基于Docker搭建多节点Hadoop集群

摘要: 本文已更新,请查看: 基于Docker搭建Hadoop集群之升级版!!!

GitHub地址:

本文介绍了基于Docker在单机上搭建多节点Hadopp集群方法,Hadoop的Master和Slave分别运行在不同容器中。

可以直接进入第三部分,快速在本机搭建一个3个节点的Hadoop集群

一. 项目简介

直接用机器搭建Hadoop集群是一个相当痛苦的过程,尤其对初学者来说。他们还没开始跑wordcount,可能就被这个问题折腾的体无完肤了。

我的目标是将Hadoop集群运行在Docker容器中,使Hadoop开发者能够快速便捷地在本机搭建多节点的Hadoop集群。其实这个想法已经有了不少实现,但是都不是很理想,他们或者镜像太大,或者使用太慢,或者使用了第三方工具使得使用起来过于复杂…下表为一些已知的Hadoop on Docker项目以及其存在的问题。

项目镜像大小问题
sequenceiq/hadoop-docker:latest1.491GB镜像太大,只支持单个节点
sequenceiq/hadoop-docker:2.7.01.76 GB同上
sequenceiq/hadoop-docker:2.6.01.624GB同上
sequenceiq/ambari:latest1.782GB镜像太大,使用太慢
sequenceiq/ambari:2.0.04.804GB同上
sequenceiq/ambari:latest:1.704.761GB同上
alvinhenrick/hadoop-mutinode4.331GB镜像太大,构建太慢,增加节点麻烦,有bug

我的项目参考了alvinhenrick/hadoop-mutinode项目,不过我做了大量的优化和重构。alvinhenrick/hadoop-mutinode项目的Github主页以及作者所写的博客地址:GitHub博客

下面两个表是alvinhenrick/hadoop-mutinode项目与我的kiwenlau/hadoop-cluster-docker项目的参数对比

镜像名称构建时间镜像层数镜像大小
alvinhenrick/serf258.213s21239.4MB
alvinhenrick/hadoop-base2236.055s584.328GB
alvinhenrick/hadoop-dn51.959s744.331GB
alvinhenrick/hadoop-nn-dn49.548s844.331GB
镜像名称构建时间镜像层数镜像大小
kiwenlau/serf-dnsmasq509.46s8206.6 MB
kiwenlau/hadoop-base400.29s7775.4 MB
kiwenlau/hadoop-master5.41s9775.4 MB
kiwenlau/hadoop-slave2.41s8775.4 MB

可知,我主要优化了这样几点

  • 更小的镜像大小
  • 更快的构造时间
  • 更少的镜像层数

更快更方便地改变Hadoop集群节点数目

另外,alvinhenrick/hadoop-mutinode项目增加节点时需要手动修改Hadoop配置文件然后重新构建hadoop-nn-dn镜像,然后修改容器启动脚本,才能实现增加节点的功能。而我通过shell脚本实现自动话,不到1分钟可以重新构建hadoop-master镜像,然后立即运行!!!本项目默认启动3个节点的Hadoop集群,支持任意节点数的hadoop集群。

另外,启动hadoop, 运行wordcount以及重新构建镜像都采用了shell脚本实现自动化。这样使得整个项目的使用以及开发都变得非常方便快捷:)

开发测试环境

  • 操作系统:ubuntu 14.04 和 ubuntu 12.04
  • 内核版本: 3.13.0-32-generic
  • Docker版本:1.5.0 和1.6.2

硬盘不够,内存不够,尤其是内核版本过低会导致运行失败:(

二. 镜像简介

本项目一共开发了4个镜像

  • serf-dnsmasq
  • hadoop-base
  • hadoop-master
  • hadoop-slave

serf-dnsmasq镜像

  • 基于ubuntu:15.04 (选它是因为它最小,不是因为它最新…)
  • 安装serf: serf是一个分布式的机器节点管理工具。它可以动态地发现所有hadoop集群节点。
  • 安装dnsmasq: dnsmasq作为轻量级的dns服务器。它可以为hadoop集群提供域名解析服务。

