Docker容器搭建大数据集群

Posted 2022-11-23 何以愁

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Docker容器搭建大数据集群相关的知识，希望对你有一定的参考价值。

Docker容器搭建大数据集群

首先准备好Centos7(之前准备好的模板机)

安装Docker

更新yum包（期间选择全选’y’）
- ```
yum update
```
安装需要的软件包，yum-util提供yum-config-manager功能,另外两个是devicemapper驱动依赖
- ```
yum install -y yum-utils device-mapper-persistent-data lvm2
```

设置yum源为阿里云

yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

安装Docker
- ```
yum -y install docker-ce
```
- 检查安装是否成功
  - ```
  docker -v
```

设置ustc的镜像

创建docker目录
- ```
mkdir -p /etc/docker
```

编辑daemon.json

vim /etc/docker/daemon.json


  "registry-mirrors": ["https://yxzrazem.mirror.aliyuncs.com"]

启动Docker(完成此步骤最好保存快照，以免后面环境出错难以恢复)
- ```
systemctl start docker
```
- 查看是否启动成功
  - ```
  systemctl status docker
```

Hadoop集群安装准备

基础镜像准备
- 拉取centos镜像
  - ```
  docker pull centos:7.5.1804
```
创建docker-hadoop
- ```
mkdir docker-hadoop
```
把jdk上传~/docker-hadoop

创建Dockerfile

vim Dockerfile

FROM centos:7.5.1804
#安装JDK
RUN mkdir -p /opt/software && mkdir -p /opt/service
ADD jdk-8u212-linux-x64.tar.gz /opt/service

#安装语言包
RUN yum -y install kde-l10n-Chinese glibc-common vim
RUN localedef -c -f UTF-8 -i zh_CN zh_CN.utf8
RUN echo "LANG=zh_CN.UTF-8" >> /etc/locale.conf

#解决login环境变量失效问题
RUN touch /etc/profile.d/my_env.sh
RUN echo -e "export LC_ALL=zh_CN.UTF-8\\nexport JAVA_HOME=/opt/service/jdk1.8.0_212\\nexport PATH=\\$PATH:\\$JAVA_HOME/bin" >> /etc/profile.d/my_env.sh

#安装ssh服务
#更换国内阿里云yum源
RUN curl -o /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo
RUN sed -i -e '/mirrors.cloud.aliyuncs.com/d' -e '/mirrors.aliyuncs.com/d' /etc/yum.repos.d/CentOS-Base.repo
RUN yum makecache

#安装sshd
RUN yum install -y openssh-server openssh-clients vim net-tools lrzsz
RUN sed -i '/^HostKey/'d /etc/ssh/sshd_config
RUN echo 'HostKey /etc/ssh/ssh_host_rsa_key' >> /etc/ssh/sshd_config

#生成ssh-key
RUN ssh-keygen -t rsa -b 2048 -f /etc/ssh/ssh_host_rsa_key

#更改root用户登录密码
RUN echo 'root:123456' | chpasswd

#声明22端口 
EXPOSE 22
#容器运行时启动sshd
RUN mkdir -p /opt
RUN echo '#!/bin/bash' >> /opt/run.sh
RUN echo '/usr/sbin/sshd -D' >> /opt/run.sh
RUN chmod +x /opt/run.sh
#CMD ["/opt/run.sh"]
CMD [ "/usr/sbin/init"]

生成基础镜像

```
docker build -t hadoopbase:1.0 ./
```
查看镜像是否成功构建
- ```
    docker images
```

测试镜像
- 起一个容器测试
  - ```
  docker run -itd --name test -p 222:22 hadoopbase:1.0
```
- 可以新打开一个xshell窗口，IP地址和宿主机一致，端口号改为222即可连接

集群环境配置

创建三个容器

docker create -it --name hadoop102 --privileged=true -h hadoop102 hadoopbase:1.0 /usr/sbin/init
docker create -it --name hadoop103 --privileged=true -h hadoop103 hadoopbase:1.0 /usr/sbin/init
docker create -it --name hadoop104 --privileged=true -h hadoop104 hadoopbase:1.0 /usr/sbin/init

