16 ：使用docker搭建hadoop分布式集群

使用Docker搭建部署Hadoop分布式集群 

在网上找了很长时间都没有找到使用docker搭建hadoop分布式集群的文档，没办法，只能自己写一个了。 

一：环境准备： 

1：首先要有一个Centos7操作系统，可以在虚拟机中安装。 

2：在centos7中安装docker，docker的版本为1.8.2 

安装步骤如下： 

<1>安装制定版本的docker

yum install -y docker-1.8.2-10.el7.centos

 

<2>安装的时候可能会报错，需要删除这个依赖

rpm -e lvm2-7:2.02.105-14.el7.x86_64

1
1

启动docker

service docker start

1
1

验证安装结果： 


 

<3>启动之后执行docker info会看到下面有两行警告信息 



需要关闭防火墙并重启系统

systemctl stop firewalld
systemctl disable firewalld
注意：执行完上面的命令之后需要重启系统
reboot -h(重启系统)

1
2
3
4
1
2
3
4

<4>运行容器可能会报错 



需要关闭selinux 

解决方法：

1：setenforce 0(立刻生效，不需要重启操作系统)
2：修改/etc/selinux/config文件中的SELINUX=disabled ，然后重启系统生效
建议两个步骤都执行，这样可以确保系统重启之后selinux也是关闭状态

1
2
3
1
2
3

3：需要先构建一个hadoop的基础镜像，使用dockerfile文件方式进行构建。 

先构建一个具备ssh功能的镜像，方便后期使用。（但是这样对于容器的安全性会有影响） 
注意：这个镜像中的root用户的密码是root 

Mkdir centos-ssh-root 

Cd centos-ssh-root 

Vi Dockerfile

# 选择一个已有的os镜像作为基础
FROM centos

# 镜像的作者
MAINTAINER crxy

# 安装openssh-server和sudo软件包，并且将sshd的UsePAM参数设置成no
RUN yum install -y openssh-server sudo
RUN sed -i 's/UsePAM yes/UsePAM no/g' /etc/ssh/sshd_config
#安装openssh-clients
RUN yum  install -y openssh-clients

# 添加测试用户root，密码root，并且将此用户添加到sudoers里
RUN echo "root:root" | chpasswd
RUN echo "root   ALL=(ALL)       ALL" >> /etc/sudoers
# 下面这两句比较特殊，在centos6上必须要有，否则创建出来的容器sshd不能登录
RUN ssh-keygen -t dsa -f /etc/ssh/ssh_host_dsa_key
RUN ssh-keygen -t rsa -f /etc/ssh/ssh_host_rsa_key

# 启动sshd服务并且暴露22端口
RUN mkdir /var/run/sshd
EXPOSE 22
CMD ["/usr/sbin/sshd", "-D"]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

构建命令： 

docker build -t=”crxy/centos-ssh-root” .

查询刚才构建成功的镜像


 

4：基于这个镜像再构建一个带有jdk的镜像 

注意：jdk使用的是1.7版本的 

Mkdir centos-ssh-root-jdk 

Cd centos-ssh-root-jdk 

Cp ../jdk-7u75-Linux-x64.tar.gz . 

Vi Dockerfile

FROM crxy/centos-ssh-root
ADD jdk-7u75-linux-x64.tar.gz /usr/local/
RUN mv /usr/local/jdk1.7.0_75 /usr/local/jdk1.7
ENV JAVA_HOME /usr/local/jdk1.7
ENV PATH $JAVA_HOME/bin:$PATH

1
2
3
4
5
1
2
3
4
5

构建命令： 

docker build -t=”crxy/centos-ssh-root-jdk” .

查询构建成功的镜像 



5：基于这个jdk镜像再构建一个带有hadoop的镜像 

注意：hadoop使用的是2.4.1版本的。 

Mkdir centos-ssh-root-jdk-hadoop 

Cd centos-ssh-root-jdk-hadoop 

Cp ../hadoop-2.4.1.tar.gz . 

Vi Dockerfile

FROM crxy/centos-ssh-root-jdk
ADD hadoop-2.4.1.tar.gz /usr/local
RUN mv /usr/local/hadoop-2.4.1 /usr/local/hadoop
ENV HADOOP_HOME /usr/local/hadoop
ENV PATH $HADOOP_HOME/bin:$PATH

1
2
3
4
5
1
2
3
4
5

构建命令： 

docker build -t=”crxy/centos-ssh-root-jdk-hadoop” .

