暑假第二弹：基于docker的hadoop分布式集群系统的搭建和测试

早在四月份的时候，就已经开了这篇文章。当时是参加数据挖掘的比赛，在计科院大佬的建议下用TensorFlow搞深度学习，而且要在自己的hadoop分布式集群系统下搞。

当时可把我们牛逼坏了，在没有基础的前提下，用一个月的时间搭建自己的大数据平台并运用人工智能框架来解题。

结果可想而知：GG~~~~（只是把hadoop搭建起来了。。。。最后还是老老实实的写爬虫）

当时搭建是用VM虚拟机，等于是在17台机器上运行17个CentOS 7，现在我们用docker来打包环境。

一、技术架构

Docker 1.12.6

CentOS 7

JDK1.8.0_121

Hadoop2.7.3 ：分布式计算框架

Zookeeper-3.4.9：分布式应用程序协调服务

Hbase1.2.4：分布式存储数据库

Spark-2.0.2：大数据分布式计算引擎

Python-2.7.13

TensorFlow1.0.1：人工智能学习系统

二、搭建环境制作镜像

1、下载镜像：docker pull centos

2、启动容器：docker run -it -d --name hadoop centos

3、进入容器：docker exec -it hadoop /bin/bash

4、安装java（这些大数据工具需要jdk的支持，有些组件就是用java写的）我这里装在/usr

配置环境变量/etc/profile

#config java

export JAVA_HOME=/usr/java/jdk1..0_121

export JRE_HOME=/usr/java/jdk1..0_121/jre

export CLASSPATH=$JAVA_HOME/lib

export PATH=:$PATH:$JAVA_HOME/bin:$JRE_HOME/bin

5、安装hadoop（http://hadoop.apache.org/releases.html）我这里装在/usr/local/

配置环境变量/etc/profile

#config hadoop

export HADOOP_HOME=/usr/local/hadoop/

export PATH=$HADOOP_HOME/bin:$PATH

export PATH=$PATH:$HADOOP_HOME/sbin

#hadoop?~D彗??W彖~G件路?D?~D?~M置

export HADOOP_LOG_DIR=${HADOOP_HOME}/logs

source /etc/profile让环境变量生效

改配置/usr/local/hadoop/etc/hadoop/：

（1）slaves（添加datanode节点）

Slave1

Slave2

（2）core-site.xml

<configuration>

      <property>

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

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

          <description>Abase for other temporary directories.</description>

      </property>

      <property>

          <name>fs.defaultFS</name>

          <value>hdfs://Master:9000</value>

      </property>

</configuration>

（3）hdfs-site.xml

<configuration>

       <property>

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

               <value>Master:</value>

       </property>

     <property>

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

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

       </property>

      <property>

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

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

       </property>

       <property>

               <name>dfs.replication</name>

               <value></value>

        </property>

        <property>

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

                  <value>true</value>

         </property>

</configuration>

（4）创建mapred-site.xml

<configuration>

    <property>

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

        <value>yarn</value>

    </property>

    <property>

        <name>mapreduce.jobhistory.address</name>

        <value>Master:</value>

    </property>

    <property>

        <name>mapreduce.jobhistory.webapp.address</name>

        <value>Master:</value>

    </property>

</configuration>

（5）yarn-site.xml

<configuration>

        <property>

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

               <value>mapreduce_shuffle</value>

        </property>

        <property>

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

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

        </property>

        <property>

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

               <value>Master:</value>

       </property>

       <property>

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

               <value>Master:</value>

       </property>

       <property>

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

             <value>Master:</value>

      </property>

      <property>

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

               <value>Master:</value>

       </property>

       <property>

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

               <value>Master:</value>

       </property>

</configuration>

