Datax-web 集群化部署使用（图文教程超详细）

Posted 2023-03-16

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Datax-web 集群化部署使用（图文教程超详细）相关的知识，希望对你有一定的参考价值。

环境准备

1）基础软件安装
mysql (5.5+) 必选，对应客户端可以选装, Linux服务上若安装mysql的客户端可以通过部署脚本快速初始化数据库
JDK (1.8.0_xxx) 必选
DataX 必选
Python (2.x) (支持Python3需要修改替换datax/bin下面的三个python文件，替换文件在doc/datax-web/datax-python3下) 必选，主要用于调度执行底层DataX的启动脚本，默认的方式是以Java子进程方式执行DataX，用户可以选择以Python方式来做自定义的改造

2)硬件环境三台主机
cdh-01
cdh-02
cdh-03

Datax 安装

DataX下载地址

wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz

2.解压 & 测试

tar -xvf datax-web-2.1.2.tar.gz

cd datax/bin

python datax.py ../job/job.json

Datax-web

image.png

Datax-web 安装

1.点击下载提取码：cpsk
2.进入解压目录，执行一键安装脚本

./bin/install.sh

3.全部选 Y ,配置 MySQL 即可

Datax-web

image.png

4.配置
修改./modules/datax-executor/bin/env.properties (修改内容为datax解压目录下的datax.py位置)

### 执行datax的python脚本地址
PYTHON_PATH=/opt/datax/bin/datax.py

5.启动

./bin/start-all.sh

6.访问
http://192.168.10.151:9527/index.html admin/123456

到此，单机版的datax-web 已经可以正常使用，接下来部署集群。

添加 Executor

新添加的Executor 需要安装datax、datax-web（可以只安装datax-executor）
1.修改 modules/datax-executor/bin/env.properties，指定datax.py 位置

## PYTHON脚本执行位置
#PYTHON_PATH=/home/hadoop/install/datax/bin/datax.py
PYTHON_PATH=/opt/datax/bin/datax.py

2.修改 /modules/datax-executor/conf/application.yml 指定 datax-web 地址

addresses: http://192.168.10.151:9527
appname：自己指定随意

3.启动

./bin/start.sh -m datax-executor

4.打开web 页面，选择执行器，添加

Datax-web

image.png

5.到此，集群式datax-web 已经部署完毕，构建任务时可以选择不同的执行器。

GFS分布式文件系统+集群部署（图文超详细）

一、GlusterFS

1、概述

在这里插入图片描述

2、特点

在这里插入图片描述

3、GlusterFS术语

在这里插入图片描述

二、GlusterFS架构

1、模块化、堆栈式的架构

模块化：每个模块可以提供不同的功能
堆栈式：同时启用多个模块，多个功能可以组合，实现复杂的功能
通过对模块的组合，实现复杂的功能

解读上图：
上半部分为客户端，中间为网络层，下半部分为服务端
1、封装多个功能模块，组成堆栈式的结构，来实现复杂的功能
2、然后以请求的方式与客户端进行交互，客户端与服务端进行交互，由于可能会存在系统兼容问题，需要通过posix来解决系统兼容性问题，让客户端的命令通过posix过滤后可以在服务端执行

上图
1、外来一个请求，例：用户端申请创建一个文件，客户端或应用程序通过GFS的挂载点访问数据
2、linux系统内容通过VFSAPI收到请求并处理
3、VFS将数据递交给FUSE内核文件系统，fuse文件系统则是将数据通过/dev/fuse设备文件递交给了GlusterFS client端
4、GlusterFS client端收到数据后，会根据配置文件的配置对数据进行处理
5、再通过网络，将数据发送给远端的ClusterFS server，并将数据写入到服务器储存设备上
6、server再将数据转交给VFS伪文件系统，再由VFS进行转存处理，最后交给EXT3

2、后端存储如何定位文件

弹性HASH算法
通过HASH算法得到一个固定长度的数据（这里是32位整数）
通常情况下，不同数据得到的结果是不同的
为了解决分布式文件数据索引、定位的复杂程度，而使用了HASH算法来辅助

