基于Ambari快速部署Hadoop大數(shù)據(jù)集群環(huán)境研究

胡必波 彭 梅 劉曉娟廣州工商學(xué)院

0 引言

大數(shù)據(jù)實驗環(huán)境的搭建涉及Linux系統(tǒng)、虛擬機軟件、JDK、Hadoop、Spark、HBase、Hive等多種開源軟件的安裝，安裝過程涉及大量配置，不易快速集成和維護，給Hadoop平臺的實踐課程教學(xué)帶來了很大的挑戰(zhàn)。廣州工商學(xué)院雖然引入了青軟QST大數(shù)據(jù)“云桌面”解決方案，學(xué)生在本地終端通過校園網(wǎng)連接到QST大數(shù)據(jù)服務(wù)器，中央服務(wù)器為其分配一個虛擬機，學(xué)生在虛擬機上完成各種實驗操作。但這種方案受限于校園局域網(wǎng)絡(luò)，而且機房統(tǒng)一上機的時間相對有限，不能很好地滿足教師和學(xué)生課后學(xué)習(xí)實踐大數(shù)據(jù)時的需求，仍然需要構(gòu)建單機實驗環(huán)境進行線下輔助教學(xué)。本文通過實踐探索，利用Ambari快速部署Hadoop集群環(huán)境，簡化了集群供應(yīng)，只需要一臺物理計算機就可以開展集群部署、監(jiān)控和管理等實驗，既方便教學(xué)，又貼近實際生產(chǎn)應(yīng)用環(huán)境。

1 VMware與Ambari

虛擬化技術(shù)是指通過虛擬化軟件VMM在一臺計算機上模擬出一個或多個虛擬化環(huán)境。虛擬化常見的類型有：系統(tǒng)虛擬化、服務(wù)器虛擬化、桌面虛擬化、存儲虛擬化、網(wǎng)絡(luò)虛擬化以及應(yīng)用虛擬化等，其中，系統(tǒng)虛擬化是指使用VMware Workstation等虛擬化軟件在物理計算機上虛擬出一個邏輯操作系統(tǒng)（虛擬機）來安裝和使用另一個操作系統(tǒng)及其應(yīng)用程序，互不影響使用。

Apache Ambari是一種基于Web的工具，支持Apache Hadoop集群的安裝、部署、配置和管理，支持包括HDFS、MapReduce、Hive、Pig、HBase、Zookeeper、Sqoop等大多數(shù)Hadoop組件。Ambari從集群節(jié)點和服務(wù)收集大量信息，并將其表現(xiàn)為容易使用的、集中化的接口，如Ambari Web、Restful API等；Ambari Web顯示諸如服務(wù)特定的摘要、圖表以及警報信息。可通過Ambari Web對Hadoop集群進行創(chuàng)建、管理、監(jiān)視、添加主機、更新服務(wù)配置等；也可以利用Ambari Web執(zhí)行集群管理任務(wù)，例如，啟用Kerberos安全以及執(zhí)行Stack升級。任何用戶都可以查看Ambari Web特性。擁有administrator角色的用戶比operator或view-only的用戶能訪問的選項更多。例如，Ambari administrator可以管理集群安全，一個operator用戶可以監(jiān)控集群，而view-only用戶只能訪問系統(tǒng)管理員已授予的必要權(quán)限。

Ambari自身也是一個分布式架構(gòu)的軟件，主要由兩部分組成：Ambari Server和Ambari Agent。Ambari Server從整個集群中收集信息。每個主機上都有Ambari Agent，Ambari Server通過Ambari Agent控制每個主機。簡單來說，用戶通過Ambari Server通知Ambari Agent安裝對應(yīng)的軟件；Agent會定時發(fā)送各個機器中每個軟件模塊的狀態(tài)給Ambari Server，最終這些狀態(tài)信息會呈現(xiàn)在Ambari的GUI，方便用戶了解到集群的各種狀態(tài)，并進行相應(yīng)的維護。Ambari Server架構(gòu)如圖1所示。

圖1 Ambari Server架構(gòu)

2 Hadoop集群部署

2.1 部署節(jié)點規(guī)劃

本文以4臺節(jié)點為例，來組建Hadoop分布式集群，系統(tǒng)版本采用的是Linux發(fā)行版 CentOS7（64位）。根據(jù)如表1所示的資源配置來組建大數(shù)據(jù)基礎(chǔ)平臺。

