Docker环境下Hadoop分布式集群搭建

2017年伊始，距离上篇blog更新已有3年之久，如今已经而立之年，这几年，五味杂陈，各中滋味，只能感叹时光飞逝！抱着归零的心态，春节期间，了解了一下Hadoop技术，在windows环境下，利用dockerTool box，搭建hadoop分布式集群，以便后续持续学习。整理如下：

1.集群环境介绍

如下表所示，集群中共3台服务器，master服务器充当了namenode和jobtacker的角色。slave1和slave2充当了datanode和tasktracker的角色

2.服务器容器创建

hadoop的docker镜像,从该网站拉取,分区拉取了namenode镜像和datanode镜像

docker pull uhopper/hadoop-namenode
docker pull uhopper/hadoop-datanode

考虑希望生成的容器具备静态ip，便于后期hdfs配置中的配置，所以先需要创建docker自定义网络，其次基于该网络，分别创建master，slave1，slave2三个容器，

docker network create --subnet=172.18.0.0/16 hadoopNet
docker run -d --name namenode1 -h master --net hadoopNet --ip 172.18.0.10 -p 50070:50070 -v //c//Users//admin//hadoop//share://home//share -e "CORE_CONF_fs_defaultFS=hdfs://172.18.0.10:8082" -e "HDFS_CONF_DFS_REPLICATION=2" -e "CLUSTER_NAME=cluster0" uhopper/hadoop-namenode:latest

docker run -d --name datanode1 -h slave1 --net hadoopNet --ip 172.18.0.11 -e "CORE_CONF_fs_defaultFS=hdfs://172.18.0.10:8082" -e "HDFS_CONF_DFS_REPLICATION=2" -e  
"CLUSTER_NAME=cluster0" uhopper/hadoop-datanode:latest

docker run -d --name datanode2 -h slave2 --net hadoopNet --ip 172.18.0.12 -e "CORE_CONF_fs_defaultFS=hdfs://172.18.0.10:8082" -e "HDFS_CONF_DFS_REPLICATION=2" -e  

具体环境变量的配置，可参考uhopper说明，值得一提的是环境变量的配置，并没有针对mapred.site.xml文件配置，个人觉得这确实是一个bug，所以还需要针对三台服务器中/etc/hadoop/mapred.site.xml，进行jobtracker单独配置。以进入master服务器为例：

docker exec -it namenode1 //bin//bash
cat /etc/hadoop/mapred.site.xml

在该mapred.site.xml文件中追加jobtacker rpc远程调用属性

<properyt>
<name>mapred.job.tracker</name>
<value>172.18.0.10:9001</value>
</property>

对于slave1，slave2，两台服务器，笔者直接用rsync同步工具，进行文件拷贝的。

最后需要修改三台服务器，/etc/hosts以及/etc/hadoop/slaves文件，文件追加节点信息，不知道为什么，如果不追加的话，当往hdfs文件系统中提交大文件的时候会报错

3.环境验证

现在可以尝试向hdfs里面追加文件了。笔者将《hadoop权威指南》里面的1901年天气数据提交到hdfs中，并提交最高气温天气计算jar包到分布式集群，生成的1901最高气温数据，保存到/output/part-r-00000文件中

hadoop fs -put /home/predator/1901 /input
hadoop jar test.jar MaxTemprature hdfs://172.18.0.10:8082/input/1901 /output