较麻烦写一个脚本，runhosts.sh

#!/bin/bash
echo 192.168.2.10    hadoop0 >> /etc/hosts
echo 192.168.2.11    hadoop1 >> /etc/hosts
echo 192.168.2.12    hadoop2 >> /etc/hosts

添加执行权限，

chmod +x runhosts.sh

把这个脚本拷贝到所有节点，并且分别执行这个脚本

scp runhosts.sh hadoop1:~
scp runhosts.sh hadoop2:~

执行脚本的命令

./runhosts.sh

查看/etc/hosts文件中是否添加成功 [img]http://img.1sucai.cn/uploads/article/2018010709/20180107090126_14_58231.png[/img] 注意：有一些docker版本中不会在hosts文件中自动生成下面这些映射，所以我们才在这里手工给容器设置固定ip，并设置主机名和ip的映射关系。 172.17.0.25 hadoop0 172.17.0.25 hadoop0.bridge 172.17.0.26 hadoop1 172.17.0.26 hadoop1.bridge 172.17.0.27 hadoop2 172.17.0.27 hadoop2.bridge 启动hadoop集群

sbin/start-all.sh

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程素材网。

全部评论(0)

上一篇：Linux中docker的使用方法讲解
下一篇：linux命令详解之useradd命令使用方法

资讯排行榜
更多>>