查询构建成功的镜像 



二：搭建hadoop分布式集群 

1：集群规划 

准备搭建一个具有三个节点的集群，一主两从 

主节点：hadoop0 ip：192.168.2.10 

从节点1：hadoop1 ip：192.168.2.11 

从节点2：hadoop2 ip：192.168.2.12

但是由于docker容器重新启动之后ip会发生变化，所以需要我们给docker设置固定ip。使用pipework给docker容器设置固定ip 

2：启动三个容器，分别作为hadoop0 hadoop1 hadoop2 

在宿主机上执行下面命令，给容器设置主机名和容器的名称，并且在hadoop0中对外开放端口50070 和8088

docker run --name hadoop0 --hostname hadoop0 -d -P -p 50070:50070 -p 8088:8088 crxy/centos-ssh-root-jdk-hadoop

docker run --name hadoop1 --hostname hadoop1 -d -P crxy/centos-ssh-root-jdk-hadoop

docker run --name hadoop2 --hostname hadoop2 -d -P crxy/centos-ssh-root-jdk-hadoop

1
2
3
4
5
1
2
3
4
5

使用docker ps 查看刚才启动的是三个容器



3：给这三台容器设置固定IP 

1：下载pipework 

下载地址：https://github.com/jpetazzo/pipework.git 

2：把下载的zip包上传到宿主机服务器上，解压,改名字

unzip pipework-master.zip
mv pipework-master pipework
cp -rp pipework/pipework /usr/local/bin/

1
2
3
1
2
3

3：安装bridge-utils

yum -y install bridge-utils

1
1

4：创建网络

brctl addbr br0
ip link set dev br0 up
ip addr add 192.168.2.1/24 dev br0

1
2
3
1
2
3

5：给容器设置固定ip

pipework br0 hadoop0 192.168.2.10/24
pipework br0 hadoop1 192.168.2.11/24
pipework br0 hadoop2 192.168.2.12/24

1
2
3
1
2
3

验证一下，分别ping三个ip，能ping通就说明没问题



4：配置hadoop集群 

先连接到hadoop0上， 

使用命令

docker exec -it hadoop0 /bin/bash

1
1

下面的步骤就是hadoop集群的配置过程 

1：设置主机名与ip的映射，修改三台容器：vi /etc/hosts 

添加下面配置

192.168.2.10    hadoop0
192.168.2.11    hadoop1
192.168.2.12    hadoop2

1
2
3
1
2
3

2：设置ssh免密码登录 

在hadoop0上执行下面操作

cd  ~
mkdir .ssh
cd .ssh
ssh-keygen -t rsa(一直按回车即可)
ssh-copy-id -i localhost
ssh-copy-id -i hadoop0
ssh-copy-id -i hadoop1
ssh-copy-id -i hadoop2
在hadoop1上执行下面操作
cd  ~
cd .ssh
ssh-keygen -t rsa(一直按回车即可)
ssh-copy-id -i localhost
ssh-copy-id -i hadoop1
在hadoop2上执行下面操作
cd  ~
cd .ssh
ssh-keygen -t rsa(一直按回车即可)
ssh-copy-id -i localhost
ssh-copy-id -i hadoop2

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

3：在hadoop0上修改hadoop的配置文件 

进入到/usr/local/hadoop/etc/hadoop目录 

修改目录下的配置文件core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml 

(1)hadoop-env.sh

export JAVA_HOME=/usr/local/jdk1.7

1
1

(2)core-site.xml

<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop0:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop/tmp</value>
</property>
<property>
<name>fs.trash.interval</name>
<value>1440</value>
</property>
</configuration>

1
2
3
4
5
6
7
8
9
10
11
12
13
14
1
2
3
4
5
6
7
8
9
10
11
12
13
14

(3)hdfs-site.xml

<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
</configuration>

1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10

(4)yarn-site.xml

<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
</configuration>

1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10

(5)修改文件名：mv mapred-site.xml.template mapred-site.xml 

vi mapred-site.xml

<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>

1
2
3
4
5
6
1
2
3
4
5
6

(6)格式化 

进入到/usr/local/hadoop目录下 

1、执行格式化命令

bin/hdfs namenode -format
注意：在执行的时候会报错，是因为缺少which命令，安装即可

执行下面命令安装
yum install -y which

1
2
3
4
5
1
2
3
4
5

看到下面命令说明格式化成功。 



格式化操作不能重复执行。如果一定要重复格式化，带参数-force即可。 

(7)启动伪分布hadoop

命令：sbin/start-all.sh

1
1

第一次启动的过程中需要输入yes确认一下。 



使用jps，检查进程是否正常启动？能看到下面几个进程表示伪分布启动成功

[root@hadoop0 hadoop]# jps
3267 SecondaryNameNode
3003 NameNode
3664 Jps
3397 ResourceManager
3090 DataNode
3487 NodeManager

