关于NameNode高可靠需要配置的文件有core-site.xml和hdfs-site.xml
关于ResourceManager高可靠需要配置的文件有yarn-site.xml
逻辑结构:
NameNode-HA工作原理:
在一个典型的HA集群中,最好有2台独立的机器的来配置NameNode角色,无论在任何时候,集群中只能有一个NameNode作为Active状态,而另一个是Standby状态,Active状态的NameNode负责集群中所有的客户端操作,这么设置的目的,其实HDFS底层的机制是有关系的,同一时刻一个文件,只允许一个写入方占用,如果出现多个,那么文件偏移量便会混乱,从而导致数据格式不可用,当然状态为Standby的NameNode这时候仅仅扮演一个Slave的角色,以便于在任何时候Active的NameNode挂掉时,能够第一时间,接替它的任务,成为主NameNode,达到一个热备份的效果,在HA架构里面SecondaryNameNode这个冷备角色已经不存在了,为了保持从NameNode时时的与主NameNode的元数据保持一致,他们之间交互通过一系列守护的轻量级进程JournalNode,当任何修改操作在主NameNode上执行时,它同时也会记录修改log到至少半数以上的JornalNode中,这时状态为Standby的NameNode监测到JournalNode里面的同步log发生变化了会读取JornalNode里面的修改log,然后同步到自己的的目录镜像树里面,当发生故障时,Active的NameNode挂掉后,Standby的NameNode会在它成为Active NameNode前,读取所有的JournalNode里面的修改日志,这样就能高可靠的保证与挂掉的NameNode的目录镜像树一致,然后无缝的接替它的职责,维护来自客户端请求,从而达到一个高可用的目的。
为了达到快速容错的掌握全局的目的,Standby角色也会接受来自DataNode角色汇报的块信息,前面只是介绍了NameNode容错的工作原理,下面介绍下,当引入Zookeeper之后,为啥可以NameNode-HA可以达到无人值守,自动切换的容错。
在主备切换上Zookeeper可以干的事:
(1)失败探测 在每个NameNode启动时,会在Zookeeper上注册一个持久化的节点,当这个NameNode宕机时,它的会话就会终止,Zookeeper发现之后,就会通知备用的NameNode,Hi,老兄,你该上岗了。
(2)选举机制, Zookeeper提供了一个简单的独占锁,获取Master的功能,如果那个NameNode发现自己得到这个锁,那就预示着,这个NameNode将被激活为Active状态
当然,实际工作中Hadoop提供了ZKFailoverController角色,在每个NameNode的节点上,简称zkfc,它的主要职责如下:
(1)健康监测,zkfc会周期性的向它监控的NameNode发送健康探测命令,从而来确定某个NameNode是否处于健康状态,如果机器宕机,心跳失败,那么zkfc就会标记它处于一个不健康的状态
(2)会话管理, 如果NameNode是健康的,zkfc就会在zookeeper中保持一个打开的会话,如果NameNode同时还是Active状态的,那么zkfc还会在Zookeeper中占有一个类型为短暂类型的znode,当这个NameNode挂掉时,
这个znode将会被删除,然后备用的NameNode,将会得到这把锁,升级为主NameNode,同时标记状态为Active,当宕机的NameNode,重新启动时,它会再次注册zookeper,发现已经有znode锁了,便会自动变为Standby状态,如此往复循环,保证高可靠,需要注意,目前仅仅支持最多配置2个NameNode。
(3)master选举,如上所述,通过在zookeeper中维持一个短暂类型的znode,来实现抢占式的锁机制,从而判断那个NameNode为Active状态。
hdfs-site.xml里面
Xml代码
-
xml version=“1.0” encoding=“UTF-8”?>
-
xml-stylesheet type=“text/xsl” href=“configuration.xsl”?>
-
-
<< span=””>configuration>
-
-
-
-
-
<< span=””>property>
-
<< span=””>name>dfs.replicationname>
-
<< span=””>value>1value>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.ha.enabledname>
-
<< span=””>value>truevalue>
-
property>
-
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.cluster-idname>
-
<< span=””>value>ns1value>
-
property>
-
-
-
<< span=””>property>
-
-
<< span=””>name>yarn.resourcemanager.ha.rm-idsname>
-
<< span=””>value>h2,h3value>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.ha.automatic-failover.recover.enabledname>
-
<< span=””>value>truevalue>
-
property>
-
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.recovery.enabledname>
-
<< span=””>value>truevalue>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.hostname.h2name>
-
<< span=””>value>h2value>
-
property>
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.hostname.h3name>
-
<< span=””>value>h3value>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.store.classname>
-
<< span=””>value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStorevalue>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.zk-addressname>
-
<< span=””>value>h2:2181,h3:2181,h4:2181value>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.scheduler.address.h2name>
-
<< span=””>value>h2:8030value>
