基于zookeeper的hadoop HA实现

原文地址：https://blog.csdn.net/everl_1/article/details/52303011

基于zookeeper实现 HDFS之namenode HA

• 使用journalnode进程，实现active/standby两个namenode进程元数据同步
  
• 使用zkfc作为namenode进程的伴随监控进程，用于监控active的状态，并在宕机的时候，切换到standby
  
• fencing机制（包括ssh发送kill指令，执行自定义脚本两道保障），防止出现脑裂问题
  

基于zookeeper实现 YARN之ResourceManager HA

1.   

2.   

3. yarn.resourcemanager.ha.enabled  

4. true  

5.   

6.   

7.   

8. yarn.resourcemanager.cluster-id  

9. yrc  

10.   

11.   

12.   

13. yarn.resourcemanager.ha.rm-ids  

14. rm1,rm2  

15.   

16.   

17.   

18. yarn.resourcemanager.hostname.rm1  

19. sempplsl-07  

20.   

21.   

22. yarn.resourcemanager.hostname.rm2  

23. sempplsl-08  

24.   

25.   

26.   

27. yarn.resourcemanager.zk-address  

28. sempplsl-02:2181,sempplsl-02:2181,sempplsl-02:2181  

29.

==============================================================

基于zookeeper的hadoop HA实现

原创 2016年08月24日 18:28:33

.

非HA弊端

HDFS集群的分布式存储是靠namenode节点（namenode负责响应客户端请求）来实现。在非HA集群中一旦namenode宕机，虽然元数据不会丢失，但整个集群将无法对外提供服务，导致HDFS服务的可靠性不高，这在实际应用场景中显然是不可行的。

HA机制

已知导致服务可靠性不高的原因是namenode节点宕机，那么怎么才能避免这个namenode节点宕机呢？一个容易想到的解决方案是部署两台namenode节点，形成主备模式（active/standby模式），这样一旦active节点宕机，standby节点立即切换到active模式。事实上HA机制就是采取的这种方案。要想实现该机制，需要解决以下问题：

1.为什么选择主备模式，而不是主主模式（active/active模式），也即让两个namenode节点都响应客户端的请求

        一个显然的前提是，两台namenode节点需要保存一致的元数据。

        我们知道namenode节点是用来管理这些元数据的，响应客户端请求时（上传）需要增加元数据信息，如果使用主主模式，那么两个节点都将对元数据进行写操作，怎么同步是个很困难的问题。因此，只能有一台机器响应请求，也即处在active状态的节点（可称为主节点），而另一台namenode在主节点正常工作情况下仅用来同步active节点的元数据信息，这个namenode称为备用节点（处在standby状态），可见，要解决的问题主要是怎么同步active节点的元数据信息。

2.怎么同步两个namenode节点的元数据

      响应客户端请求的是active节点，因此只有active节点保存了最新的元数据。元数据分为两部分，一部分是刚写入新的元数据（edits），另一部分是合并后的较旧的（fsimage）。HA机制解决同步问题的方法是将active节点新写入的edits元数据放在 zookeeper集群 上（zookeeper集群主要功能是实现少量数据的分布式同步管理），standby节点在active节点正常情况下只需要将zookeeper集群上edits文件同步到自己的fsimage中就可以。

       hadoop框架为这个集群专门写了个分布式应用qjournal（依赖zookeeper实现），实现qjournal的节点称为journalnode。

3.怎么感知active节点是否宕机，并将standby节点快速切换到active状态？

        解决方案是专门在namenode节点上启动一个监控进程，时刻监控namenode的状态。对于处在active状态的namenode，如果发现不正常就向zookeeper集群中写入一些数据。对于处在standby状态的namenode，监控进程从zookeeper集群中读数据，从而感知到active节点是否正常。如果发现异常，监控进程负责将standby状态切换到active状态。这个监控进程在hadoop中叫做zkfc（依赖zookeeper实现）。