容器启动时,master节点的IP会传给所有slave节点。serf会在container启动后立即启动。slave节点上的serf agent会马上发现master节点(master IP它们都知道嘛),master节点就马上发现了所有slave节点。然后它们之间通过互相交换信息,所有节点就能知道其他所有节点的存在了!(Everyone will know Everyone). serf发现新的节点时,就会重新配置dnsmasq,然后重启dnsmasq. 所以dnsmasq就能够解析集群的所有节点的域名啦。这个过程随着节点的增加会耗时更久,因此,若配置的Hadoop节点比较多,则在启动容器后需要测试serf是否发现了所有节点,dns是否能够解析所有节点域名。稍等片刻才能启动Hadoop。这个解决方案是由SequenceIQ公司提出的,该公司专注于将Hadoop运行在Docker中。请参考这个PPT:Docker-based Hadoop Provisioning

hadoop-base镜像

  • 基于serf-dnsmasq镜像
  • 安装JDK(openjdk)
  • 安装openssh-server, 配置无密码ssh
  • 安装vim:介样就可以愉快地在容器中敲代码了:)
  • 安装Hadoop 2.3.0: 安装编译过的hadoop (2.5.2, 2.6.0, 2.7.0 都比2.3.0大,所以我懒得升级了)

编译Hadoop的步骤请参考我的博客:Hadoop 2.30 在Ubuntu 14.04 中编译

如果需要重新开发我的hadoop-base, 需要下载编译过的hadoop-2.3.0安装包,放到hadoop-cluster-docker/hadoop-base/files目录内。我编译的64位hadoop-2.3.0下载地址:hadoop-2.3.0

另外,我还编译了64位的hadoop 2.5.2, 2.6.0, 2.7.0, 其下载地址如下:

hadoop-master镜像

  • 基于hadoop-base镜像
  • 配置hadoop的master节点
  • 格式化namenode

这一步需要配置slaves文件,而slaves文件需要列出所有节点的域名或者IP。因此,Hadoop节点数目不同时,slaves文件自然也不一样。因此,更改Hadoop集群节点数目时,需要修改slaves文件然后重新构建hadoop-master镜像。我编写了一个resize-cluster.sh脚本自动化这一过程。仅需给定节点数目作为脚本参数就可以轻松实现Hadoop集群节点数目的更改。由于hadoop-master镜像仅仅做一些配置工作,也无需下载任何文件,整个过程非常快,1分钟就足够了。

hadoop-slave镜像

  • 基于hadoop-base镜像
  • 配置hadoop的slave节点

镜像大小分析

下表为sudo docker images的运行结果

REPOSITORYTAGIMAGE IDCREATEDVIRTUAL SIZE
index.alauda.cn/kiwenlau/hadoop-slave0.1.0d63869855c0317 hours ago777.4 MB
index.alauda.cn/kiwenlau/hadoop-master0.1.07c9d32ede45017 hours ago777.4 MB
index.alauda.cn/kiwenlau/hadoop-base0.1.05571bd5de58e17 hours ago777.4 MB
index.alauda.cn/kiwenlau/serf-dnsmasq0.1.009ed89c24ee817 hours ago206.7 MB
ubuntu15.04bd94ae5874833 weeks ago131.3 MB

易知以下几个结论:

  • serf-dnsmasq镜像在ubuntu:15.04镜像的基础上增加了75.4MB
  • hadoop-base镜像在serf-dnsmasq镜像的基础上增加了570.7MB
  • hadoop-master和hadoop-slave镜像在hadoop-base镜像的基础上大小几乎没有增加

下表为docker history index.alauda.cn/kiwenlau/hadoop-base:0.1.0命令的部分运行结果

IMAGECREATEDCREATED BYSIZE
2039b9b8114644 hours ago/bin/sh -c #(nop) ADD multi:a93c971a49514e787158.5 MB
cdb620312f3044 hours ago/bin/sh -c apt-get install -y openjdk-7-jdk324.6 MB
da7d10c790c144 hours ago/bin/sh -c apt-get install -y openssh-server87.58 MB
c65cb568defc44 hours ago/bin/sh -c curl -Lso serf.zip https://dl.bint14.46 MB
3e22b3d72e3344 hours ago/bin/sh -c apt-get update && apt-get install60.89 MB
b68f8c8d21403 weeks ago/bin/sh -c #(nop) ADD file:d90f7467c470bfa9a3131.3 MB

