centos-docker-hadoop-spark

1.1.1 安装Docker

curl -sSL https://get.docker.com/ | sh

1.1.2 配置Docker加速器和开机启动服务

这里需要注册一个阿里云账号，每个账号有自己专属的加速器,专属加速器的地址，根据自己的地址配。

sudo cp -n /lib/systemd/system/docker.service /etc/systemd/system/docker.service

sudo systemctl daemon-reload

sudo service docker restart

1.2 在Docker上创建Hadoop镜像

1.2.1 从Docker Hub官网仓库上获取centos镜像库

docker pull centos

#查看镜像库

docker images

1.2.2 生成带有SSH功能的centos的镜像文件

为了后面配置各节点之间的SSH免密码登陆，需要在pull下的centos镜像库种安装SSH,
这里利用 Dockerfile 文件来创建镜像

cd /usr/local

# 创建一个存放带ssh的centos镜像Dockerfile文件的目录

mkdir DockerImagesFiles/centos7.shh

#创建带ssh的centos的Dockerfile 文件

vi Dockerfile

# Dockerfile文件内容

#基于centos镜像库创建

FROM centos

MAINTAINER dys

#安装ssh

RUN yum install -y openssh-server sudo

RUN sed -i 's/UsePAM yes/UsePAM no/g' /etc/ssh/sshd_config

RUN yum install -y openssh-clients

#配置root名

RUN echo "root:123456" | chpasswd

RUN echo "root ALL=(ALL) ALL" >> /etc/sudoers

#生成ssh key

RUN ssh-keygen -t dsa -f /etc/ssh/ssh_host_dsa_key

RUN ssh-keygen -t rsa -f /etc/ssh/ssh_host_rsa_key

#配置sshd服务

RUN mkdir /var/run/sshd

EXPOSE 22

CMD ["/usr/sbin/sshd", "-D"]

1.2.3 根据上面的Dockerfile生成centos7-ssh镜像

docker build -t="centos7-ssh" .

#执行完成后，查看已安装的镜像库

docker images

1.2.4 生成Hadoop镜像库文件

在构建Hadoop镜像库的Dockerfile所在目录下，上传已经下载的 jdk-8u101-linux-x64.tar.gz, hadoop-2.7.3.tar.gz,scala-2.11.8.tgz,spark-2.0.1-bin-hadoop2.7.tgz。

注意：这里要提前在Dockerfile文件配置环境变量，如果镜像库构建完成后，在

容器中配置环境变量是不起作用的。

cd /usr/local

# 创建一个存放hadoop镜像Dockerfile文件的目录

mkdir DockerImagesFiles/hadoop

#创建带ssh的centos的Dockerfile 文件

vi Dockerfile

# Dockerfile文件内容

#基于centos7-ssh构建

FROM centos7-ssh

#安装java

ADD jdk-8u101-linux-x64.tar.gz /usr/local/

RUN mv /usr/local/jdk1.8.0_101 /usr/local/jdk1.8

#配置JAVA环境变量

ENV JAVA_HOME /usr/local/jdk1.8

ENV PATH $JAVA_HOME/bin:$PATH

#安装hadoop

ADD hadoop-2.7.3.tar.gz /usr/local

RUN mv /usr/local/hadoop-2.7.3 /usr/local/hadoop

#配置hadoop环境变量

ENV HADOOP_HOME /usr/local/hadoop

ENV PATH $HADOOP_HOME/bin:$PATH

#安装scala 注意Spark2.0.1对于Scala的版本要求是2.11.x

ADD scala-2.11.8.tgz /usr/local

RUN mv /usr/local/scala-2.11.8 /usr/local/scala2.11.8

#配置scala环境变量

ENV SCALA_HOME /usr/local/scala

ENV PATH $SCALA_HOME/bin:$PATH

#安装spark

ADD spark-2.0.1-bin-hadoop2.7.tgz /usr/local

RUN mv /usr/local/spark-2.0.1-bin-hadoop2.7.tgz /usr/local/spark2.0.1

#配置spark环境变量

ENV SPARK_HOME /usr/local/spark

ENV PATH $SPARK_HOME/bin:$PATH

#创建hdfs账号

RUN useradd hdfs

RUN echo "hdfs:12345678" | chpasswd

RUN yum install -y which sudo

1.2.5 根据上面的Dockerfile构建Hadoop镜像库

docker build -t="hadoop" .