-
property>
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.scheduler.address.h3name>
-
<< span=””>value>h3:8030value>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.resource-tracker.address.h2name>
-
<< span=””>value>h2:8031value>
-
property>
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.resource-tracker.address.h3name>
-
<< span=””>value>h3:8031value>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.address.h2name>
-
<< span=””>value>h2:8032value>
-
property>
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.address.h3name>
-
<< span=””>value>h3:8032value>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.admin.address.h2name>
-
<< span=””>value>h2:8033value>
-
property>
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.admin.address.h3name>
-
<< span=””>value>h3:8033value>
-
property>
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.webapp.address.h2name>
-
<< span=””>value>h2:8088value>
-
property>
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.webapp.address.h3name>
-
<< span=””>value>h3:8088value>
-
property>
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.resourcemanager.scheduler.classname>
-
<< span=””>value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacitySchedulervalue>
-
property>
-
-
-
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.nodemanager.aux-servicesname>
-
<< span=””>value>mapreduce_shufflevalue>
-
property>
-
-
<< span=””>property>
-
<< span=””>name>yarn.nodemanager.aux-services.mapreduce.shuffle.classname>
-
<< span=””>value>org.apache.hadoop.mapred.ShuffleHandlervalue>
-
property>
-
-
<< span=””>property>
-
<< span=””>description>Classpath for typical applications.description>
-
<< span=””>name>yarn.application.classpathname>
-
<< span=””>value>$HADOOP_CONF_DIR
-
,$HADOOP_COMMON_HOME/share/hadoop/common/*
-
,$HADOOP_COMMON_HOME/share/hadoop/common/lib/*
-
,$HADOOP_HDFS_HOME/share/hadoop/hdfs/*
-
,$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*
-
,$YARN_HOME/share/hadoop/yarn/*value>
-
property>
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.nodemanager.resource.memory-mbname>
-
<< span=””>value>5632value>
-
property>
-
-
<< span=””>property>
-
<< span=””>name>yarn.scheduler.minimum-allocation-mbname>
-
<< span=””>value>1408value>
-
property>
-
-
-
<< span=””>property>
-
<< span=””>name>yarn.scheduler.maximum-allocation-mbname>
-
<< span=””>value>5632value>
-
property>
-
configuration>
启动方式:假设你是新的集群,如果不是,请参考文末的官网url链接
1,先在集群中启动N/2+1个JornalNode进程,写ssh脚本执行命令:hadoop-daemon.sh start journalnode
2 ,然后在第一台NameNode上应执行hdfs namenode -format格式化集群
3,然后在第二台NameNode上执行hdfs namenode -bootstrapStandby同步第一台NameNode元数据
4,在第一台NameNode上执行命令hdfs zkfc -formatZK格式化zookeeper
5,第一台NameNode上启动zkfc执行命令:hadoop-daemon.sh start zkfc
6,在第二台NameNode上启动zkfc执行命令:hadoop-daemon.sh start zkfc
7,执行start-dfs.sh启动所有的NameNode,DataNode,JournalNode(注意如果已经启动就会跳过)
8,执分别访问两台机器的50070端口,查看NameNode状态,其中一个为Active,一个为Standby即为正常
9,测试容错,找到状态为Active的NameNode的pid进程,并kill掉,查看standby是否会自动晋级为active,如果
一切安装完毕,则会自动切换,如果没切换,注意查看zkfc和namenode的log
原创文章,作者:奋斗,如若转载,请注明出处:https://blog.ytso.com/tech/opensource/191696.html