表1 Hadoop集群主機規(guī)劃

2.2 環(huán)境準(zhǔn)備

（1）下載安裝包。通過ambari安裝需要下載下面的5個主要包：ambari-2.6.1.5+HDP-2.6.4.0+HDP-UTILS-1.1.0.22+HDPGPL-2.6.4.0+JDK1.8+MySQL5.6，所有的安裝包加起來共約9 G，建議從官網(wǎng)下載軟件包，然后上傳到服務(wù)器，通過配置本地源的方式來實現(xiàn)離線安裝。HDP是hortonworks的軟件棧，包含了hadoop生態(tài)系統(tǒng)的所有軟件項目，比如HBase、Zookeeper、Hive、Pig等，HDP-UTILS是工具類庫。

（2）關(guān)閉服務(wù)。為了方便集群節(jié)點的互相通信，應(yīng)先關(guān)閉各節(jié)點的firewalld、iptables、selinux等服務(wù)。此外，還應(yīng)關(guān)閉THP，否則Hadoop的系統(tǒng)CPU使用率很高。操作系統(tǒng)后臺的khugepaged進程會一直掃描所有進程占用的內(nèi)存，在可能的情況下，會把4k page交換為Huge Pages。在該過程中，對于操作中內(nèi)存的各種分配活動都需要各種內(nèi)存鎖，直接影響程序的內(nèi)存訪問性能，且該過程對于應(yīng)用是透明的，在應(yīng)用層面不可控制，對于專門為4k page優(yōu)化的程序來說，可能會造成隨機性能下降。同時，建議最大打開文件描述符數(shù)為10000或更多。

（3）配置同步時鐘。集群中的各節(jié)點需要安裝并啟動ntp服務(wù)，以保證集群時間的一致。在各節(jié)點安裝ntp服務(wù)后，設(shè)置master為主服務(wù)器開啟nptd服務(wù)，各子節(jié)點slave1、slave2、slave3設(shè)置同步。在master開啟ntp服務(wù)器以后，其余子節(jié)點就不需要開啟，如果發(fā)現(xiàn)NTP啟動之后時間并不同步，可直接使用定時手動同步的方式。

（4）配置SSH無密碼登陸。由于部署過程中，配置master節(jié)點無密碼登錄到其他節(jié)點，可通過復(fù)制master節(jié)點．ssh/id_rsa．pub至其他節(jié)點的．ssh/authorized _ keys文件中實現(xiàn)。在通過測試是否實現(xiàn)了無密碼登錄后，可將創(chuàng)建的秘鑰拷貝出來，因為后面ambari安裝時需要上傳該秘鑰。創(chuàng)建秘鑰是在隱藏文件夾/root/.ssh/下面的，所以，需要先把秘鑰拷貝到可見區(qū)域，然后拷貝到電腦上。只需保證master免密到其他節(jié)點（包含自身），不需要互通。

（5）制作本地源。在master需要先安裝httpd服務(wù)并設(shè)置為開機啟動，然后在/var/www/html根目錄下新建ambari目錄，開啟FTP服務(wù)后，將前面下載的ambari 2.6.0+ HDP 2.6.3+ HDP-UTILS 1.1.0這3個包拷貝到該目錄下，再進行解壓縮操作，并通過http∶//192.168.137.140/ambari/查看訪問master是否能成功訪問。在master安裝本地源制作相關(guān)工具后，修改文件里面的源地址，將其拷貝到/etc/yum.repos.d/，最后拷貝分發(fā)到各子節(jié)點slave1、slave2、slave3。

（6）安裝ambari-server。執(zhí)行相關(guān)命令完成ambari -Server、ambari-agent安裝。ambari -Server有兩種安裝模式可供選擇，一種是默認postgresql數(shù)據(jù)庫的安裝方式，但不推薦在生產(chǎn)環(huán)境中使用；還有一種方式是使用MySQL等第三方數(shù)據(jù)庫安裝方式。若采用第三方數(shù)據(jù)庫形式，需要在master主機先安裝配置好MySQL。MySQL安裝成功后，需要通過mysql-connection-java.jar包建立MySQL與ambari-server的連接，并在MySQL數(shù)據(jù)庫創(chuàng)建ambari數(shù)據(jù)庫及數(shù)據(jù)庫的用戶名和密碼、創(chuàng)建hive數(shù)據(jù)庫及hive庫的用戶名和密碼、創(chuàng)建oozie數(shù)據(jù)庫及oozie庫的用戶名和密碼。