4.如何在状态切换时避免brain split(脑裂)？

        脑裂：active namenode工作不正常后，zkfc在zookeeper中写入一些数据，表明异常，这时standby namenode中的zkfc读到异常信息，并将standby节点置为active。但是，如果之前的active namenode并没有真的死掉，出现了假死（死了一会儿后又正常了，哈哈，是不是很搞笑），这样，就有两台namenode同时工作了。这种现象称为脑裂。

        解决方案：standby namenode感知到主用节点出现异常后并不会立即切换状态，zkfc会首先通过ssh远程杀死active节点的 namenode进程（kill -9 进程号）。但是（这样还不行，惊讶），如果kill指令没有执行成功咋办？？如果在一段时间内没有收到执行成功的回执，standby节点会执行一个自定义脚本，尽量保证不会出现脑裂问题！这个机制在hadoop中称为 fencing （包括ssh发送kill指令，执行自定义脚本两道保障）

解决上诉问题以后，基本上就实现了hadoop HA 。

HA实现
1.HA集群规划

主机名	软件	进程
sempplsl-02	jdk,hadoop,zookeeper	QuorumPeerMain(zookeeper),journalnode,datanode,nodemanager
sempplsl-03	jdk,hadoop,zookeeper	QuorumPeerMain(zookeeper),journalnode,datanode,nodemanager
sempplsl-04	jdk,hadoop,zookeeper	QuorumPeerMain(zookeeper),journalnode,datanode,nodemanager
sempplsl-05	jdk,hadoop	namenode,zkfc（active）
sempplsl-06	jdk,hadoop	namenode,zkfc
sempplsl-07	jdk,hadoop	resourcemanager
sempplsl-08	jdk,hadoop	resourcemanager

(注：datanode,nodemanager一般放到一起。

journalnode依赖zookeeper来实现，因此QuorumPeerMain(zookeeper),journalnode必须放一起！)

2.hadoop HA集群配置

core-site.xml   ---->

[html] view plain

copy

1. <property>  
2.   
3. <name>fs.defaultFSname>  
4. <value>hdfs://ns1/value>  
5. property>  
6.    
7. <property>  
8. <name>hadoop.tmp.dirname>  
9. <value>/home/hadoop/app/hadoop-2.4.1/tmpvalue>  
10. property>  
11.                   
12. <property>  
13. <name>ha.zookeeper.quorumname>  
14. <value>sempplsl-02:2181,sempplsl-03:2181,sempplsl-04:2181value>  
15. property>  

hdfs-site.xml  --->

[html] view plain

copy

1.   
2. <property>  
3. <name>dfs.nameservicesname>  
4. <value>ns1value>  
5. property>  
6.   
7. <property>  
8. <name>dfs.ha.namenodes.ns1name>  
9. <value>nn1,nn2value>  
10. property>  
11.   
12. <property>  
13. <name>dfs.namenode.rpc-address.ns1.nn1name>  
14. <value>sempplsl-05:9000value>  
15. property>  
16.   
17. <property>  
18. <name>dfs.namenode.http-address.ns1.nn1name>  
19. <value>sempplsl-05:50070value>  
20. property>  
21.   
22. <property>  
23. <name>dfs.namenode.rpc-address.ns1.nn2name>  
24. <value>sempplsl-06:9000value>  
25. property>  
26.   
27. <property>  
28. <name>dfs.namenode.http-address.ns1.nn2name>  
29. <value>sempplsl-06:50070value>  
30. property>  
31.   
32. <property>  
33. <name>dfs.namenode.shared.edits.dirname>  
34. <value>qjournal://sempplsl-02:8485;sempplsl-03:8485;sempplsl-04:8485/ns1value>  
35. property>  
36.   
37. <property>  
38. <name>dfs.journalnode.edits.dirname>  
39. <value>/home/hadoop/app/hadoop-2.4.1/journaldatavalue>  
40. property>  
41.   
42. <property>  
43. <name>dfs.ha.automatic-failover.enabledname>  
44. <value>truevalue>  
45. property>  
46.   
47. <property>  
48. <name>dfs.client.failover.proxy.provider.ns1name>  
49. <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvidervalue>  
50. property>  
51.   
52. <property>  
53. <name>dfs.ha.fencing.methodsname>  
54. <value>  
55. sshfence  
56. shell(/bin/true)  
57. value>  
58. property>  
59.   
60. <property>  
61. <name>dfs.ha.fencing.ssh.private-key-filesname>  
62. <value>/home/hadoop/.ssh/id_rsavalue>  
63. property>  
64.   
65. <property>  
66. <name>dfs.ha.fencing.ssh.connect-timeoutname>  
67. <value>30000value>  
68. property>  