创建脚本

先进入目录/usr/local/bin/
- ```
cd /usr/local/bin/
```
把pipework拷贝上传上去

创建docker.sh

vim docker.sh

#!/bin/bash

#启动容器
docker start hadoop102
docker start hadoop103
docker start hadoop104

#搭建网桥,下面8.8.8.80是宿主机的IP
brctl addbr br0; \\
ip link set dev br0 up; \\
ip addr del 8.8.8.80/24 dev ens33; \\
ip addr add 8.8.8.80/24 dev br0; \\
brctl addif br0 ens33; \\
ip route add default via 8.8.8.1 dev br0

#睡眠5秒
sleep 5

#给容器配置ip和网关
pipework br0 hadoop102 8.8.8.102/24@8.8.8.2
pipework br0 hadoop103 8.8.8.103/24@8.8.8.2
pipework br0 hadoop104 8.8.8.104/24@8.8.8.2

增加脚本执行权限并下载工具

chmod 777 docker.sh
chmod 777 pipework
yum install bridge-utils

执行脚本
- ```
docker.sh
```

用xshell连接三个容器

配置主机和ip映射，三台容器都需要执行

```
vim /etc/hosts
```

配置如下

8.8.8.102 hadoop102
8.8.8.103 hadoop103
8.8.8.104 hadoop104

配置免密登录

设置公钥和私钥(此步骤需要在三台容器都执行)
- ```
#输入命令后一直按回车
ssh-keygen -t rsa
```

拷贝公钥(此步骤需要在三台容器都执行)

#输入命令之后会输入yes，然后输入密码
ssh-copy-id hadoop102
ssh-copy-id hadoop103
ssh-copy-id hadoop104

Hadoop安装

在三台机子都运行如下命令

#安装所需要的工具
yum install -y psmisc nc net-tools rsync vim lrzsz ntp libzstd openssl-static tree iotop git

创建分发文件脚本(写在hadoop102上102是我们的主机)

cd ~
mkdir bin
cd bin
touch my_rsync.sh
#提升权限
chmod 744 my_rsync.sh
vim my_rsync.sh

#!/bin/bash

#参数预处理
if [ $# -lt 1 ]
then
	echo '参数不能为空!!!'
	exit
fi

#遍历集群中的机器一次分发内容
for host in hadoop103 hadoop104
do
	#依次分发内容
	for file in $@
	do
		#判断当前文件是否存在
		if [ -e $file ]
		then
			#存在
			#1.获取当前文件的目录结构
			pdir=$(cd -P $(dirname $file); pwd)
			#2.获取当前的文件名
			fname=$(basename $file)
			#3.登录目标机器，创建同一目录结构
			ssh $host "mkdir -p $pdir"
			#4.依次把要分发的文件或目录进行分发
			rsync -av $pdir/$fname $host:$pdir
		else
			#不存在
			echo "$file 不存在"
			exit
		fi
	done
done

将hadoop导入到/opt/software文件下(hadoop102上操作)
- ```
cd /opt/software/
```

将其解压到/opt/service/

tar -zxvf hadoop-3.1.3.tar.gz -C /opt/service/

进入目录查看
- ```
cd /opt/service/
```

将hadoop添加到环境变量

第一步到hadoop家目录下获取路径
- ```
cd /opt/service/hadoop-3.1.3/
pwd
```
第二步：打开/etc/profile.d/my_env.sh文件
- ```
vim /etc/profile.d/my_env.sh
```

第三步：在my_env.sh中添加如下配置

#HADOOP_HOME
export HADOOP_HOME=/opt/service/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADDOP_HOME/sbin

第四步：刷新配置文件
- ```
source /etc/profile.d/my_env.sh
```

修改配置文件，进入$HADOOP_HOME/etc/hadoop

```
cd $HADOOP_HOME/etc/hadoop
```
修改core-site.xml
```
vim core-site.xml
```

修改内容如下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- 指定NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop102:9820</value>
    </property>
    <!-- 指定hadoop数据的存储目录 -->
        <property>
            <name>hadoop.tmp.dir</name>
            <value>/opt/service/hadoop-3.1.3/data</value>
    </property>


        <property>
            <name>hadoop.http.staticuser.user</name>
            <value>root</value>
    </property>