#执行完成后，查看已安装的镜像库

docker images

1.2.6 生成三节点Hadoop容器集群

1.2.6.1首先规划一下节点的主机名称,IP地址(局域网内构建docker镜像时，自动分配172.17.0.1/16网段的IP)和端口号

master 172.17.0.2
slave01 172.17.0.3
slave02 172.17.0.4

1.2.6.2下面在Hadoop镜像上创建三个容器，做为集群的节点

#创建master容器，50070和8088，8080是用来在浏览器中访问hadoop yarn spark #WEB界面，这里分别映射到物理机的50070和8088，8900端口。

#重点注意：容器启动后，映射比较麻烦，最好在这里映射。

docker run -d -P -p 50070:50070 -p 8088:8088 -p 8080:8900 --name master -h master --add-host slave01:172.17.0.3 --add-host slave02:172.17.0.4 hadoop

#创建slave01容器,在容器host文件，添加hostname，并配置其他节点主机名称和IP地址

docker run -d -P --name slave01 -h slave01 --add-host master:172.17.0.2 --add-host slave02:172.17.0.4 hadoop

#创建slave02容器

docker run -d -P --name slave02 -h slave02 --add-host master:172.17.0.2 --add-host slave01:172.17.0.3 hadoop

1.2.6.3 查看已创建的容器并更改hadoop和spark2.0.1目录所属用户

#查看已创建的容器

docker ps -a

#更改hadoop和spark2.0.1目录所属用户

chown -R hdfs:hdfs /usr/local/hadoop

chown -R hdfs:hdfs /usr/local/spark2.0.1

(二)在Docker上配置三节点Hdfs集群

2.1开启三个容器终端

docker exec -it master /bin/bash

docker exec -it slave01 /bin/bash

docker exec -it slave02 /bin/bash

2.1 配置hdfs账号容器各节点间的SSH免密码登陆

分别进入master,slave01,slave02三个容器节点，执行下面命令

#切换到hdfs账号

su hdfs

#生成hdfs账号的key，执行后会有多个输入提示，不用输入任何内容，全部直接回车即可

ssh-keygen

#拷贝到其他节点

ssh-copy-id -i /home/hdfs/.ssh/id_rsa -p 22 hdfs@master

ssh-copy-id -i /home/hdfs/.ssh/id_rsa -p 22 hdfs@slave01

ssh-copy-id -i /home/hdfs/.ssh/id_rsa -p 22 hdfs@slave02

#验证是否设置成功

ssh slave01

2.2 配置hadoop

这里主要配置hdfs，因为我们的计算框架要用spark，所以maprreduce的不需要配置。
进入master容器的hadoop配置目录，需要配置有以下7个文件：hadoop-env.sh，slaves，core-site.xml，hdfs-site.xml，maprd-site.xml，yarn-site.xml

