A dockerfile for setting up a full Hadoop cluster server

一套在ubuntu 下生成和部署Hadoop的Docker镜像的配置文件集与示例。

包括:

• 环境配置文件
• 生成 docker image 的dockerfile
• 启动和配置docker的docker-compose的配置文件
• IDEA 的相关配置文件
• 一些文章博客教程
• 几个简单到复杂的示例项目

[TOC]

• Hadoop 一个大数据的分布式计算框架
• Docker 一个轻量级的容器服务

Hadoop 是一个分布式的计算机框架,显然要有多台机器(当然可以搭伪分布式的).这时候就需要有多台机器.可以用虚拟机模拟,但是虚拟机太重,性能损耗大.

Docker 是一个轻量级的容器服务,相当于一个虚拟机,不过损耗的资源较小

• Docker 镜像 包括运行一个程序所需的所有文件
• Volumes 卷 一个Docker的图层,作用于某个正在运行的容器的镜像上面

Docker镜像一旦生成即不可变的,但是我们的程序要生成或获取一些动态的文件.Volume就是来解决这个问题的,它将Host的一个路径与容器的一个路径关联起来,容器读写该路径下的文件会被代理到Host关联的路径下.

• 端口映射 将容器的端口和主机的端口关联起来

我们的Hadoop 的datanode和namenode什么的都会监听同样的端口,我们将这些端口映射到主机的不同端口上,可以从主机访问各个容器的状态.

• docker-compose 用来启动和配置多个镜像

我们启动一个hadoop的docker集群,必然有多个容器要先后启动,他们的端口和文件映射都需要独立的进行配置,docker-compose是一个用来的帮助我们完成这些功能的小工具

在宿主机上需要用到的程序大概有(不完全):

• docker-ce 社区版就行

• maven java 的库和项目管理程序

• idea java的IDE

这一步可以跳过,直接在docker hub下载我上传的镜像 然后在某一步出错或卡住,去看持续集成是怎么做的(travis-ci的脚本)

其实很多人(包括我)都搭建过hadoop的镜像,然后上传到Docker Hub的,区别(可能)只是里面的配置文件不一样,所以不想自己搭建的可以用搭好的,然后再改改.不过不保证可用性,下面是一些看起来比较有用的镜像:

• https://hub.docker.com/r/sequenceiq/hadoop-docker

• https://github.com/docker/labs/tree/master/developer-tools/java/ 官方的docker java 示例
  • https://github.com/docker/labs/tree/master/developer-tools/java-debugging 同上
• https://hub.docker.com/_/openjdk openjdk的docker

• ubuntu:xenial 基础的ubuntu系统镜像
  • hadoop-base 包括jdk,hadoop等需要用到的安装包
    • hadoop-master 主机
    • hadopp-slave 计算节点

我们要将运行hadoop所需的文件,程序安装到该镜像

这里分成多个不同层次的镜像构建,还没研究docker构建的缓存细节,所以这样当做手动使用缓存,不需要每次都从零开始构建

• 先搭个jdk8的环境

todo :这里为了省事直接apt get的,比较大,下一次改成解压二进制包试试大小

cd ./docker/jdk8
docker build -t czfshine/openjdk8 .

测试一下:

docker run -t -i czfshine/openjdk8:latest
java -version

• 然后是ssh

cd ./docker/ssh
docker build -t czfshine/ssh .

同样的测试一下

docker run -t -i czfshine/ssh
ssh localhost

下面正式构建hadoop镜像了

• 首先cd到docker/hadoop-base文件夹下

• 执行./download.sh 它将从清华大学镜像站下载2.7.7版本的Hadoop

  这一步当然可以写在Dockerfile里面,可是考虑到每一次构建镜像都要下载一次太慢了,就算了:)

• 执行clean.sh 删掉hadoop里面的文档,这些我们不需要打包到镜像的

 docker build -t czfshine/hadoop-base:2.7.7 .

tools下有两个脚本

• start-all-containers.sh 启动一个hadoop集群,并attach到master
• stop-all-containers.sh 关掉并清理上一个脚本启动的容器

启动集群后,连接master,在用户目录下有个start-hadoop.sh脚本,执行后会在各个节点启动对应的hadoop服务.

启动集群和服务后,在master下可以直接执行下列类似的命令:

hadopp dfs -ls /
hadoop jar xxxx.jar xxx yyy zzz

同时,挂载了宿主机的~/hadoop 到容器的/data.需要执行的jar包和数据可以直接放到该目录下.

todo

todo :基本上开箱即用,不过可以装几个QOL的插件

在example文件夹下,具体看里面的README.MD