基于Docker快速搭建多节点Hadoop集群

2015-5-27 23:02| 发布者: admin| 查看: 589| 评论: 0|来自: dockone

摘要: Docker最核心的特性之一，就是能够将任何应用包括Hadoop打包到Docker镜像中。这篇教程介绍了利用Docker在单机上快速搭建多节点Hadoop集群的详细步骤。作者在发现目前的Hadoop on Docker项目所存在的问题之后，开发了 ...

本文摘自dockone，有删减。

【编者的话】Docker最核心的特性之一，就是能够将任何应用包括Hadoop打包到Docker镜像中。这篇教程介绍了利用Docker在单机上快速搭建多节点Hadoop集群的详细步骤。作者在发现目前的Hadoop on Docker项目所存在的问题之后，开发了接近最小化的Hadoop镜像，并且支持快速搭建任意节点数的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。而且也不是每个人都有好几台机器对吧。你可以尝试用多个虚拟机搭建，前提是你有个性能杠杠的机器。

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:latest 1.491GB 镜像太大，只支持单个节点

sequenceiq/hadoop-docker:2.7.0 1.76 GB

sequenceiq/hadoop-docker:2.60 1.624GB

sequenceiq/ambari:latest 1.782GB 镜像太大，使用太慢，使用复杂

sequenceiq/ambari:2.0.0 4.804GB

sequenceiq/ambari:latest:1.70 4.761GB

alvinhenrick/hadoop-mutinode 4.331GB 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如下：

· GitHub：Hadoop (YARN) Multinode Cluster with Docker

· 博客：Hadoop (YARN) Multinode Cluster with Docker

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/serf 258.213s 21 239.4MB

alvinhenrick/hadoop-base 2236.055s 58 4.328GB

alvinhenrick/hadoop-dn 51.959s 74 4.331GB

alvinhenrick/hadoop-nn-dn 49.548s 84 4.331GB

镜像名称构建时间镜像层数镜像大小

kiwenlau/serf-dnsmasq 509.46s 8 206.6 MB

kiwenlau/hadoop-base 400.29s 7 775.4 MB

kiwenlau/hadoop-master 5.41s 9 775.4 MB

kiwenlau/hadoop-slave 2.41s 8 775.4 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

小伙伴们，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。参考这个演讲稿。

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）

另外，编译Hadoop的步骤请参考我的博客。

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：
http://pan.baidu.com/s/1sjFRaFz

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-2.3.0: http://pan.baidu.com/s/1sjFRaFz
hadoop-2.5.2: http://pan.baidu.com/s/1jGw24aa
hadoop-2.6.0:http://pan.baidu.com/s/1eQgvF2M
hadoop-2.7.0: http://pan.baidu.com/s/1c0HD0Nu

hadoop-master镜像