        <property>
            <name>hadoop.proxyuser.root.hosts</name>
            <value>*</value>
    </property>

        <property>
            <name>hadoop.proxyuser.root.groups</name>
            <value>*</value>
    </property>

        <property>
            <name>hadoop.proxyuser.root.groups</name>
            <value>*</value>
    </property>

</configuration>

配置hdfs-site.xml
```
vim hdfs-site.xml
```

文件配置如下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- nn web端访问地址-->
	<property>
        <name>dfs.namenode.http-address</name>
        <value>hadoop102:9870</value>
    </property>
	<!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop104:9868</value>
    </property>
</configuration>

配置yarn-site.xml
```
vim yarn-site.xml
```

文件配置如下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- 指定MR走shuffle -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
</property>
<!-- 指定ResourceManager的地址-->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop103</value>
</property>
<!-- 环境变量的继承 -->
    <property>
        <name>yarn.nodemanager.env-whitelist</name>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
</property>
<!-- yarn容器允许分配的最大最小内存 -->
    <property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>512</value>
    </property>
    <property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>4096</value>
</property>
<!-- yarn容器允许管理的物理内存大小 -->
    <property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>4096</value>
</property>
<!-- 关闭yarn对物理内存和虚拟内存的限制检查 -->
    <property>
        <name>yarn.nodemanager.pmem-check-enabled</name>
        <value>false</value>
    </property>
    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
    </property>
</configuration>

配置mapred-site.xml
```
vim mapred-site.xml
```

配置如下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- 指定MapReduce程序运行在Yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

把文件分发到各个主机（使用前面所写的分发脚本）

cd $HADOOP_HOME
my_rsync.sh /opt/service/hadoop-3.1.3/
#把环境变量配置也分发过去，因为我们图方便用的root用户登录，所以可以直接用分发脚本
my_rsync.sh /etc/profile.d/my_env.sh

格式化namenode
- ```
cd $HADOOP_HOME
hdfs namenode -format
```

配置群起脚本(hadoop102上执行下面步骤)

先修改配置

vim /opt/service/hadoop-3.1.3/etc/hadoop/workers

配置内容如下(切记不能有然后空格和空行)
```
hadoop102
hadoop103
hadoop104
```

分发刚才修改之后的文件

my_rsync.sh /opt/service/hadoop-3.1.3/etc/hadoop/workers

回到home目录，并创建编写脚本

cd ~/bin
touch my_cluster.sh
chmod 744 my_cluster.sh
vim my_cluster.sh

脚本内容如下

#!/bin/bash

if [ $# -lt 1 ]
then
	echo '参数不能为空！！！'
	exit
fi

case $1 in
"start")
	#启动HDFS集群
	echo "===========启动HDFS集群============"
	ssh hadoop102 /opt/service/hadoop-3.1.3/sbin/start-dfs.sh
	
	#启动YARN集群
	echo "===========启动YARN集群============"
	ssh hadoop103 /opt/service/hadoop-3.1.3/sbin/start-yarn.sh
;;
"stop")
	#启动HDFS集群
	echo "===========停止HDFS集群============"
	ssh hadoop102 /opt/service/hadoop-3.1.3/sbin/stop-dfs.sh
	
	#启动YARN集群
	echo "===========停止YARN集群============"
	ssh hadoop103 /opt/service/hadoop-3.1.3/sbin/stop-yarn.sh
;;
*)
	echo '参数错误！！！'
;;
esac

在环境变量中添加如下几个配置

vim /etc/profile

#添加在末尾
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root

使用分发脚本把/etc/profile分发下去，并source /etc/profile(三台机子都需要执行source命令)
- ```
my_rsync.sh /etc/profile
source /etc/profile
```

在$HADOOP_HOME/sbin路径下查找start-dfs.sh和stop-dfs.sh两个文件，在其顶部都添加上

#!/usr/bin/env bash
HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

顺便在start-yarn.sh和stop-yarn.sh两个文件顶部也分别加上

#!/usr/bin/env bash
YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

然后使用分发脚本把sbin分发下去

my_rsync.sh /opt/service/hadoop-3.1.3/sbin/*

编写一个脚本方便查看集群状态

```
cd ~/bin
vim my_jps.sh
```

内容如下

#!/bin/bash

#查看集群中所有的状态

for host in hadoop102 hadoop103 hadoop104
do
	echo "=========$host========="
	ssh $host jps
done

```
chmod 744 my_jps.sh
```

