08_Hadoop HA高可用

Hadoop HA 高可用

1. 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）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 功能通过配置多个 NameNodes(Active/Standby)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。

2. HDFS-HA 集群搭建

• 当前 HDFS 集群的规划

hadoop102	hadoop103	hadoop104
NameNode		Secondarynamenode
DataNode	DataNode	DataNode

• HA 的主要目的是消除 namenode 的单点故障,需要将 hdfs 集群规划成以下模样

hadoop102	hadoop103	hadoop104
NameNode	NameNode	NameNode
DataNode	DataNode	DataNode

HDFS-HA 核心问题

1）怎么保证三台 namenode 的数据一致

• a.Fsimage:让一台 nn 生成数据,让其他机器 nn 同步
• b.Edits:需要引进新的模块 JournalNode 来保证 edtis 的文件的数据一致性

2）怎么让同时只有一台 nn 是 active，其他所有是 standby 的

• a.手动分配
• b.自动分配

3）2nn 在 ha 架构中并不存在，定期合并 fsimage 和 edtis 的活谁来干

• 由 standby 的 nn 来干

4）如果 nn 真的发生了问题，怎么让其他的 nn 上位干活

• a.手动故障转移
• b.自动故障转移

3. HDFS-HA 手动模式

环境准备

• （1）修改 IP
• （2）修改主机名及主机名和 IP 地址的映射
• （3）关闭防火墙
• （4）ssh 免密登录
• （5）安装 JDK，配置环境变量等

规划集群

hadoop102	hadoop103	hadoop104
NameNode	NameNode	NameNode
JournalNode	JournalNode	JournalNode
DataNode	DataNode	DataNode

配置 HDFS-HA 集群

• 1）官方地址：http://hadoop.apache.org/

• 2）在 opt 目录下创建一个 ha 文件夹

[root@hadoop102 ~]$ cd /opt

[root@hadoop102 opt]$ sudo mkdir ha

• 3）将/opt/module/下的 hadoop-3.1.3 拷贝到/opt/ha 目录下（记得删除 data 和 log 目录）

[root@hadoop102 opt]$ cp -r /opt/module/hadoop-3.1.3 /opt/ha/

• 4）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/ha/hadoop-3.1.3/data</value>
    </property>
</configuration>

• 5）配置 hdfs-site.xml

<configuration>
    <!-- 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>
    <!-- JournalNode 数据存储目录 -->
    <property>
        <name>dfs.journalnode.edits.dir</name>
        <value>${hadoop.tmp.dir}/jn</value>
    </property>
    <!-- 完全分布式集群名称 -->
    <property>
        <name>dfs.nameservices</name>
        <value>mycluster</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>
    <!-- NameNode 的 RPC 通信地址 -->
    <property>
        <name>dfs.namenode.rpc-address.mycluster.nn1</name>
        <value>hadoop102:8020</value>
    </property>
    <property>
        <name>dfs.namenode.rpc-address.mycluster.nn2</name>
        <value>hadoop103:8020</value>
    </property>
    <property>
        <name>dfs.namenode.rpc-address.mycluster.nn3</name>
        <value>hadoop104:8020</value>
    </property>
    <!-- NameNode 的 http 通信地址 -->
    <property>
        <name>dfs.namenode.http-address.mycluster.nn1</name>
        <value>hadoop102:9870</value>
    </property>
    <property>
        <name>dfs.namenode.http-address.mycluster.nn2</name>
        <value>hadoop103:9870</value>
    </property>
    <property>
        <name>dfs.namenode.http-address.mycluster.nn3</name>
        <value>hadoop104:9870</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://hadoop102:8485;hadoop103:8485;hadoop104:8485/myclus
            ter</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.ConfiguredFailoverProxyP
            rovider</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 秘钥登录-->
    <property>
        <name>dfs.ha.fencing.ssh.private-key-files</name>
        <value>/home/atguigu/.ssh/id_rsa</value>
    </property>
</configuration>

• 6）分发配置好的 hadoop 环境到其他节点

启动 HDFS-HA 集群

• 1）将 HADOOP_HOME 环境变量更改到 HA 目录(三台机器)

[root@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh

将 HADOOP_HOME 部分改为如下

#HADOOP_HOME

export HADOOP_HOME=/opt/ha/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

去三台机器上 source 环境变量

[root@hadoop102 ~]$source /etc/profile

• 2）在各个 JournalNode 节点上，输入以下命令启动 journalnode 服务

[root@hadoop102 ~]$ hdfs –daemon start journalnode

[root@hadoop103 ~]$ hdfs –daemon start journalnode

[root@hadoop104 ~]$ hdfs –daemon start journalnode

• 3）在[nn1]上，对其进行格式化，并启动

[root@hadoop102 ~]$ hdfs namenode -format

[root@hadoop102 ~]$ hdfs –daemon start namenode

• 4）在[nn2]和[nn3]上，同步 nn1 的元数据信息

[root@hadoop103 ~]$ hdfs namenode -bootstrapStandby

[root@hadoop104 ~]$ hdfs namenode -bootstrapStandby

• 5）启动[nn2]和[nn3]

