Hadoop框架基础(五)

栏目: 服务器 · 发布时间: 6年前

内容简介:Hadoop框架基础(五)

**hadoop框架基础(五)

已经部署了Hadoop的完全分布式集群,我们知道NameNode节点的正常运行对于整个HDFS系统来说非常重要,如果NameNode宕掉了,那么整个HDFS就要整段垮掉了,所以人类思考,能不能让世界多一点爱:),我们能不能弄个备用的NameNode,一旦正在使用的NameNode原地爆炸了,另一台备用的NameNode能立刻代替原先NameNode的位置,继续让HDFS系统正常运行?(同理,ResourceManager也是可以的。)

世界果然充满爱,动物管理员横空出世——zookeeper框架

Hadoop框架基础(五)

** ZooKeeper

这个框架的翻译为动物园管理员,想想其实是有道理的,大数据领域,Hadoop框架是大象,Hive框架是蜜蜂(为啥是个大象头哎喂?),Pig框架是猪,都是人类的好朋友,所以有个动物管理员也不差异。接下来简单介绍一下zookeeper框架。

Hadoop框架基础(五)

** zookeeper功能:

* 统一命名服务(Name Service)

* 配置管理(Configuration Management)

* 集群管理(Group Membership)

* 共享锁(Locks)/同步锁

** zookeeper简述:

apache开源项目,提供分布式集群,属于Hadoop底下的一个分支,为分布式应用提供协调服务,官方网站:zookeeper.apache.org,zookeeper服务器为奇数个,即2n+1个服务器,允许有n个机器宕机,不影响整个系统的运行。比如:3台机器,其中有1台机器宕机,且存活的Server的数目不得少于n+1.,不会影响整个系统运行。 zookeeper集群会选择出一个leader服务器,其他服务器角色是follower,它使用的FastLeaderELection选举算法是类fast paoxs的算法(有兴趣的可以周边查阅下),投票数量结果过半的服务器选为leader服务器。

** zookeeper原理简述

Hadoop框架基础(五)

当leader崩溃或者leader失去大多数的follower,这时候zookeeper进入恢复模式,恢复模式需要重新选举出一个新的leader,让所有的Server都恢复到一个正确的状态,系统默认的选举算法为fast paxos。

** zookeeper的Fast Leader选举机制

首先介绍几个概念

服务器ID

比如有三台服务器,编号分别是1,2,3。

编号越大在选择算法中的权重越大。

数据ID

服务器中存放的最大数据ID.

值越大说明数据越新,在选举算法中数据越新权重越大。

逻辑时钟

或者叫投票的轮数,同一轮投票过程中的逻辑时钟值是相同的。每投完一轮票这个数据就会增加,然后与接收到的其它服务器返回的投票信息中的数值相比,根据不同的值做出不同的判断。

选举状态

LOOKING,竞选状态。

FOLLOWING,随从状态,同步leader状态,参与投票。

OBSERVING,观察状态,同步leader状态,不参与投票。

LEADING,领导者状态。

选举消息内容

在投票完成后,需要将投票信息发送给集群中的所有服务器,它包含如下内容。

服务器ID

数据ID

逻辑时钟(或者理解为选举轮数,从0开始递增)

选举状态

开始投票:

1、恢复数据

zookeeper服务器中的每份数据,都有一个对应的id值,这个值是依次递增的,越新的数据,对应的ID值就越大,所以先把数据恢复到最新。

2、广播投票到其他服务器

恢复数据到最新之后,每个zookeeper服务器发送自己选举的leader(崭新状态首次投票推选自己),这个协议中包含了以下几部分的数据:

* 当前的服务器的id,即sid

* 当前服务器的最大的数据id,这个值大的服务器,说明存放了更新的数据.

* 当前服务器本次的逻辑时钟的值

* 当前机器的选举状态

3、接收其他服务器的广播

每个服务器将自己的数据(以上4个)广播给其他服务器,同时也接收其他服务器广播过来的数据,之后:

如果所接收数据中服务器的状态还是在选举阶段(LOOKING 状态),那么首先判断逻辑时钟值,又分为以下三种情况:

* 如果发送过来的逻辑时钟大于目前的逻辑时钟,那么说明这次选举更加的新,此时需要更新一下本机的逻辑时钟值,同时将之前收集到的来自其他服务器的选举清空,因为这些数据已经过期了。然后判断是否需要更新当前自己的选举情况。在这里是根据选举sid和保存的最大数据id来进行判断的,这两种数据之间对这个选举结果的影响的权重关系是:首先看数据id,数据id大者胜出;其次再判断sid,sid大者胜出。然后再将自身最新的选举结果广播给其他服务器。

* 如果发送过来数据的逻辑时钟小于本机的逻辑时钟,说明对方在一个相对较早的选举进程中,此时只需要发送自己的选举数据即可。

* 两边的逻辑时钟相同,此时只需要判断是否需要更新本机的数据,如果更新了再将自己最新的选举结果广播出去就是了。

然后再处理两种情况:

* 服务器判断是不是已经收集到了所有服务器的选举状态,如果是,那么这台服务器选举的leader就定下来了,然后根据选举结果设置自己的角色(FOLLOWING还是LEADER),选举结束。

* 即使没有收集到所有服务器的选举状态,也可以根据该节点上选择的最新的leader是不是得到了超过半数以上服务器的支持,如果是,那么当前线程将被阻塞等待一段时间(这个时间在finalizeWait定义)看看是不是还会收到当前leader的数据更优的leader,如果经过一段时间还没有这个新的leader提出来,那么这台服务器最终的leader就确定了,否则进行下一次选举。

如果所接收服务器不在选举状态,也就是在FOLLOWING或者LEADING状态做以下两个判断:

* 如果逻辑时钟相同,将该数据保存到recvset,如果所接收服务器宣称自己是leader,那么将判断是不是有半数以上的服务器选举它,如果是则设置选举状态,选举结束。

* 否则这是一条与当前逻辑时钟不符合的消息,那么说明在另一个选举过程中已经有了选举结果,于是将该选举结果加入到集合中,再根据集合来判断是否可以结束选举,如果可以也是保存逻辑时钟,设置选举状态,选举结束。

原理引用网络上的一张图,如图所示:

Hadoop框架基础(五)

在此举个例子:假设有5台机器

服务器1启动,给自己投票,然后发投票信息,由于其它机器还没有启动所以它收不到反馈信息,服务器1的状态一直属于Looking。

服务器2启动,给自己投票,同时与之前启动的服务器1交换结果,由于服务器2的编号大所以服务器2胜出,但此时投票数没有大于半数,所以两个服务器的状态依然是LOOKING。

服务器3启动,给自己投票,同时与之前启动的服务器1,2交换信息,由于服务器3的编号最大所以服务器3胜出,此时投票数正好大于半数,所以服务器3成为leader,服务器1,2成为follower。

服务器4启动,给自己投票,同时与之前启动的服务器1,2,3交换信息,尽管服务器4的编号大,但之前服务器3已经胜出,所以服务器4只能成为follower。

服务器5启动,后面的逻辑同服务器4成为follower。

zookeeper安装:

* 下载地址传送门:

zookeeper下载:链接:http://pan.baidu.com/s/1o78IBsY 密码:xh3k

* 解压到modules目录中

* 修改配置文件(cp -a命令意为保留原文件属性的情况下,复制文件)

复制conf目录下的zoo_sample.cfg文件并重命名为zoo.cfg文件

$ cp -a zoo_sample.cfg zoo.cfg,执行后,如图:

Hadoop框架基础(五)

对文件做如下修改:

$ vi zoo.cfg

dataDir=/opt/modules/zookeeper-3.4.5/zkData, 如图:

Hadoop框架基础(五)

创建这个目录:

$ mkdir /opt/modules/zookeeper-3.4.5/zkData

* 启动zookeeper

单节点启动,切换到zookeeper的安装根目录:

$ bin/zkServer.sh start

查看启动状态:

$ bin/zkServer.sh status,如图:

Hadoop框架基础(五)

** zookeeper集群的部署

集群规划如下:

Hadoop框架基础(五)

* 修改zoo.cfg

dataDir=/opt/modules/zookeeper-3.4.5/zkData

server.1=192.168.122.200:2888:3888

server.2=192.168.122.201:2888:3888

server.3=192.168.122.202:2888:3888

注意:这里我使用的是三台服务器的ip地址,如图:

Hadoop框架基础(五)

* 添加myid文件,注意一定要在 linux 里面创建

$ vi zkData/myid

添加内容:1

* 把zookeeper目录拷贝给其他集群服务器

$ scp -r zookeeper-3.4.5/ z02:/opt/modules/

$ scp -r zookeeper-3.4.5/ z03:/opt/modules/

修改myid文件

z02 为 2

z03 为 3

* 依次启动所有集群服务

$ bin/zkServer.sh start

* 检查每个服务器的状态

$ bin/zkServer.sh status

一顿操作之后,如图:通过查看状态,可以发现,现在的leader服务器是z02,其他的服务器为follower。

Hadoop框架基础(五)

** NameNode的HA部署

目标: 防止单个namenode宕机以后,整个HDFS集群失效

集群规划:

Hadoop框架基础(五)

注意:建议配置之前把之前服务器配置备份一次,方便以后使用

$ cp -ra hadoop-2.5.0/ back-up-hadoop-2.5.0/,如图:

Hadoop框架基础(五)

* 配置:hdfs-site.xml,如图:

Hadoop框架基础(五)

* 配置core-site.xml,如图:

Hadoop框架基础(五)

* 拷贝文件给其他服务器

删除三台服务器的数据目录,去每个机器上执行该命令:

$ rm -rf data/

拷贝给其他两台服务器:

$ scp etc/hadoop/core-site.xml etc/hadoop/hdfs-site.xml  z02:/opt/modules/hadoop-2.5.0/etc/hadoop/

$ scp etc/hadoop/core-site.xml etc/hadoop/hdfs-site.xml  z03:/opt/modules/hadoop-2.5.0/etc/hadoop/

* 启动服务

* 在各个JournalNode节点上,输入以下命令启动journalnode服务:

$ sbin/hadoop-daemon.sh start journalnode

* 在[nn1]上,对其进行格式化,并启动

$ bin/hdfs namenode -format

$ sbin/hadoop-daemon.sh start namenode

* 在[nn2]上,同步nn1的元数据信息,并启动

$ bin/hdfs namenode -bootstrapStandby

$ sbin/hadoop-daemon.sh start namenode

* 在nn1中与nn2中查看jps进程如下图:

Hadoop框架基础(五)

* 浏览器浏览,以下两个地址均可以访问HDFS:

http://z01:50070/

http://z02:50070/

* 手动把nn1设置为active

$ bin/hdfs haadmin -transitionToActive nn1

以上为手动故障转移,如果我们想自动切换故障,需要进行如下配置,即开启故障自动转移功能

配置hdfs-site.xml

添加属性:

dfs.ha.automatic-failover.enabled.mycluster:true

配置core-site.xml  

添加属性:

ha.zookeeper.quorum:z01:2181,z02:2181,z03:2181

* 拷贝文件给后面两台服务器

$ scp etc/hadoop/core-site.xml etc/hadoop/hdfs-site.xml z02:/opt/modules/hadoop-2.5.0/etc/hadoop/

$ scp etc/hadoop/core-site.xml etc/hadoop/hdfs-site.xml z03:/opt/modules/hadoop-2.5.0/etc/hadoop/

* 启动服务

$ bin/zkServer.sh start

*   关闭所有HDFS服务

在[nn1]执行:

$ sbin/stop-dfs.sh,如图:

Hadoop框架基础(五)

启动zookeeper,初始化HA在Zookeeper中状态

$ bin/hdfs zkfc -formatZK

* 启动HDFS服务

在[nn1]执行:

$ sbin/start-dfs.sh

$ bin/hdfs haadmin -transitionToActive nn1

nn1与nn2的jps如图所示:

Hadoop框架基础(五)

* 查看活跃状态

$ bin/hdfs haadmin -getServiceState nn1

$ bin/hdfs haadmin -getServiceState nn2

如图:

Hadoop框架基础(五)

* 测试,访问如下站点也可以查看NameNode的活跃状态:

http://z01:50070/

http://z02:50070/

此时kill掉active的NameNode进程,查看standby状态会自动切换到active

** Yarn的HA部署

目标: 防止单个resourcemanager宕机以后,整个YARN集群失效

集群规划:

Hadoop框架基础(五)

* 配置:yarn-site.xml,如图:

Hadoop框架基础(五)

* 拷贝给其他服务器并修改

$ scp etc/hadoop/yarn-site.xml z02:/opt/modules/hadoop-2.5.0/etc/hadoop/

$ scp etc/hadoop/yarn-site.xml z03:/opt/modules/hadoop-2.5.0/etc/hadoop/

* 启动每个服务器的服务

通过jps查看每个服务器的zookeeper服务QuorumPeerMain已经运行,没有运行则开启,方式前文已经说过,不再赘述。

在 z02中:

$ sbin/start-yarn.sh

在z03中:

$ sbin/yarn-daemon.sh start resourcemanager

查看服务状态:

$ bin/yarn rmadmin -getServiceState rm1

$ bin/yarn rmadmin -getServiceState rm2

如图:

Hadoop框架基础(五)

测试:

运行我们之前打好的jar包,进行wordcount实例运算,在运算过程中kill掉active的rm,观察任务运行。

先开启HDFS服务(忘记的请看上边的内容),再上传一个words.txt文档到HDFS,再开始单词统计,涉及命令:

$ bin/hdfs dfs -mkdir /input/

$ bin/hdfs dfs -mkdir /input/words/

$ bin/hdfs dfs -put words.txt /input/words/

如图:

Hadoop框架基础(五)

$ bin/yarn jar MyWordCount.jar /input/words/words.txt /output/

** 总结

这一节简单介绍了zookeeper并阐述其工作原理,成功使用zookeeper部署了NameNode HA和Resourcemanager HA。

Hadoop框架基础(五)

以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Algorithms

Algorithms

Sanjoy Dasgupta、Christos H. Papadimitriou、Umesh Vazirani / McGraw-Hill Education / 2006-10-16 / GBP 30.99

This text, extensively class-tested over a decade at UC Berkeley and UC San Diego, explains the fundamentals of algorithms in a story line that makes the material enjoyable and easy to digest. Emphasi......一起来看看 《Algorithms》 这本书的介绍吧!

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

html转js在线工具
html转js在线工具

html转js在线工具

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换