GitHub: kiwenlau/hadoop-cluster-docker
可以直接进入第三部分，快速在本机搭建一个3个节点的Hadoop集群
一. 项目简介
二. 镜像简介
三. 3节点Hadoop集群搭建步骤
四. N节点Hadoop集群搭建步骤
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。
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 | 同上 |
|sequenceiq/hadoop-docker:2.6.0 |1.624GB | 同上 |
|sequenceiq/ambari:latest |1.782GB | 镜像太大，使用太慢|
|sequenceiq/ambari:2.0.0 |4.804GB | 同上 |
|sequenceiq/ambari:latest:1.70 |4.761GB | 同上 |
|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：GitHub，博客
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
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。请参考这个PPT：Docker-based Hadoop Provisioning
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）
编译Hadoop的步骤请参考我的博客：Hadoop 2.30 在Ubuntu 14.04 中编译
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：hadoop-2.3.0
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
- hadoop-2.5.2
- hadoop-2.6.0
- hadoop-2.7.0
hadoop-master镜像
- 基于hadoop-base镜像
- 配置hadoop的master节点
- 格式化namenode
这一步需要配置slaves文件，而slaves文件需要列出所有节点的域名或者IP。因此，Hadoop节点数目不同时，slaves文件自然也不一样。因此，更改Hadoop集群节点数目时，需要修改slaves文件然后重新构建hadoop-master镜像。我编写了一个resize-cluster.sh脚本自动化这一过程。仅需给定节点数目作为脚本参数就可以轻松实现Hadoop集群节点数目的更改。由于hadoop-master镜像仅仅做一些配置工作，也无需下载任何文件，整个过程非常快，1分钟就足够了。
hadoop-slave镜像
- 基于hadoop-base镜像
- 配置hadoop的slave节点
镜像大小分析
下表为sudo docker images的运行结果
| REPOSITORY | TAG | IMAGE ID | CREATED | VIRTUAL SIZE |
|---|---|---|---|---|
| index.alauda.cn/kiwenlau/hadoop-slave | 0.1.0 | d63869855c03 | 17 hours ago | 777.4 MB |
| index.alauda.cn/kiwenlau/hadoop-master | 0.1.0 | 7c9d32ede450 | 17 hours ago | 777.4 MB |
| index.alauda.cn/kiwenlau/hadoop-base | 0.1.0 | 5571bd5de58e | 17 hours ago | 777.4 MB |
| index.alauda.cn/kiwenlau/serf-dnsmasq | 0.1.0 | 09ed89c24ee8 | 17 hours ago | 206.7 MB |
| ubuntu | 15.04 | bd94ae587483 | 3 weeks ago | 131.3 MB |
易知以下几个结论：
- serf-dnsmasq镜像在ubuntu:15.04镜像的基础上增加了75.4MB
- hadoop-base镜像在serf-dnsmasq镜像的基础上增加了570.7MB
- hadoop-master和hadoop-slave镜像在hadoop-base镜像的基础上大小几乎没有增加
下表为docker history index.alauda.cn/kiwenlau/hadoop-base:0.1.0命令的部分运行结果
| IMAGE | CREATED | CREATED BY | SIZE |
|---|---|---|---|
| 2039b9b81146 | 44 hours ago | /bin/sh -c #(nop) ADD multi:a93c971a49514e787 | 158.5 MB |
| cdb620312f30 | 44 hours ago | /bin/sh -c apt-get install -y openjdk-7-jdk | 324.6 MB |
| da7d10c790c1 | 44 hours ago | /bin/sh -c apt-get install -y openssh-server | 87.58 MB |
| c65cb568defc | 44 hours ago | /bin/sh -c curl -Lso serf.zip https://dl.bint | 14.46 MB |
| 3e22b3d72e33 | 44 hours ago | /bin/sh -c apt-get update && apt-get install | 60.89 MB |