3 部署與管理Hadoop集群

3.1 部署Hadoop集群

執(zhí) 行“ambari-server start” 命 令， 登 錄http∶//192.168.137.140/8080，在“用戶名”的文本框中輸入“admin”，在“密碼”的文本框中輸入“admin”，可進入Ambari管理界面。

在“選擇安裝?！睍r，指定安裝源HDP和HDP -UTILS的位置。指定相應(yīng)的目標(biāo)主機并選擇手動注冊主機，選擇所需要安裝的服務(wù)。本文需要安裝HDFS、YARN+MapReduce2、Zookeeper、Ambari Metrics、Hive、HBase、Mahout、Sqoop、Spark等服務(wù)。在整個過程需要設(shè)置Grafana Admin和Hive的密碼。

3.2 管理Hadoop 集群

單擊頁面導(dǎo)航欄的“主界面”按鈕，在主界面可以查看集群狀態(tài)和監(jiān)控信息；單擊頁面導(dǎo)航欄的“主界面”按鈕，在主界面可以查看集群狀態(tài)和監(jiān)控信息，如圖2所示。至此，大數(shù)據(jù)基礎(chǔ)平臺已經(jīng)部署完畢了。

圖2 Ambari平臺主界面

Ambari的用戶圖形界面非常有助于平臺管理員去管理維護和監(jiān)控Hadoop集群。在Hadoop集群部署完成后，打開部署Ambari Server主機的8080端口。默認的管理員用戶名為admin，密碼為admin。登錄后進入Ambari管理的Hadoop集群主界面。該界面形象展示了集群服務(wù)的運行狀態(tài)、資源使用狀況、配置參數(shù)以及錯誤告警等。

（1）服務(wù)管理。在頁面左側(cè)的服務(wù)列表中，可以選中任何一個想要操作的服務(wù)。以HDFS為例，選擇HDFS的“概要”選項卡，顯示HDFS運行的進程信息，包括運行狀態(tài)、資源使用情況以及監(jiān)控信息。

（2）主機管理。單擊頁面導(dǎo)航欄中“主機”按鈕，打開Ambari所管理的主機列表。進入其中一臺主機中（如master），可以看到，該主機中所有進程的運行狀態(tài)、主機資源使用情況、主機的IP地址、資源械等信息。

（3）進程管理。每個服務(wù)都由相應(yīng)的進程組成，如HDFS服務(wù)，包含了NameNode、SNameNode、DateNode等進程。進入master節(jié)點中，找到需要進行管理的進程，如NameNode，該進程后面有個“Started”按鈕，表示該進程正在運行中，單擊該按鈕可以改變進程的運行狀態(tài)，如“重啟”“停止”“移動”“打開維護模式”“均衡HDFS”等。如圖3所示。

（4）配置管理。Ambari管理工具可以很方便地修改配置文件，并應(yīng)用到集群的每一臺主機中，尤其是當(dāng)集群中主機的數(shù)量非常多時。例如，需要修改集群HDFS文件系統(tǒng)，Block的復(fù)制因子（Block replication）為2，手動部署集群的情況下，則要修改每一臺主機的hdfs-site.xml配置文件。如果一個集群有幾十臺或者幾百臺主機，工作量將非常大。而Ambari集群管理工具則可以很好地應(yīng)對，由集群中的Ambari Server向每臺主機中的Ambari Agent發(fā)送相關(guān)的心跳信息，由此更新每臺主機中的配置文件。如圖4所示。

圖3 主機管理界面

圖4 配置管理界面

4 結(jié)束語

傳統(tǒng)的手動安裝、修改配置文件搭建hadoop平臺的方法，雖然能大致了解hadoop基本的部署過程，但是實際生產(chǎn)過程中不可能采用這種全手工的方法，后續(xù)還涉及安裝HBase/Hive/Spark/Storm之類的上層應(yīng)用，以及管理監(jiān)控平臺，過程相對繁瑣。本文利用優(yōu)秀的分布式集群管理工具Ambari部署工具來構(gòu)建大數(shù)據(jù)平臺并對集群進行管理的方法，實現(xiàn)了自動化部署+管理監(jiān)控，大大提高部署Hadoop集群的效率及成功率，適用于在高校教學(xué)環(huán)境以及大規(guī)模Hadoop節(jié)點部署場景中使用，但也存在穩(wěn)定性差、部署的宿主機內(nèi)存要求較高、屏蔽很多細節(jié)、難以對Hadoop生態(tài)圈各組件的深入理解等缺點。因此，也不能完全摒棄傳統(tǒng)方法，而是將其作為自動化方法的補充，讀者可以根據(jù)實際情況選用。