上篇：

上篇介绍了快速上手Docker部分，下面接着介绍搭建Hadoop集群部分。

 

六、搭建Hadoop伪分布模式

我们先用前面创建的这个容器来搭建Hadoop伪分布模式做测试，测试成功后再搭建完全分布式集群。

1.SSH

这个centos容器可以看做是一个非常精简的系统，很多功能没有，需要自己安装。

Hadoop需要SSH，但容器没有自带，需要我们安装。

①安装SSH

# yum -y install openssh-clients openssh-server

②生成3个key文件

# ssh-keygen -t rsa -f /etc/ssh/ssh_host_rsa_key 一路回车

# ssh-keygen -t ecdsa -f /etc/ssh/ssh_host_ecdsa_key一路回车

# ssh-keygen -t ed25519 -f /etc/ssh/ssh_host_ed25519_key一路回车

③启动sshd

# /usr/sbin/sshd

④修改root密码

因为默认的密码不知道，我们重新设置一下。

# passwd root

⑤设置ssh免密登录到本机

# ssh-keygen 一路回车

# ssh-copy-id localhost输入密码

# ssh localhost

免密登录成功

# exit

退回到刚才的shell中。

2.which

运行hadoop需要which命令，同样容器没有自带，需要我们安装。

# yum -y install which

3.文件复制

下面我们将已经提前准备好的JDK和Hadoop从宿主机上复制到容器中。注意，复制操作要在Docker宿主机上进行。

$ docker cp /home/chengyujia/jdk1.7.0_80/ pseudo-distributed:/root/$ docker cp /home/chengyujia/hadoop-2.7.3/ pseudo-distributed:/root/

在容器中可以看到JDK和Hadoop已复制到位。

4.配置环境变量并在容器启动时启动sshd

在/etc/profile.d中新建一个run.sh文件

在run.sh文件中写入下面6行内容：

export JAVA_HOME=/root/jdk1.7.0_80export PATH=$PATH:$JAVA_HOME/binexport HADOOP_HOME=/root/hadoop-2.7.3export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbinexport HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop/usr/sbin/sshd

用exit命令退出容器，重新启动并进入容器，上面配置的环境变量会生效，sshd也会启动。

5.hadoop伪分布式配置

①配置hadoop-env.sh

将export JAVA_HOME=${JAVA_HOME}中的${JAVA_HOME}替换为具体路径，这里为export JAVA_HOME=/root/jdk1.7.0_80。

②配置core-site.xml

         
              
       
        fs.defaultFS
               
       
        hdfs://localhost:9000
           
      
     

③配置hdfs-site.xml

         
              
       
        dfs.replication
               
       
        1
           
      
     

④配置mapred-site.xml

         
              
       
        mapreduce.framework.name
               
       
        yarn
           
      
     

⑤配置yarn-site.xml

         
              
       
        yarn.nodemanager.aux-services
               
       
        mapreduce_shuffle
           
      
     

6.启动伪分布集群并运行wordcount示例程序

①准备测试数据

新建一个input文件夹，在这个文件夹中新建一个test.txt文件，里面随便写点单词，然后将该文件多复制几份，我这里复制了5份。

②格式化namenode

# hdfs namenode -format

③启动HDFS

# start-dfs.sh

④启动YARN

# start-yarn.sh

⑤查看相关进程是否都启动

# jps

如有以下5个进程，说明启动成功。

DataNodeNodeManagerNameNodeSecondaryNameNodeResourceManager

⑥将测试数据复制到HDFS中

# hdfs dfs -put /root/input /

⑦运行wordcount示例程序

# hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /input /output

⑧查看输出结果

# hdfs dfs -cat /output/part-r-00000

从截图可以看出输出正确。伪分布式测试完毕。

 

七、搭建Hadoop完全分布式集群

1.集群规划

1个NameNode节点1个SecondaryNameNode节点1个ResourceManager节点1个JobHistory节点5个Slave节点1个Client节点

其中Slave节点包含DataNode和NodeManager两种角色。

Client节点是用来操作的节点，所有操作都尽量在这个节点上进行。

以上共10个节点，7种角色。

2.将上面的伪分布式容器打包成镜像

理论上，我们只要将上面的伪分布式容器复制10份，然后改改配置文件就行了。但是Docker容器不能直接复制，需要先打包成镜像，然后用这个镜像生成10个新的容器。

命令如下：

$ docker commit -a "成宇佳" -m "Hadoop在centos上搭建的伪分布模式。" pseudo-distributed hadoop-centos:v1

-a 表示作者。

-m 表示对该镜像的说明。

pseudo-distributed 被打包容器的名称

hadoop-centos:v1 生成镜像的名称及版本

需要知道的是，因为这个被打包的容器是通过centos镜像创建的，所以由该容器打包成的新镜像也包含了centos镜像。

3.创建网络

$ docker network create hadoop_nw

这里新建了一个叫hadoop_nw的网络，后面将10个Hadoop节点容器都加入到该网络，就能相互间通信了。而且不需要配置hosts文件，直接通过容器名称即可访问。