[root@hadoop103 ~]$ hdfs –daemon start namenode

[root@hadoop104 ~]$ hdfs –daemon start namenode

• 6）查看 web 页面显示

因为是手动HA集群模式，所以三个全是standby

• 7）在所有节点上，启动 datanode

[root@hadoop102 ~]$ hdfs –daemon start datanode

[root@hadoop103 ~]$ hdfs –daemon start datanode

[root@hadoop104 ~]$ hdfs –daemon start datanode

• 8）将[nn3]切换为 Active （hadoop4）

[root@hadoop102 ~]$ hdfs haadmin -transitionToActive nn3

• 9）查看是否 Active

[root@hadoop102 ~]$ hdfs haadmin -getServiceState nn3

4. HDFS-HA 自动模式

HDFS-HA 自动故障转移工作机制

自动故障转移为 HDFS 部署增加了两个新组件：ZooKeeper 和 ZKFailoverController （ZKFC）进程，如图所示。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。

HDFS-HA 自动故障转移的集群规划

hadoop102	hadoop103	hadoop104
NameNode	NameNode	NameNode
JournalNode	JournalNode	JournalNode
DataNode	DataNode	DataNode
Zookeeper	Zookeeper	Zookeeper
ZKFC	ZKFC	ZKFC

配置 HDFS-HA 自动故障转移

1）具体配置

• （1）在 hdfs-site.xml 中增加

dfs.ha.automatic-failover.enabled true

• （2）在 core-site.xml 文件中增加

ha.zookeeper.quorum hadoop102:2181,hadoop103:2181,hadoop104:2181

• （3）修改后分发配置文件

[root@hadoop102 etc]$ pwd

/opt/ha/hadoop-3.1.3/etc

[root@hadoop102 etc]$ xsync hadoop/

2）启动

• （1）关闭所有 HDFS 服务：

[root@hadoop102 ~]$ stop-dfs.sh

• （2）启动 Zookeeper 集群：

[root@hadoop102 ~]$ zkServer.sh start

[root@hadoop103 ~]$ zkServer.sh start

[root@hadoop104 ~]$ zkServer.sh start

• （3）启动 Zookeeper 以后，然后再初始化 HA 在 Zookeeper 中状态：

[root@hadoop102 ~]$ hdfs zkfc -formatZK

• （4）启动 HDFS 服务：

[root@hadoop102 ~]$ start-dfs.sh

• （5）可以去 zkCli.sh 客户端查看 Namenode 选举锁节点内容：

3）验证

（1）将 Active NameNode 进程 kill，查看网页端三台 Namenode 的状态变化

[root@hadoop103 ~]$ kill -9 namenode 的进程 id

• 通过zookeeper可以看出切换到hadoop102上

5. YARN-HA 配置

YARN-HA 工作机制

1）官方文档： http://hadoop.apache.org/docs/r3.1.3/hadoop-yarn/hadoop-yarn-site/ResourceManagerHA.html

2）YARN-HA 工作机制

配置 YARN-HA 集群

1）环境准备

• （1）修改 IP
• （2）修改主机名及主机名和 IP 地址的映射
• （3）关闭防火墙
• （4）ssh 免密登录
• （5）安装 JDK，配置环境变量等
• （6）配置 Zookeeper 集群

2）规划集群

hadoop102	hadoop103	hadoop104
ResourceManager	ResourceManager	ResourceManager
NodeManager	NodeManager	NodeManager
Zookeeper	Zookeeper	Zookeeper

3）核心问题

• a .如果当前 active rm 挂了，其他 rm 怎么将其他 standby rm 上位
  • 核心原理跟 hdfs 一样，利用了 zk 的临时节点
• b. 当前 rm 上有很多的计算程序在等待运行,其他的 rm 怎么将这些程序接手过来接着跑
  • rm 会将当前的所有计算程序的状态存储在 zk 中,其他 rm 上位后会去读取，然后接 着跑