可知

  • 基础镜像ubuntu:15.04为131.3MB
  • 安装openjdk需要324.6MB
  • 安装hadoop需要158.5MB
  • ubuntu,openjdk与hadoop均为镜像所必须,三者一共占了:614.4MB

因此,我所开发的hadoop镜像以及接近最小,优化空间已经很小了

下图显示了项目的Docker镜像结构:

三. 3节点Hadoop集群搭建步骤

1. 拉取镜像

sudo docker pull index.alauda.cn/kiwenlau/hadoop-master:0.1.0
sudo docker pull index.alauda.cn/kiwenlau/hadoop-slave:0.1.0
sudo docker pull index.alauda.cn/kiwenlau/hadoop-base:0.1.0
sudo docker pull index.alauda.cn/kiwenlau/serf-dnsmasq:0.1.0
  • 3~5分钟OK~

查看下载的镜像

sudo docker images

运行结果

REPOSITORYTAGIMAGE IDCREATEDVIRTUAL SIZE
index.alauda.cn/kiwenlau/hadoop-slave0.1.0d63869855c0317 hours ago777.4 MB
index.alauda.cn/kiwenlau/hadoop-master0.1.07c9d32ede45017 hours ago777.4 MB
index.alauda.cn/kiwenlau/hadoop-base0.1.05571bd5de58e17 hours ago777.4 MB
index.alauda.cn/kiwenlau/serf-dnsmasq0.1.009ed89c24ee817 hours ago206.7 MB
  • hadoop-base镜像是基于serf-dnsmasq镜像的,hadoop-slave镜像和hadoop-master镜像都是基于hadoop-base镜像
  • 所以其实4个镜像一共也就777.4MB:)

2. 修改镜像tag

sudo docker tag d63869855c03 kiwenlau/hadoop-slave:0.1.0
sudo docker tag 7c9d32ede450 kiwenlau/hadoop-master:0.1.0
sudo docker tag 5571bd5de58e kiwenlau/hadoop-base:0.1.0
sudo docker tag 09ed89c24ee8 kiwenlau/serf-dnsmasq:0.1.0

查看修改tag后镜像

sudo docker images

运行结果

REPOSITORYTAGIMAGE IDCREATEDVIRTUAL SIZE
index.alauda.cn/kiwenlau/hadoop-slave0.1.0d63869855c0317 hours ago777.4 MB
kiwenlau/hadoop-slave0.1.0d63869855c0317 hours ago777.4 MB
index.alauda.cn/kiwenlau/hadoop-master0.1.07c9d32ede45017 hours ago777.4 MB
kiwenlau/hadoop-master0.1.07c9d32ede45017 hours ago777.4 MB
kiwenlau/hadoop-base0.1.05571bd5de58e17 hours ago777.4 MB
index.alauda.cn/kiwenlau/hadoop-base0.1.05571bd5de58e17 hours ago777.4 MB
kiwenlau/serf-dnsmasq0.1.009ed89c24ee817 hours ago206.7 MB
index.alauda.cn/kiwenlau/serf-dnsmasq0.1.009ed89c24ee817 hours ago206.7 MB
  • 之所以要修改镜像,是因为我默认是将镜像上传到Dockerhub, 因此Dokerfile以及shell脚本中得镜像名称都是没有alauada前缀的,sorry for this….不过改tag还是很快滴
  • 若直接下载我在DockerHub中的镜像,自然就不需要修改tag…不过Alauda镜像下载速度很快的哈~

3.下载源代码

git clone https://github.com/kiwenlau/hadoop-cluster-docker
  • 为了防止Github被XX, 我把代码导入到了开源中国的git仓库
git clone http://git.oschina.net/kiwenlau/hadoop-cluster-docker