3、GFS支持的七种卷

1、分布式卷（默认）：文件通过HASH算法分布到所有Brick Server上，这种卷是GFS的基础；以文件为单位根据HASH算法散列到不同的Brick，其实只是扩大了磁盘空间，并不具备容错能力，属于文件级RAID 0
2、条带卷（默认）：类似RAID 0，文件被分成数据库并以轮询的方式分布到多个Brick Server上，文件存储以数据块为单位，支持大文件存储，文件越大，读取效率越高
3、复制卷（Replica volume）：将文件同步到多个Brick上，使其具备多个文件副本，属于文件级RAID 1，具有容错能力。因为数据分散在多个Brick中，所以读性能得到很大提升，但写性能下降
4、分布式条带卷（Distribute Stripe volume）：Brick Server数量是条带数（数据块分布的Brick数量）的倍数，兼具分布式卷和条带的特点
5、分布式复制卷（Distribute Replica volume）：Brick Server数量是镜像数（数据副本数量）的倍数，兼具分布式卷和复制卷的特点
6、条带复制卷（Stripe Replca volume）：类似RAID 10，同时具有条带卷和复制卷的特点
7、分布式条带复制卷（Distribute Stripe Replicavolume）：三种基本卷的复合卷通常用于类Map Reduce应用

三、GFS部署

链接: gfs软件包
提取码: krhe

集群环境准备

Node1节点：node1/192.168.221.20		  磁盘： /dev/sdb1			挂载点： /data/sdb1
											/dev/sdc1					/data/sdc1
											/dev/sdd1					/data/sdd1
											/dev/sde1					/data/sde1

Node2节点：node2/192.168.221.30		  磁盘： /dev/sdb1			挂载点： /data/sdb1
											/dev/sdc1					/data/sdc1
											/dev/sdd1					/data/sdd1
											/dev/sde1					/data/sde1

Node3节点：node3/192.168.221.70		  磁盘： /dev/sdb1			挂载点： /data/sdb1
											/dev/sdc1					/data/sdc1
											/dev/sdd1					/data/sdd1
											/dev/sde1					/data/sde1

Node4节点：node4/192.168.221.80   	  磁盘： /dev/sdb1			挂载点： /data/sdb1
											/dev/sdc1					/data/sdc1
											/dev/sdd1					/data/sdd1
											/dev/sde1					/data/sde1

=====客户端节点：192.168.221.100=====

1、创建磁盘分区，并挂载

Node1节点：192.168.221.20
Node2节点：192.168.221.30
Node3节点：192.168.221.70
Node4节点：192.168.221.80
所有节点都要划分磁盘，这里使用node1作为示范，用脚本对磁盘进行操作

vim fdisk.sh
#!/bin/bash
NEWDEV=`ls /dev/sd* | grep -o 'sd[b-z]' | uniq`
for VAR in $NEWDEV
do
   echo -e "n\\np\\n\\n\\n\\nw\\n" | fdisk /dev/$VAR &> /dev/null
   mkfs.xfs /dev/${VAR}"1" &> /dev/null
   mkdir -p /data/${VAR}"1" &> /dev/null
   echo "/dev/${VAR}"1" /data/${VAR}"1" xfs defaults 0 0" >> /etc/fstab
done
mount -a &> /dev/null

chmod +x fdisk.sh
./fdisk.sh
df -h

在这里插入图片描述

2、更改节点名称，配置hosts文件

Node1节点：192.168.221.20
Node2节点：192.168.221.30
Node3节点：192.168.221.70
Node4节点：192.168.221.80
所有节点都要配置，这里使用node1作为示范

hostname node1
su -

echo "192.168.221.20 node1" >> /etc/hosts
echo "192.168.221.30 node2" >> /etc/hosts
echo "192.168.221.70 node3" >> /etc/hosts
echo "192.168.221.80 node4" >> /etc/hosts
cat /etc/hosts

在这里插入图片描述

3、安装、启动GlusterFS服务

Node1节点：192.168.221.20
Node2节点：192.168.221.30
Node3节点：192.168.221.70
Node4节点：192.168.221.80
所有节点都要安装，这里使用node1作为示范

#将软件包放入opt目录下
cd /opt
unzip gfsrepo.zip 

cd /etc/yum.repos.d/
mkdir repos.bak
mv * repos.bak/

vim glfs.repo
[glfs]
name=glfs
baseurl=file:///opt/gfsrepo
gpgcheck=0
enabled=1

yum clean all && yum makecache

yum -y install glusterfs glusterfs-server glusterfs-fuse glusterfs-rdma

systemctl start glusterd.service
systemctl enable glusterd.service
systemctl status glusterd.service

在这里插入图片描述

4、添加节点并创建集群

Node1节点：192.168.221.20
添加节点到存储信任池中

gluster peer probe node1
gluster peer probe node2
gluster peer probe node3
gluster peer probe node4

#查看群集状态（可以在每个节点上使用）
gluster peer status

在这里插入图片描述

5、创建五种卷

========根据以下规划创建卷=========
卷名称 				卷类型				Brick
dis-volume			分布式卷			node1(/data/sdb1)、node2(/data/sdb1)
stripe-volume		条带卷			node1(/data/sdc1)、node2(/data/sdc1)
rep-volume			复制卷			node3(/data/sdb1)、node4(/data/sdb1)
dis-stripe			分布式条带卷		node1(/data/sdd1)、node2(/data/sdd1)、node3(/data/sdd1)、node4(/data/sdd1)
dis-rep				分布式复制卷		node1(/data/sde1)、node2(/data/sde1)、node3(/data/sde1)、node4(/data/sde1)