6、安装zookeeper（https://zookeeper.apache.org/）我这里装在/usr/local/

配置环境变量/etc/profile

#config zookeeper

export ZOOKEEPER_HOME=/usr/local/zookeeper

export PATH=$PATH:$ZOOKEEPER_HOME/bin:$ZOOKEEPER_HOME/conf

（1）/usr/local/zookeeper/conf/zoo.cfg

initLimit=

# The number of ticks that can pass between

# sending a request and getting an acknowledgement

syncLimit=

# the directory where the snapshot is stored.

# do not use /tmp for storage, /tmp here is just

# example sakes.

dataDir=/usr/local/zookeeper/data

# the port at which the clients will connect

clientPort=

# the maximum number of client connections.

# increase this if you need to handle more clients

#maxClientCnxns=

#

# Be sure to read the maintenance section of the

# administrator guide before turning on autopurge.

#

# http://zookeeper.apache.org/doc/current/zookeeperAdmin.html#sc_maintenance

#

# The number of snapshots to retain in dataDir

#autopurge.snapRetainCount=

# Purge task interval in hours

# Set to "" to disable auto purge feature

#autopurge.purgeInterval=

7、安装hbase（http://hbase.apache.org/）我这里装在/usr/local/

（1）/usr/local/hbase/conf/hbase-env.sh

export JAVA_HOME=/usr/java/jdk1..0_121

export HBASE_MANAGES_ZK=false

（2）hbase-site.xml

<configuration>

        <property>

                <name>hbase.rootdir</name>

                <value>hdfs://Master:9000/hbase</value>

        </property>

        <property>

                <name>hbase.zookeeper.property.clientPort</name>

                <value></value>

        </property>

        <property>

                <name>zookeeper.session.timeout</name>

                <value></value>

        </property>

        <property>

                <name>hbase.zookeeper.quorum</name>

                <value>Master,Slave1,Slave2</value>

        </property>

        <property>

                <name>hbase.tmp.dir</name>

                <value>/usr/local/hbase/data</value>

        </property>

        <property>

                <name>hbase.cluster.distributed</name>

                <value>true</value>

        </property>

</configuration>

（3）core-site.xml

<configuration>

      <property>

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

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

          <description>Abase for other temporary directories.</description>

      </property>

      <property>

          <name>fs.defaultFS</name>

          <value>hdfs://Master:9000</value>

      </property>

</configuration>

（4）hdfs-site.xml

<configuration>

    <property>

        <name>dfs.replication</name>

        <value></value>

    </property>

</configuration>

（5）regionservers（代表我的三个节点）

Master #namenode

Slave1 #datanode01

Slave2 #datanode02

8、安装 spark（http://spark.apache.org/）我这里装在/usr/local/

配置环境变量：

#config spark

export SPARK_HOME=/usr/local/spark

export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin

（1）cp ./conf/slaves.template ./conf/slaves

在slaves中添加节点：

Slave1

Slave2

（2）spark-env.sh

export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)

export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop

export SPARK_MASTER_IP=10.211.1.129

export JAVA_HOME=/usr/java/jdk1..0_121

9、如果要用tf训练数据的话：pip install tensorflow

至此我们namenode（Master）节点配置完了。。。。。。

10、exit退出容器

生成镜像：docker commit edcabfcd69ff vitoyan/hadoop

发布：docker push

去Docker Hub看一看：

三、测试

如果要做完全分布式的话，还需要添加多个节点（多个容器或者主机）。。。。。

由一个namenode控制多个datanode。

1、安装ssh和net工具：yum install openssh-server net-tools openssh-clients -y

2、生成公钥：ssh-keygen -t rsa

3、把密钥追加到远程主机（容器）：ssh-copy-id -i ~/.ssh/id_rsa.pub root@10.211.1.129（这样两个容器不用密码就可以互相访问---handoop集群的前提）

4、在宿主机上查看hadoop容器的ip：docker exec hadoop hostname -i （再用同样的方式给容器互相添加公钥）

5、修改hostname分别为Master，Slave1、2、3、4、5.。。。。。以区分各个容器

6、每个容器添加/etc/hosts:

10.211.1.129 Master

10.211.1.130 Slave1

10.211.1.131 Slave2

10.102.25.3  Slave3

10.102.25.4  Slave4

10.102.25.5  Slave5

10.102.25.6  Slave6

10.102.25.7  Slave7

10.102.25.8  Slave8

10.102.25.9  Slave9

10.102.25.10 Slave10

10.102.25.11 Slave11

10.102.25.12 Slave12

10.102.25.13 Slave13

10.102.25.14 Slave14

10.102.25.15 Slave15

10.102.25.16 Slave16

7、对应Slave的hadoop配置只需要copy，然后改成对应的主机名。

8、基本命令：

（1）、启动hadoop分布式集群系统

cd /usr/local/hadoop

hdfs namenode -format

sbin/start-all.sh

检查是否启动成功：jps

（2）、启动zookeeper分布式应用程序协调服务

cd /usr/local/zookeeper/bin

./zkServer.sh start

检查是否启动成功：zkServer.sh status

（3）、启动hbase分布式数据库

cd /usr/local/hbase/bin/

./start-hbase.sh

（5）、启动spark大数据计算引擎集群

cd /usr/local/spark/

sbin/start-master.sh

sbin/start-slaves.sh

集群管理：http://master:8080

集群基准测试：http://blog.itpub.net/8183550/viewspace-684152/

我的hadoop镜像：https://hub.docker.com/r/vitoyan/hadoop/

欢迎pull

over！！！！！

暑假第二弹：基于docker的hadoop分布式集群系统的搭建和测试的更多相关文章

基于docker的spark-hadoop分布式集群之二：环境测试
在上一章<环境搭建>基础上,本章对各个模块做个测试 Mysql 测试 1.Mysql节点准备为方便测试,在mysql节点中,增加点数据进入主节点 docker exec -it had ...
基于docker的spark-hadoop分布式集群之一：环境搭建
一.软件准备 1.基础docker镜像:ubuntu,目前最新的版本是18 2.需准备的环境软件包: (1) spark-2.3.0-bin-hadoop2.7.tgz (2) hadoop-2.7. ...
搭建基于docker 的redis分布式集群在docker for windows
https://blog.csdn.net/xielinrui123/article/details/85104446 首先在docker中下载使用 docker pull redis:3.0.7do ...
喵星之旅-狂奔的兔子-基于docker的redis分布式集群
一.docker安装(略) 二.下载redis安装包(redis-4.0.8.tar.gz) 以任何方式获取都可以.自行官网下载. 三.拉取centos7的docker镜像命令:docker pul ...
超快速使用docker在本地搭建hadoop分布式集群
超快速使用docker在本地搭建hadoop分布式集群超快速使用docker在本地搭建hadoop分布式集群学习hadoop集群环境搭建是hadoop入门的必经之路.搭建分布式集群通常有两个办法: ...
使用Docker在本地搭建Hadoop分布式集群
学习Hadoop集群环境搭建是Hadoop入门必经之路.搭建分布式集群通常有两个办法: 要么找多台机器来部署(常常找不到机器) 或者在本地开多个虚拟机(开销很大,对宿主机器性能要求高,光是安装多个虚拟 ...
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非常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,仅仅能自己写一个了. 一:环境准备: 1:首先要有一个Cento ...
基于Hadoop分布式集群YARN模式下的TensorFlowOnSpark平台搭建
1. 介绍在过去几年中,神经网络已经有了很壮观的进展,现在他们几乎已经是图像识别和自动翻译领域中最强者[1].为了从海量数据中获得洞察力,需要部署分布式深度学习.现有的DL框架通常需要为深度学习设置 ...
CentOS6安装各种大数据软件第四章：Hadoop分布式集群配置
相关文章链接 CentOS6安装各种大数据软件第一章:各个软件版本介绍 CentOS6安装各种大数据软件第二章:Linux各个软件启动命令 CentOS6安装各种大数据软件第三章:Linux基础 ...

随机推荐

python使用rabbitMQ介绍一（生产-消费者模式）
1 模式介绍生产者-消费者模式是最简单的使用模式. 一个生产者P,给队列发送消息,一个消费者C来取队列的消息. 这里的队列长度不限,生产者和消费者都不用考虑队列的长度. 队列的模型图: 2 示例代码 ...
C语言字符数组回顾
赋值篇: Part1 错误引例*2: char c6[];//WRONG c6="HELLO";//WRONG char c7[];//WRONG c7[]='H';// ...
Linux/Ubuntu 16.04 使用校园网客户端Dr.com DrClient 有线连网，同时开启WiFi热点
前面写过Ubuntu 16.04 使用校园网客户端 DrClient 无线上网,在这篇文章中将要介绍下,在Ubuntu 16.04上如何使用校园网客户端实现有线登录,这个问题也让博主困惑了很久,但是问 ...
eclipse启动报.log错误
解决办法: windows: D:\Program Files\eclipse\eclipse.ini 在文件末尾添加一行: --add-modules=ALL-SYSTEM
linux的常用命令介绍
1.ls 列出当前目录下的所有的文件和文件夹的名称. 参数如下:-a 显示隐藏文件 -l 显示方式为列表 -h 以可读性高的方式输出 eg: ls -lh /logs/tran 目录如果不指定(相 ...
WinForms 快速开发的工具类。
下面是我本人在 WinForms 开发中积累的一些心得. 1. 在父窗体中打开子窗体直接贴代码: private void btnCompare_Click(object sender, Event ...
[原创]Java应用性能远程监控系统（C/S架构）
Java应用性能远程监控系统(使用C/S架构) 适用于监控所有Java应用,具有堆内存监控.方法区监控.GC监控.类加载监控.类编译监控与线程监控,提供堆快照下载,线程快照下载.体验网址:http:/ ...
分享收集的WebGL 3D学习资源
大家好,我在本文中分享了我收集的WebGL 3D相关的博客.书籍.教程.demo等内容,希望对大家学习WebGL和3D有所帮助,谢谢- 相关博客 Wonder技术 Wonder是我们的产品,包含Web ...
类ArrayList
什么是ArrayList类 Java提供了一个容器 java.util.ArrayList 集合类,他是大小可变的数组的实现,存储在内的数据称为元素.此类提供一些方法来操作内部存储的元素. Array ...
MySql插入点数据
DROP PROCEDURE IF EXISTS pre;delimiter $$ CREATE PROCEDURE pre ()BEGIN DECLARE i INT DEFAULT 1 ;WHIL ...

暑假第二弹：基于docker的hadoop分布式集群系统的搭建和测试

暑假第二弹：基于docker的hadoop分布式集群系统的搭建和测试的更多相关文章

随机推荐

热门专题