在hadoop102上运行测试
- ```
#就使用刚才所写的群起脚本
my_cluster.sh start
```
- 在物理机上访问8.8.8.102:9870
  
  如果有3个就证明成功,建议在此保留一份快照

搭建mysql【主机上】（hadoop102是我们的主机）

1.卸载Linux自带的MySQL

1.1查自带的软件

#如果查询有没有结果就可以跳过卸载步骤
rpm -qa | grep -E mysql\\|mariadb

1.2卸载

#后面的mariadb-libs-5.5.68-1.el7.x86_64是前一步查询出的结果
rpm -e --nodeps mariadb-libs-5.5.68-1.el7.x86_64

2.正式安装MySQL

上传MySQL软件包
- ```
cd /opt/software/
```

在/opt/software/目录下创建一个文件来收纳tar包的解压文件

mkdir mysql-rpm
tar -xvf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -C ./mysql-rpm/

到刚才解压到的包

cd /opt/software/mysql-rpm/
#安装依赖，防止MySQL安装报错
yum install -y libaio numactl
#安装MySQL，严格按照顺序安装
rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm

检查是否安装完成
- ```
rpm -qa | grep mysql
```

初始化数据库
- ```
mysqld --initialize --user=mysql
```
启动MySQL服务
- ```
systemctl start mysqld
```
查看MySQL状态

查看临时密码

cat /var/log/mysqld.log | grep password

复制好刚才查看到的临时密码，登录MySQL

#不建议把刚才复制的密码直接粘贴到-p之后，建议下面命令回车之后再粘贴密码
mysql -uroot -p

修改密码
- ```
set password = password('123456');
```

修改远程连接，修改之后就可以使用Navicat连接MySQL

use mysql;
update user set host = '%' where user = 'root';
flush privileges;

搭建Hive集群（Hadoop103和Hadoop104）

上传hive安装包
- ```
cd /opt/software/
```

解压包

tar -zxvf apache-hive-3.1.2-bin.tar.gz -C /opt/service/

查看软件包，并修改名字

cd /opt/service/
mv apache-hive-3.1.2-bin/ hive-3.1.2

配置环境变量

vim /etc/profile.d/my_env.sh

#hive
export HIVE_HOME=/opt/service/hive-3.1.2
export PATH=$PATH:$HIVE_HOME/bin

```
source /etc/profile.d/my_env.sh 
```

解决日志冲突

删除jar包

cd /opt/service/hive-3.1.2/lib/
rm -rf log4j-slf4j-impl-2.10.0.jar

hive元数据配置到MySQL

cd $HIVE_HOME/conf
touch hive-site.xml
vim hive-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <!-- jdbc连接的URL -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>

    <!-- jdbc连接的Driver-->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
</property>

	<!-- jdbc连接的username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <!-- jdbc连接的password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <以上是关于Docker容器搭建大数据集群的主要内容，如果未能解决你的问题，请参考以下文章 
 基于Docker搭建大数据集群基础组件配置
 Influxdb-v0.11 集群搭建（docker+nginx+influxdb）
 【大数据】使用Docker搭建Hadoop集群
 基于Docker搭建大数据集群Hive搭建
 Docker环境下创建Redis集群出现ERR Invalid node address specified: redis1:6379错误
 基于Docker搭建大数据集群Hbase部署

Docker容器搭建大数据集群

Docker容器搭建大数据集群

首先准备好Centos7(之前准备好的模板机)

安装Docker

更新yum包（期间选择全选’y’）

安装需要的软件包，yum-util提供yum-config-manager功能,另外两个是devicemapper驱动依赖

设置yum源为阿里云

安装Docker

设置ustc的镜像

启动Docker(完成此步骤最好保存快照，以免后面环境出错难以恢复)

Hadoop集群安装准备

基础镜像准备

集群环境配置

Hadoop安装

搭建mysql【主机上】（hadoop102是我们的主机）

1.卸载Linux自带的MySQL

2.正式安装MySQL

搭建Hive集群（Hadoop103和Hadoop104）