| b68f8c8d2140 | 3 weeks ago | /bin/sh -c #(nop) ADD file:d90f7467c470bfa9a3 | 131.3 MB |
可知
基础镜像ubuntu:15.04为131.3MB
安装openjdk需要324.6MB
安装hadoop需要158.5MB
ubuntu,openjdk与hadoop均为镜像所必须，三者一共占了:614.4MB
因此，我所开发的hadoop镜像以及接近最小，优化空间已经很小了
下图显示了项目的Docker镜像结构：
三. 3节点Hadoop集群搭建步骤
1. 拉取镜像
sudo docker pull index.alauda.cn/kiwenlau/hadoop-master:0.1.0
sudo docker pull index.alauda.cn/kiwenlau/hadoop-slave:0.1.0
sudo docker pull index.alauda.cn/kiwenlau/hadoop-base:0.1.0
sudo docker pull index.alauda.cn/kiwenlau/serf-dnsmasq:0.1.0
- 35分钟OK
查看下载的镜像
sudo docker images
运行结果
|REPOSITORY | TAG | IMAGE ID | CREATED | VIRTUAL SIZE |
| ---------- | ----------- | --------- | -------- |
| index.alauda.cn/kiwenlau/hadoop-slave | 0.1.0 |d63869855c03 | 17 hours ago | 777.4 MB|
|index.alauda.cn/kiwenlau/hadoop-master | 0.1.0 | 7c9d32ede450 | 17 hours ago | 777.4 MB |
| index.alauda.cn/kiwenlau/hadoop-base | 0.1.0 | 5571bd5de58e | 17 hours ago | 777.4 MB |
| index.alauda.cn/kiwenlau/serf-dnsmasq | 0.1.0 | 09ed89c24ee8 | 17 hours ago | 206.7 MB |
- hadoop-base镜像是基于serf-dnsmasq镜像的，hadoop-slave镜像和hadoop-master镜像都是基于hadoop-base镜像
- 所以其实4个镜像一共也就777.4MB:)
2. 修改镜像tag
sudo docker tag d63869855c03 kiwenlau/hadoop-slave:0.1.0
sudo docker tag 7c9d32ede450 kiwenlau/hadoop-master:0.1.0
sudo docker tag 5571bd5de58e kiwenlau/hadoop-base:0.1.0
sudo docker tag 09ed89c24ee8 kiwenlau/serf-dnsmasq:0.1.0
查看修改tag后镜像
sudo docker images
运行结果
| REPOSITORY | TAG | IMAGE ID | CREATED | VIRTUAL SIZE |
|---|---|---|---|---|
| index.alauda.cn/kiwenlau/hadoop-slave | 0.1.0 | d63869855c03 | 17 hours ago | 777.4 MB |
| kiwenlau/hadoop-slave | 0.1.0 | d63869855c03 | 17 hours ago | 777.4 MB |
| index.alauda.cn/kiwenlau/hadoop-master | 0.1.0 | 7c9d32ede450 | 17 hours ago | 777.4 MB |
| kiwenlau/hadoop-master | 0.1.0 | 7c9d32ede450 | 17 hours ago | 777.4 MB |
| kiwenlau/hadoop-base | 0.1.0 | 5571bd5de58e | 17 hours ago | 777.4 MB |
| index.alauda.cn/kiwenlau/hadoop-base | 0.1.0 | 5571bd5de58e | 17 hours ago | 777.4 MB |
| kiwenlau/serf-dnsmasq | 0.1.0 | 09ed89c24ee8 | 17 hours ago | 206.7 MB |
| index.alauda.cn/kiwenlau/serf-dnsmasq | 0.1.0 | 09ed89c24ee8 | 17 hours ago | 206.7 MB |
- 之所以要修改镜像，是因为我默认是将镜像上传到Dockerhub, 因此Dokerfile以及shell脚本中得镜像名称都是没有alauada前缀的，sorry for this....不过改tag还是很快滴
- 若直接下载我在DockerHub中的镜像，自然就不需要修改tag...不过Alauda镜像下载速度很快的哈~
3.下载源代码
git clone https://github.com/kiwenlau/hadoop-cluster-docker
- 为了防止Github被XX, 我把代码导入到了开源中国的git仓库
git clone http://git.oschina.net/kiwenlau/hadoop-cluster-docker
4. 运行容器
cd hadoop-cluster-docker
./start-container.sh
运行结果
start master container...