（1）创建分布式卷
#创建分布式卷，没有指定类型，默认创建的是分布式卷
创建分布式卷
gluster volume create dis-volume node1:/data/sdb1 node2:/data/sdb1 force

查看卷列表
gluster volume list

启动新建分布式卷
gluster volume start dis-volume

查看创建分布式卷信息
gluster volume info dis-volume

在这里插入图片描述

（2）创建条带卷
指定类型为 stripe，数值为 2，且后面跟了 2 个 Brick Server，所以创建的是条带卷

创建条带卷
gluster volume create stripe-volume stripe 2 node1:/data/sdc1 node2:/data/sdc1 force

启动新建条带卷
gluster volume start stripe-volume

查看创建条带卷信息
gluster volume info stripe-volume

在这里插入图片描述

（3）创建复制卷
指定类型为 replica，数值为 2，且后面跟了 2 个 Brick Server，所以创建的是复制卷

创建复制卷
gluster volume create rep-volume replica 2 node3:/data/sdb1 node4:/data/sdb1 force

启动新建复制卷
gluster volume start rep-volume

查看创建复制卷信息
gluster volume info rep-volume

在这里插入图片描述

（4）创建分布式条带卷
指定类型为 stripe，数值为 2，而且后面跟了 4 个 Brick Server，是 2 的两倍，所以创建的是分布式条带卷

创建分布式条带卷
gluster volume create dis-stripe stripe 2 node1:/data/sdd1 node2:/data/sdd1 node3:/data/sdd1 node4:/data/sdd1 force

启动新建分布式条带卷
gluster volume start dis-stripe

查看创建分布式条带卷信息
gluster volume info dis-stripe

在这里插入图片描述

（5）创建分布式复制卷
指定类型为 replica，数值为 2，而且后面跟了 4 个 Brick Server，是 2 的两倍，所以创建的是分布式复制卷

创建分布式复制卷
gluster volume create dis-rep replica 2 node1:/data/sde1 node2:/data/sde1 node3:/data/sde1 node4:/data/sde1 force

启动新建分布式复制卷
gluster volume start dis-rep

查看创建分布式复制卷信息
gluster volume info dis-rep

在这里插入图片描述

6、配置客户端

部署Gluster客户端（192.168.221.100）
（1）安装客户端软件

cd /opt
unzip gfsrepo.zip 

cd /etc/yum.repos.d/
mkdir repos.bak
mv * repos.bak/

vim glfs.repo
[glfs]
name=glfs
baseurl=file:///opt/gfsrepo
gpgcheck=0
enabled=1

yum clean all && yum makecache
yum -y install glusterfs glusterfs-fuse

在这里插入图片描述

（2）配置/etc/hosts文件
echo "192.168.221.20 node1" >> /etc/hosts
echo "192.168.221.30 node2" >> /etc/hosts
echo "192.168.221.70 node3" >> /etc/hosts
echo "192.168.221.80 node4" >> /etc/hosts
cat /etc/hosts

在这里插入图片描述

（3）创建挂载目录

mkdir -p /srs/{dis,stripe,rep,dis_stripe,dis_rep}
cd /srs
ls

在这里插入图片描述

（4）挂载 Gluster 文件系统

临时挂载
mount.glusterfs node1:dis-volume /srs/dis
mount.glusterfs node1:stripe-volume /srs/stripe
mount.glusterfs node1:rep-volume /srs/rep
mount.glusterfs node1:dis-stripe /srs/dis_stripe
mount.glusterfs node1:dis-rep /srs/dis_rep
df -h

企业中最好用永久挂载，以防重启或服务器宕机（这里不做演示）
vim /etc/fstab
node1:dis-volume		/test/dis				glusterfs		defaults,_netdev		0 0
node1:stripe-volume		/test/stripe			glusterfs		defaults,_netdev		0 0
node1:rep-volume		/test/rep				glusterfs		defaults,_netdev		0 0
node1:dis-stripe		/test/dis_stripe	    glusterfs		defaults,_netdev		0 0
node1:dis-rep			/test/dis_rep		    glusterfs       defaults,_netdev		0 0

mount -a

在这里插入图片描述

7、测试

部署Gluster客户端（192.168.221.100）
向卷中写入文件

cd /opt
dd if=/dev/zero of=/opt/demo1.log bs=1M count=40
dd if=/dev/zero of=/opt/demo2.log bs=1M count=40
dd if=/dev/zero of=/opt/demo3.log bs=1M count=40
dd if=/dev/zero of=/opt/demo4.log bs=1M count=40
dd if=/dev/zero of=/opt/demo5.log bs=1M count=40

ls -lh /opt

cp demo* /srs/dis
cp demo* /srs/stripe/
cp demo* /srs/rep/
cp demo* /srs/dis_stripe/
cp demo* /srs/dis_rep/