$ docker network ls

通过该命令可以查看所有的网络，除了我们刚创建的hadoop_nw网络，其它都是安装Docker时自动生成的，在本文中不用管它们。

4.用新生成的镜像创建10个容器

$ docker run -itd --network hadoop_nw -h namenode --name namenode -p 50070:50070 hadoop-centos:v1$ docker run -itd --network hadoop_nw -h secondarynamenode --name secondarynamenode hadoop-centos:v1$ docker run -itd --network hadoop_nw -h resourcemanager --name resourcemanager -p 8088:8088 hadoop-centos:v1$ docker run -itd --network hadoop_nw -h jobhistory --name jobhistory -p 19888:19888 hadoop-centos:v1$ docker run -itd --network hadoop_nw -h slave1 --name slave1 hadoop-centos:v1$ docker run -itd --network hadoop_nw -h slave2 --name slave2 hadoop-centos:v1$ docker run -itd --network hadoop_nw -h slave3 --name slave3 hadoop-centos:v1$ docker run -itd --network hadoop_nw -h slave4 --name slave4 hadoop-centos:v1$ docker run -itd --network hadoop_nw -h slave5 --name slave5 hadoop-centos:v1$ docker run -itd --network hadoop_nw -h client --name client hadoop-centos:v1

-itd　　　　　表示打开终端但不进入

--network　　表示加入到哪个网络

-p　　　　　　表示端口映射

从上面可以看到namenode、resourcemanager和jobhistory这3个节点做了端口映射。端口映射的作用是将Docker宿主机的某个端口映射到容器的某个端口上，这样我们通过访问Docker宿主机的这个端口就能间接访问到相应的容器端口了。就像从外网访问内网中的某台机器一样。我们在后面通过浏览器查看集群信息的时候会用到。

5.修改Hadoop配置文件

我们在client节点修改，然后复制到其它节点。

①配置core-site.xml

         
              
       
        fs.defaultFS
               
       
        hdfs://namenode:9000
           
          
              
       
        hadoop.tmp.dir
               
       
        /root/hadoop-2.7.3/data
           
      
     

②配置hdfs-site.xml

         
              
       
        dfs.namenode.secondary.http-address
               
       
        secondarynamenode:50090
           
      
     

③配置mapred-site.xml

         
              
       
        mapreduce.framework.name
               
       
        yarn
           
          
              
       
        mapreduce.jobhistory.address
               
       
        jobhistory:10020
           
          
              
       
        mapreduce.jobhistory.webapp.address
               
       
        jobhistory:19888
           
      
     

④配置yarn-site.xml

         
              
       
        yarn.nodemanager.aux-services
               
       
        mapreduce_shuffle
           
          
              
       
        yarn.resourcemanager.hostname
               
       
        resourcemanager
           
      
     

⑤配置slaves文件

slave1slave2slave3slave4slave5

 

6.配置节点间SSH免密登录

在client节点执行：

# ssh-copy-id namenode# ssh-copy-id secondarynamenode# ssh-copy-id resourcemanager# ssh-copy-id jobhistory# ssh-copy-id slave1# ssh-copy-id slave2# ssh-copy-id slave3# ssh-copy-id slave4# ssh-copy-id slave5

在resourcemanager节点执行：

# ssh-copy-id slave1# ssh-copy-id slave2# ssh-copy-id slave3# ssh-copy-id slave4# ssh-copy-id slave5

 

7.复制配置文件到所有节点

在client节点执行：

# scp -r $HADOOP_HOME/etc/hadoop namenode:$HADOOP_HOME/etc# scp -r $HADOOP_HOME/etc/hadoop secondarynamenode:$HADOOP_HOME/etc# scp -r $HADOOP_HOME/etc/hadoop resourcemanager:$HADOOP_HOME/etc# scp -r $HADOOP_HOME/etc/hadoop jobhistory:$HADOOP_HOME/etc# scp -r $HADOOP_HOME/etc/hadoop slave1:$HADOOP_HOME/etc# scp -r $HADOOP_HOME/etc/hadoop slave2:$HADOOP_HOME/etc# scp -r $HADOOP_HOME/etc/hadoop slave3:$HADOOP_HOME/etc# scp -r $HADOOP_HOME/etc/hadoop slave4:$HADOOP_HOME/etc# scp -r $HADOOP_HOME/etc/hadoop slave5:$HADOOP_HOME/etc

8.启动Hadoop集群

在client节点执行：

①格式化namenode

# ssh namenode "hdfs namenode -format"

②启动HDFS集群

# start-dfs.sh

③启动YARN集群

# ssh resourcemanager "start-yarn.sh"

④启动JobHistory

# ssh jobhistory "mr-jobhistory-daemon.sh --config $HADOOP_CONF_DIR start historyserver"

 

9.在浏览器中查看集群信息

由于指定过相应容器的端口映射，我在我的Windows上用浏览器访问Docker宿主机相应的端口就能访问到容器。

HDFS        http://Docker宿主机IP:50070/YARN        http://Docker宿主机IP:8088/jobhistory    http://Docker宿主机IP:19888/

从web上可以看到集群正常：

 

10.运行wordcount示例程序

①将测试数据复制到HDFS中

# hdfs dfs -put /root/input /

②运行wordcount示例程序

# hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /input /output

③查看输出结果

# hdfs dfs -cat /output/part-r-00000

从截图可以看到输出结果正确。完全分布式集群搭建完毕。

 

参考资料

写本文时参考了很多网上的资料，在此一并表示感谢！

本文结束，谢谢大家！