2.2.1 在hadoop-env.sh中配置JAVA_HOME

export JAVA_HOME=/usr/local/jdk1.8

2.2.2 在slaves中配置子节点主机名

进入slaves文件，添加下面名称

slave01

slave02

2.2.3 修改core-site.xml

<name>fs.defaultFS</name>

<value>hdfs://master:9000/</value>

</property>

<name>hadoop.tmp.dir</name>

<value>file:/usr/local/hadoop/tmp</value>

</property>

</configuration>

2.2.4 修改hdfs-site.xml

<name>dfs.namenode.secondary.http-address</name>

<value>master:9001</value>

</property>

<name>dfs.webhdfs.enabled</name>

</property>

<name>dfs.namenode.name.dir</name>

<value>file:/usr/local/hadoop/dfs/name</value>

</property>

<name>dfs.datanode.data.dir</name>

<value>file:/usr/local/hadoop/dfs/data</value>

</property>

<name>dfs.replication</name>

</property>

</configuration>

2.2.5 修改mapred-site.xml

2.2.5.1 复制mapred-site.xml文件

#这个文件默认不存在，需要从 mapred-site.xml.template 复制过来

cp mapred-site.xml.template mapred-site.xml

2.2.5.2 修改mapred-site.xml

<name>mapreduce.framework.name</name>

</property>

</configuration>

2.2.6 修改yarn-site.xml

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>

<value>org.apache.hadoop.mapred.ShuffleHandler</value>

</property>

<name>yarn.resourcemanager.address</name>

<value>master:8032</value>

</property>

<name>yarn.resourcemanager.scheduler.address</name>

<value>master:8030</value>

</property>

<name>yarn.resourcemanager.resource-tracker.address</name>

<value>master:8035</value>

</property>

<name>yarn.resourcemanager.admin.address</name>

<value>master:8033</value>

</property>

<name>yarn.resourcemanager.webapp.address</name>

<value>master:8088</value>

</property>

</configuration>

2.2.7 master容器配置的hadoop目录分别分发到slave01，slave02节点

scp -r hadoop slave01:/usr/local/

scp -r hadoop slave02:/usr/local/

2.3 启动HDFS集群，验证是否搭建成功

#如果配置环境变量，就直接执行

hdfs namenode -format #格式化namenode

start-dfs.sh #启动dfs

# 在 master上执行jps

$ jps

#运行结果应该包含下面的进程

1200 SecondaryNameNode

3622 Jps

988 NameNode

# 在 slave上执行jps

$ jps

#运行结果应该包含下面的进程

2213 Jps

1962 DataNode

浏览器输入http://本机ip地址:50070 ，可以浏览hadoop node管理界面

(二)在Docker上配置三节点Yarn集群

上面已经配置成功,直接启动yarn集群

#启动yarn

start-yarn.sh

浏览器输入http://本机ip地址:8088/cluster 可以浏览节点；

(三) 在Docker上配置三节点spark集群

3.1 配置spark

进入master容器的spark配置目录，需要配置有两个文件：spark-env.sh，slaves

3.1.1 配置spark-env.sh

cd /usr/lcoal/spark2.0.1/conf

#从配置模板复制

cp spark-env.sh.template spark-env.sh

#添加配置内容

vi spark-env.sh

在spark-env.sh末尾添加以下内容：

export SCALA_HOME=/usr/local/scala2.11.8

export JAVA_HOME=/usr/local/jdk1.8

export HADOOP_HOME=/usr/local/hadoop

export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

SPARK_MASTER_IP=master

SPARK_LOCAL_DIRS=/usr/local/spark2.0.1

SPARK_DRIVER_MEMORY=1G

3.1.2 在slaves文件下填上slave主机名

slave01

slave02

3.1.3 master容器配置的spark目录分别分发到slave01，slave02节点

scp -r spark2.0.1 slave01:/usr/local/

scp -r spark2.0.1 slave02:/usr/local/

3.2 启动spark集群

start-all.sh

浏览Spark的Web管理页面： http://本机ip地址:8900

总结

本文只是搭建了数据分析的开发环境，作为开发测试使用，距离生成环境的标准还很远。例如容器节点的自动化扩容，容器的CPU内存，调整，有待继续研究。

参考文章

1.https://www.sdk.cn/news/5278 . Docker部署Hadoop集群
2.http://wuchong.me/blog/2015/04/04/spark-on-yarn-cluster-deploy/ .Spark On YARN 集群安装部署
3.http://shinest.cc/static/post/scala/hadoop_cluster_on_docker.md.html . Hadoop Cluster On Docker

centos-docker-hadoop-spark

猜你喜欢