4. 运行容器

cd hadoop-cluster-docker
./start-container.sh

运行结果

start master container...
start slave1 container...
start slave2 container...
root@master:~#
  • 一共开启了3个容器,1个master, 2个slave
  • 开启容器后就进入了master容器root用户的家目录(/root)

查看master的root用户家目录的文件

ls

运行结果

hdfs  run-wordcount.sh	serf_log  start-hadoop.sh  start-ssh-serf.sh
  • start-hadoop.sh是开启hadoop的shell脚本
  • run-wordcount.sh是运行wordcount的shell脚本,可以测试镜像是否正常工作

5.测试容器是否正常启动(此时已进入master容器)

查看hadoop集群成员

serf members

运行结果

master.kiwenlau.com  172.17.0.65:7946  alive
slave1.kiwenlau.com 172.17.0.66:7946 alive
slave2.kiwenlau.com 172.17.0.67:7946 alive
  • 若结果缺少节点,可以稍等片刻,再执行“serf members”命令。因为serf agent需要时间发现所有节点。

测试ssh

ssh slave2.kiwenlau.com

运行结果

Warning: Permanently added 'slave2.kiwenlau.com,172.17.0.67' (ECDSA) to the list of known hosts.
Welcome to Ubuntu 15.04 (GNU/Linux 3.13.0-53-generic x86_64)
* Documentation: https://help.ubuntu.com/
The programs included with the Ubuntu system are free software;
the exact distribution terms for each program are described in the
individual files in /usr/share/doc/*/copyright.
Ubuntu comes with ABSOLUTELY NO WARRANTY, to the extent permitted by
applicable law.
root@slave2:~#

退出slave2

exit

运行结果

logout
Connection to slave2.kiwenlau.com closed.
  • 若ssh失败,请稍等片刻再测试,因为dnsmasq的dns服务器启动需要时间。
  • 测试成功后,就可以开启Hadoop集群了!其实你也可以不进行测试,开启容器后耐心等待一分钟即可!

6. 开启hadoop

./start-hadoop.sh
  • 上一步ssh到slave2之后,请记得回到master啊!!!
  • 运行结果太多,忽略….
  • hadoop的启动速度取决于机器性能….

7. 运行wordcount

./run-wordcount.sh

运行结果

input file1.txt:
Hello Hadoop
input file2.txt:
Hello Docker
wordcount output:
Docker 1
Hadoop 1
Hello 2

  • wordcount的执行速度取决于机器性能….

四. N节点Hadoop集群搭建步骤

1. 准备工作

  • 参考第二部分1~3:下载镜像,修改tag,下载源代码
  • 注意,你可以不下载serf-dnsmasq, 但是请最好下载hadoop-base,因为hadoop-master是基于hadoop-base构建的

2. 重新构建hadoop-master镜像

./resize-cluster.sh 5
  • 不要担心,1分钟就能搞定
  • 你可以为resize-cluster.sh脚本设不同的正整数作为参数数1, 2, 3, 4, 5, 6…

3. 启动容器

./start-container.sh 5
  • 你可以为resize-cluster.sh脚本设不同的正整数作为参数数1, 2, 3, 4, 5, 6…
  • 这个参数呢,最好还是得和上一步的参数一致:)
  • 这个参数如果比上一步的参数大,你多启动的节点,Hadoop不认识它们..
  • 这个参数如果比上一步的参数小,Hadoop觉得少启动的节点挂掉了..

4. 测试工作

  • 参考第三部分5~7:测试容器,开启Hadoop,运行wordcount
  • 请注意,若节点增加,请务必先测试容器,然后再开启Hadoop, 因为serf可能还没有发现所有节点,而dnsmasq的DNS服务器表示还没有配置好服务
  • 测试等待时间取决于机器性能….

关于Fundebug

Fundebug专注于JavaScript、微信小程序、微信小游戏、支付宝小程序、React Native、Node.js和Java线上应用实时BUG监控。 自从2016年双十一正式上线,Fundebug累计处理了30亿+错误事件,付费客户有阳光保险、达令家、核桃编程、荔枝FM、微脉等众多品牌企业。欢迎大家免费试用




您的用户遇到BUG了吗?

体验Demo 免费使用