yarn-site.xml  --->

[html] view plain

copy

1.   
2. <property>  
3. <name>yarn.resourcemanager.ha.enabledname>  
4. <value>truevalue>  
5. property>  
6.   
7. <property>  
8. <name>yarn.resourcemanager.cluster-idname>  
9. <value>yrcvalue>  
10. property>  
11.   
12. <property>  
13. <name>yarn.resourcemanager.ha.rm-idsname>  
14. <value>rm1,rm2value>  
15. property>  
16.   
17. <property>  
18. <name>yarn.resourcemanager.hostname.rm1name>  
19. <value>sempplsl-07value>  
20. property>  
21. <property>  
22. <name>yarn.resourcemanager.hostname.rm2name>  
23. <value>sempplsl-08value>  
24. property>  
25.   
26. <property>  
27. <name>yarn.resourcemanager.zk-addressname>  
28. <value>sempplsl-02:2181,sempplsl-02:2181,sempplsl-02:2181value>  
29. property>  
30. <property>  
31. <name>yarn.nodemanager.aux-servicesname>  
32. <value>mapreduce_shufflevalue>  
33. property>  

marped-site.xml --->

[html] view plain

copy

1.   
2. <property>  
3. <name>mapreduce.framework.namename>  
4. <value>yarnvalue>  
5. property>  

3.HA集群启动

3.1. 修改slaves文件

    slaves文件保存子节点的位置，要在sempplsl-05上启动hdfs，按照集群配置，需要指定datanode在sempplsl-02,sempplsl-03,sempplsl-04上，方法是进入sempplsl-05机器中的hadoop-2.4.1/etc/hadoop安装文件夹。

    此外，在sempplsl-07上启动yarn，按照集群配置，需要指定nodemanager在sempplsl-02,sempplsl-03,sempplsl-04上，方法同上。

3.2.配置无密钥登陆

    配置sempplsl-05到sempplsl-02，sempplsl-03，sempplsl-04，sempplsl-06的无密钥登陆；（ssh-keygen -t rsa,ssh-copy-id 目标主机）

    配置sempplsl-07到sempplsl-02，sempplsl-03，sempplsl-04，sempplsl-08的无密钥登陆；

3.3.将配置好的hadoop copy到集群其它节点

    scp -r

3.4.启动zookeeper集群

    分别在sempplsl-02，sempplsl-03，sempplsl-04机器上执行启动指令：./zkServer.sh start 

    查看zookeeper状态：./zkServer.sh status， 正确的状态是一个leader，两个follower。

3.5.启动journalnode

    分别在sempplsl-02，sempplsl-03，sempplsl-04机器上执行启动指令：sbin/hadoop-daemon.sh start journalnode。

    启动成功后会多出一个JournalNode进程。

3.6. 格式化HDFS

    在sempplsl-05上执行格式化指令：hadoop namenode -format

3.7.格式化zkfc

    在sempplsl-05上执行格式化指令： hdfs zkfc -formatZK

    格式化成功后会在zookeeper集群建立新的文件路径（该路径下存放zkfc监控namenode节点的信息）

3.8.启动HDFS

    在sempplsl-05上执行：start-dfs.sh。

3.9.启动yarn

   在sempplsl-07上执行sbin/start-yarn.sh

   在sempplsl-08上执行./yarn-daemon.sh start resourcemanager

至此，HA集群启动成功！