start slave1 container...
start slave2 container...
root@master:~#
- 一共开启了3个容器，1个master, 2个slave
- 开启容器后就进入了master容器root用户的家目录（/root）
查看master的root用户家目录的文件
ls
运行结果
hdfs run-wordcount.sh serf_log start-hadoop.sh start-ssh-serf.sh
- start-hadoop.sh是开启hadoop的shell脚本
- run-wordcount.sh是运行wordcount的shell脚本，可以测试镜像是否正常工作
5.测试容器是否正常启动(此时已进入master容器)
查看hadoop集群成员
serf members
运行结果
master.kiwenlau.com 172.17.0.65:7946 alive
slave1.kiwenlau.com 172.17.0.66:7946 alive
slave2.kiwenlau.com 172.17.0.67:7946 alive
- 若结果缺少节点，可以稍等片刻，再执行“serf members”命令。因为serf agent需要时间发现所有节点。
测试ssh
ssh slave2.kiwenlau.com
运行结果
Warning: Permanently added 'slave2.kiwenlau.com,172.17.0.67' (ECDSA) to the list of known hosts.
Welcome to Ubuntu 15.04 (GNU/Linux 3.13.0-53-generic x86_64)
* Documentation: https://help.ubuntu.com/
The programs included with the Ubuntu system are free software;
the exact distribution terms for each program are described in the
individual files in /usr/share/doc/*/copyright.
Ubuntu comes with ABSOLUTELY NO WARRANTY, to the extent permitted by
applicable law.
root@slave2:~#
退出slave2
exit
运行结果
logout
Connection to slave2.kiwenlau.com closed.
- 若ssh失败，请稍等片刻再测试，因为dnsmasq的dns服务器启动需要时间。
- 测试成功后，就可以开启Hadoop集群了！其实你也可以不进行测试，开启容器后耐心等待一分钟即可！
6. 开启hadoop
./start-hadoop.sh
- 上一步ssh到slave2之后，请记得回到master啊!!！
- 运行结果太多，忽略....
- hadoop的启动速度取决于机器性能....
7. 运行wordcount
./run-wordcount.sh
运行结果
input file1.txt:
Hello Hadoop
input file2.txt:
Hello Docker
wordcount output:
Docker 1
Hadoop 1
Hello 2
- wordcount的执行速度取决于机器性能....
四. N节点Hadoop集群搭建步骤
1. 准备工作
- 参考第二部分1~3：下载镜像，修改tag，下载源代码
- 注意，你可以不下载serf-dnsmasq, 但是请最好下载hadoop-base，因为hadoop-master是基于hadoop-base构建的
2. 重新构建hadoop-master镜像
./resize-cluster.sh 5
- 不要担心，1分钟就能搞定
- 你可以为resize-cluster.sh脚本设不同的正整数作为参数数1, 2, 3, 4, 5, 6...
3. 启动容器
./start-container.sh 5
- 你可以为resize-cluster.sh脚本设不同的正整数作为参数数1, 2, 3, 4, 5, 6...
- 这个参数呢，最好还是得和上一步的参数一致:)
- 这个参数如果比上一步的参数大，你多启动的节点，Hadoop不认识它们..
- 这个参数如果比上一步的参数小，Hadoop觉得少启动的节点挂掉了..
4. 测试工作
- 参考第三部分5~7：测试容器，开启Hadoop，运行wordcount
- 请注意，若节点增加，请务必先测试容器，然后再开启Hadoop, 因为serf可能还没有发现所有节点，而dnsmasq的DNS服务器表示还没有配置好服务
- 测试等待时间取决于机器性能....
版权声明
转载时请注明作者KiwenLau以及本文地址：
http://kiwenlau.com/2015/06/08/hadoop-cluster-docker/