1
2
3
4
5
6
7
1
2
3
4
5
6
7

(8)停止伪分布hadoop

命令：sbin/stop-all.sh

1
1

(9)指定nodemanager的地址，修改文件yarn-site.xml

<property>
<description>The hostname of the RM.</description>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop0</value>
</property>

1
2
3
4
5
1
2
3
4
5

(10)修改hadoop0中hadoop的一个配置文件etc/hadoop/slaves 

删除原来的所有内容，修改为如下

hadoop1
hadoop2

1
2
1
2

(11)在hadoop0中执行命令

scp  -rq /usr/local/hadoop   hadoop1:/usr/local
scp  -rq /usr/local/hadoop   hadoop2:/usr/local

1
2
1
2

(12)启动hadoop分布式集群服务

执行sbin/start-all.sh

1
1

注意：在执行的时候会报错，是因为两个从节点缺少which命令，安装即可

分别在两个从节点执行下面命令安装

yum install -y which

1
1

再启动集群(如果集群已启动，需要先停止)

sbin/start-all.sh

1
1

(13)验证集群是否正常 

首先查看进程： 

Hadoop0上需要有这几个进程

[root@hadoop0 hadoop]# jps
4643 Jps
4073 NameNode
4216 SecondaryNameNode
4381 ResourceManager

1
2
3
4
5
1
2
3
4
5

Hadoop1上需要有这几个进程

[root@hadoop1 hadoop]# jps
715 NodeManager
849 Jps
645 DataNode

1
2
3
4
1
2
3
4

Hadoop2上需要有这几个进程

[root@hadoop2 hadoop]# jps
456 NodeManager
589 Jps
388 DataNode

1
2
3
4
1
2
3
4

使用程序验证集群服务 

创建一个本地文件

vi a.txt
hello you
hello me

1
2
3
1
2
3

上传a.txt到hdfs上

hdfs dfs -put a.txt /

1
1

执行wordcount程序

cd /usr/local/hadoop/share/hadoop/mapreduce
hadoop jar hadoop-mapreduce-examples-2.4.1.jar wordcount /a.txt /out

1
2
1
2

查看程序执行结果 


 

这样就说明集群正常了。

通过浏览器访问集群的服务 

由于在启动hadoop0这个容器的时候把50070和8088映射到宿主机的对应端口上了

adb9eba7142b        crxy/centos-ssh-root-jdk-hadoop   "/usr/sbin/sshd -D"   About an hour ago   Up About an hour    0.0.0.0:8088->8088/tcp, 0.0.0.0:50070->50070/tcp, 0.0.0.0:32770->22/tcp   hadoop0

1
1

所以在这可以直接通过宿主机访问容器中hadoop集群的服务 

宿主机的ip为：192.168.1.144

http://192.168.1.144:50070/ http://192.168.1.144:8088/[/code]1 2
1
2




 

三：集群节点重启 

停止三个容器，在宿主机上执行下面命令
docker stop hadoop0
docker stop hadoop1
docker stop hadoop2
1
2
3
1
2
3

容器停止之后，之前设置的固定ip也会消失，重新再使用这几个容器的时候还需要重新设置固定ip 

先把之前停止的三个容器起来
docker start hadoop0
docker start hadoop1
docker start hadoop2
1
2
3
1
2
3

在宿主机上执行下面命令重新给容器设置固定ip
pipework br0 hadoop0 192.168.2.10/24
pipework br0 hadoop1 192.168.2.11/24
pipework br0 hadoop2 192.168.2.12/24
1
2
3
1
2
3

还需要重新在容器中配置主机名和ip的映射关系，每次都手工写比较麻烦 

写一个脚本，runhosts.sh
#!/bin/bash
echo 192.168.2.10       hadoop0 >> /etc/hosts
echo 192.168.2.11       hadoop1 >> /etc/hosts
echo 192.168.2.12       hadoop2 >> /etc/hosts
1
2
3
4
1
2
3
4

添加执行权限，
chmod +x runhosts.sh
 

把这个脚本拷贝到所有节点，并且分别执行这个脚本
scp runhosts.sh  hadoop1:~
scp runhosts.sh  hadoop2:~
1
2
1
2

执行脚本的命令 
./runhosts.sh


查看/etc/hosts文件中是否添加成功 



注意：有一些docker版本中不会在hosts文件中自动生成下面这些映射，所以我们才在这里手工给容器设置固定ip，并设置主机名和ip的映射关系。
172.17.0.25     hadoop0
172.17.0.25     hadoop0.bridge
172.17.0.26     hadoop1
172.17.0.26     hadoop1.bridge
172.17.0.27     hadoop2
172.17.0.27     hadoop2.bridge
1
2
3
4
5
6
1
2
3
4
5
6

启动hadoop集群
sbin/start-all.sh