在这里插入图片描述

8、查看

查看卷对应的磁盘分区中的文件数据，验证结果

（1）查看分布式文件分布
node1:/dev/sdb1
ll -h /data/sdb1

node2:/dev/sdb1
ll -h /data/sdb1
现象：分布式只会将demo文件分开存储（5个文件不在同一磁盘分区上），不会将数据分片和备份

在这里插入图片描述

（2）查看条带卷文件分布
node1:/dev/sdc1
ll -h /data/sdc1

node2:/dev/sdc1
ll -h /data/sdc1
现象：条带卷会将每个demo文件中的数据分片存储（两个分区各有20M的文件），没有备份

在这里插入图片描述

（3）查看复制卷文件分布
node3:/dev/sdb1
ll -h /data/sdb1

node4:/dev/sdb1
ll -h /data/sdb1
现象：复制卷会将每个文件放入卷中的磁盘分区中（两分区的文件一样）

在这里插入图片描述

（4）查看分布式条带卷分布
node1:/dev/sdd1
ll -h /data/sdd1

node2:/dev/sdd1
ll -h /data/sdd1

node3:/dev/sdd1
ll -h /data/sdd1

node4:/dev/sdd1
ll -h /data/sdd1
现象：分布式条带卷中，带有分布式和条带卷的特点，即将数据分片，又将文件分开存储，没有备份

在这里插入图片描述

（5）查看分布式复制卷分布
node1:/dev/sde1
ll -h /data/sde1

node2:/dev/sde1
ll -h /data/sde1

node3:/dev/sde1
ll -h /data/sde1

node4:/dev/sde1
ll -h /data/sde1
现象：分布式复制卷中，带有分布式和复制卷的特点，即将文件分开存储，又复制一遍文件（备份）

在这里插入图片描述

四、冗余测试

1、node2节点模拟故障

systemctl stop glusterd.service

在这里插入图片描述

2、客户端验证

在客户端（192.168.221.100）上查看文件是否正常

（1）分布式卷
ls -lh /srs/dis/
结论：数据查看，缺少demo5，文件demo5是存储在node2上的，所以分布式卷不具备冗余

在这里插入图片描述

（2）条带卷
ls -lh /srs/stripe/
结论：文件中没有数据，说明数据全部丢失，所以条带卷不具备冗余

在这里插入图片描述

（3）复制卷
在node3和node4中选一个关闭的，关闭node4（192.168.163.14）进行测试，
具有冗余
ls -lh /srs/rep/
结论：文件和数据都在，所以复制卷具有冗余

在这里插入图片描述

（4）分布式条带卷
ls -lh /srs/dis_stripe/
结论：存储在node1和node2上的4个文件不见了（数据是分片存储的），所以分布式条带卷不具备冗余

在这里插入图片描述

（5）分布式复制卷
ls -lh /srs/dis_rep/
结论：文件和数据都在，所以分布式复制卷具有冗余

在这里插入图片描述

六、其他相关维护命令

在这里插入图片描述

以上是关于Datax-web 集群化部署使用（图文教程超详细）的主要内容，如果未能解决你的问题，请参考以下文章

Windows 2016 无域故障转移群集部署方法超详细图文教程

ELK日志分析概述+实际部署图文超详细步骤（整理了几天）！！！

安装centos7 搭配linux集群并进行 ssh免密登录（图文超详细）

Datax-web 集群化部署使用（图文教程超详细）

环境准备

Datax 安装

Datax-web 安装

添加 Executor

GFS分布式文件系统+集群部署（图文超详细）

GFS分布式文件系统概述以及集群部署

一、GlusterFS

1、概述

2、特点

3、GlusterFS术语

二、GlusterFS架构

1、模块化、堆栈式的架构

2、后端存储如何定位文件

3、GFS支持的七种卷

三、GFS部署

集群环境准备

1、创建磁盘分区，并挂载

2、更改节点名称，配置hosts文件

3、安装、启动GlusterFS服务

4、添加节点并创建集群

5、创建五种卷

6、配置客户端

7、测试

8、查看

四、冗余测试

1、node2节点模拟故障

2、客户端验证

六、其他相关维护命令