4）具体配置

• （1）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>
    <!-- 声明两台 resourcemanager 的地址 -->
    <property>
        <name>yarn.resourcemanager.cluster-id</name>
        <value>cluster-yarn1</value>
    </property>
    <!--指定 resourcemanager 的逻辑列表-->
    <property>
        <name>yarn.resourcemanager.ha.rm-ids</name>
        <value>rm1,rm2,rm3</value>
    </property>
    <!-- ========== rm1 的配置 ========== -->
    <!-- 指定 rm1 的主机名 -->
    <property>
        <name>yarn.resourcemanager.hostname.rm1</name>
        <value>hadoop102</value>
    </property>
    <!-- 指定 rm1 的 web 端地址 -->
    <property>
        <name>yarn.resourcemanager.webapp.address.rm1</name>
        <value>hadoop102:8088</value>
    </property>
    <!-- 指定 rm1 的内部通信地址 -->
    <property>
        <name>yarn.resourcemanager.address.rm1</name>
        <value>hadoop102:8032</value>
    </property>
    <!-- 指定 AM 向 rm1 申请资源的地址 -->
    <property>
        <name>yarn.resourcemanager.scheduler.address.rm1</name>
        <value>hadoop102:8030</value>
    </property>
    <!-- 指定供 NM 连接的地址 -->
    <property>
        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>
        <value>hadoop102:8031</value>
    </property>
    <!-- ========== rm2 的配置 ========== -->
    <!-- 指定 rm2 的主机名 -->
    <property>
        <name>yarn.resourcemanager.hostname.rm2</name>
        <value>hadoop103</value>
    </property>
    <property>
        <name>yarn.resourcemanager.webapp.address.rm2</name>
        <value>hadoop103:8088</value>
    </property>
    <property>
        <name>yarn.resourcemanager.address.rm2</name>
        <value>hadoop103:8032</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address.rm2</name>
        <value>hadoop103:8030</value>
    </property>
    <property>
        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>
        <value>hadoop103:8031</value>
    </property>
    <!-- ========== rm3 的配置 ========== -->
    <!-- 指定 rm1 的主机名 -->
    <property>
        <name>yarn.resourcemanager.hostname.rm3</name>
        <value>hadoop104</value>
    </property>
    <!-- 指定 rm1 的 web 端地址 -->
    <property>
        <name>yarn.resourcemanager.webapp.address.rm3</name>
        <value>hadoop104:8088</value>
    </property>
    <!-- 指定 rm1 的内部通信地址 -->
    <property>
        <name>yarn.resourcemanager.address.rm3</name>
        <value>hadoop104:8032</value>
    </property>
    <!-- 指定 AM 向 rm1 申请资源的地址 -->
    <property>
        <name>yarn.resourcemanager.scheduler.address.rm3</name>
        <value>hadoop104:8030</value>
    </property>
    <!-- 指定供 NM 连接的地址 -->
    <property>
        <name>yarn.resourcemanager.resource-tracker.address.rm3</name>
        <value>hadoop104:8031</value>
    </property>
    <!-- 指定 zookeeper 集群的地址 -->
    <property>
        <name>yarn.resourcemanager.zk-address</name>
        <value>hadoop102:2181,hadoop103:2181,hadoop104:2181</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.ZKRMStateSt
            ore
        </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,CLAS
            SPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME
        </value>
    </property>
</configuration>

• （2）同步更新其他节点的配置信息，分发配置文件

[root@hadoop102 etc]$ xsync hadoop/

4）启动 YARN

• （1）在 hadoop102 或者 hadoop103 中执行：

[atguigu@hadoop102 ~]$ start-yarn.sh

• （2）查看服务状态

[root@hadoop102 ~]$ yarn rmadmin -getServiceState rm1
standby

[root@hadoop102 ~]$ yarn rmadmin -getServiceState rm2
standby

[root@hadoop102 ~]$ yarn rmadmin -getServiceState rm3
active

（3）可以去 zkCli.sh 客户端查看 ResourceManager 选举锁节点内容：

[root@hadoop102 ~]$ zkCli.sh
[zk: localhost:2181(CONNECTED) 16] get -s /yarn-leader-election/cluster-yarn1/ActiveStandbyElectorLock
cluster-yarn1rm1
cZxid = 0x100000022
ctime = Tue Jul 14 17:06:44 CST 2020
mZxid = 0x100000022
mtime = Tue Jul 14 17:06:44 CST 2020
pZxid = 0x100000022
cversion = 0
dataVersion = 0
aclVersion = 0
ephemeralOwner = 0x30000da33080005
dataLength = 20
numChildren = 0

（4）web 端查看 hadoop102:8088 和 hadoop103:8088 和 hadoop104:8088 的 YARN 的状态

6. HADOOP HA 的最终规划

• 将整个 ha 搭建完成后,集群将形成以下模样

hadoop102	hadoop103	hadoop104
NameNode	NameNode	NameNode
JournalNode	JournalNode	JournalNode
Zookeeper	Zookeeper	Zookeeper
ZKFC	ZKFC	ZKFC
ResourceManager	ResourceManager	ResourceManager
NodeManager	NodeManager	NodeManager