在Win10中用Hyper-V虚拟机搭建CDH集群

Version: v0.1

Last Update: July/23/2021

Keywords:CDH,Hadoop,Big Data Platform,Hyper-V,Virtual Machine

Abstract:
因想要学习大数据各种相关组件和技术,而自家有台台式机可以折腾,购买所需配置的云服务器又太贵,故准备自行搭建CDH集群。因有Win10专业版,因此尝鲜玩玩Hyper-V。整体思路如下:规划好整个集群的数量、配置、角色,准备好所有软件包;先配置一台虚拟机A,尽可能将所有公共的配置设置好,再依次复制出其余虚拟机。
文内全部使用经过验证的PowerShell和Shell脚本进行配置,注释丰富便于理解整体操作逻辑(和复制粘贴)。使用VMWare/VirtualBox/KVM等基本流程均相似。

0. 背景

  • 因想要学习大数据各种相关组件和技术,而自家有台台式机可以折腾,购买所需配置的云服务器又太贵,故准备自行搭建CDH集群。
  • 最初准备使用Ubuntu+VKVM,但台式机家人共享,双系统切换也很麻烦,故考虑在Win10一个平台解决所有问题。
  • 因有Win10专业版,VMWare Workstation要收费,VirtualBox是Oracle家的不喜欢,因此尝鲜玩玩Hyper-V。
  • 以Win10专业版21H1+Hyper-V为例,若使用MacOS/Linux+VMWare/VirtualBox/KVM,则需依据实际情况参考操作。
  • Hyper-V需要在BIOS中开启CPU虚拟化,具体操作略。
  • 安装过程尽可能参考Cloudera官方文档,其余参考文章也都备注了来源。

整体思路如下:

  • 规划好整个集群的数量、配置、角色,准备好所有软件包。
  • 因台式机单机资源有限,同时开启多台虚拟机比较费,故先配置一台虚拟机A,尽可能将所有公共的配置设置好,再复制出其余虚拟机。
  • 需要有一台虚拟机B,作为CM Server和CDH私有仓库服务器,用于安装其余虚拟机所用的所有服务。其余所有虚拟机C的设置在安装CDH前都是一样的。
  • 因此操作流程为:
    • 配置A
    • 由A生成B,配置B为CM Server和CDH私有仓库服务器
    • 由A生成C,配置C为CM Agent
    • 由C生成DEFG等
    • 配置DB
    • 安装CDH

文中操作说明:

  • 文中叙述的可选操作或命令,如果是斜体的 可选:xxx 或在命令块注释内,是我在自己搭建的实际操作中没有执行的,否则是执行了的。
  • 操作涉及到Hosts/Hostname/IP/路径/文件命名/参数名/参数值等,均以集群规划部分的描述为示范。若使用不同的配置项,可将本文下载下来,查找替换成自己的配置再看更舒服。
  • 使用命令行操作,不使用界面。其实若PowerShell,鼠标操作可能更简单。
  • PowerShell命令行,默认需要以管理员身份运行终端,且仅在Terminal/PowerShell中验证过。
  • Shell操作,默认需要sudo或以root用户执行。
  • 如果使用yum等命令反应迟缓,可以自行配置国内proxy源加速访问。
  • 涉及到vi修改文件,含义如下:
    • 修改一行 (modify: from xxx to xxx)
    • 添加一行 (append: xxx)
    • 注释一行 (comment: # xxx),也可以删除该行

特别感谢参考文章:

1. 集群规划

需要准备的软件和版本。

1.1 硬件与角色规划

参考-Hardware Requirements

参考-CDH Cluster Hosts and Role Assignments

依据官方的"20 Worker Hosts with High Availability"角色搭配建议和最低硬件要求,整理图表如下。
其中"4c2g"代表官方建议4核CPU,2GB内存。因磁盘空间一般不是问题,故没有列出。
星号*表示该角色没有计入实际搭建和操作中,只是规划在表格中。
"Final Config"是依据实际最终搭建完成后的运行情况,倒推出的最低配置,仅供参考。
如果宿主机内存只有16~32GB,可以使用"10 Worker Hosts without High Availability"搭配,且将DataNode放在所有VM上,三台VM即可满足,但实用性可能不足,即无法快乐的跑Job。

Service Role master01 master02 master03 utility01 gateway01 node001 node002 node003 Total
HDFS NameNode 4c2g
SecondaryNN 4c2g
*JournalNode 1c1g 1c1g 1c1g
*ZKFC + +
DataNode 4c4g 4c4g 4c4g
YARN ResourceManager 1c6g *1c6g
JobHistoryServer 1c1g
NodeManager 8c1g 8c1g 8c1g
ZK ZooKeeper 4c1g 4c1g 4c1g
Hive HiveServer2 4c4g
Metastore Server 4c4g
Hue Server&LB 1c4g
CM All Services 4c12g
Oozie Server 1c1g
DB MySQL 2c4g
*Kafka *Kafka 2c4g 2c4g 2c4g
*Spark *History Server 1c1g
*HBase *Master 4c4g
*Thrift Server 2c1g
*Region Server 4c8g 4c8g 4c8g
Max CPU Cores 4 4 4 4 4 8 8 8 44
Total Memory 11 4 2 20 8 5 5 5 60
Final Config 4c16g 4c8g 4c4g 4c16g 4c8g 4c8g 4c8g 4c8g 16c64g

1.2 各VM的FQDN与IP规划

IP Addr FQDN short name
10.10.64.11 master01.cdh.lionxcat.com m01
10.10.64.12 master02.cdh.lionxcat.com m02
10.10.64.13 master03.cdh.lionxcat.com m03
10.10.64.51 utility01.cdh.lionxcat.com ut01
10.10.64.71 gateway01.cdh.lionxcat.com gw01
10.10.64.101 node001.cdh.lionxcat.com n001
10.10.64.102 node002.cdh.lionxcat.com n002
10.10.64.103 node003.cdh.lionxcat.com n003
10.10.64.250 centos7.cdh.lionxcat.com *c7

c7是模板机,不是CDH集群中的成员,用于复制出其余所有VM。

2. 宿主机环境准备

2.1 配置Terminal/PowerShell环境

  • 安装Terminal和插件的方法略。
    如果对某个PowerShell命令不熟悉,可以使用:
Get-Help New-VM -Online
  • 可选,配置好hosts,方便宿主机访问VM。
# 用管理员权限修改 C:\Windows\System32\drivers\etc\hosts
ipconfig /flushdns

2.2 安装Hyper-V

Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Hyper-V -All
# 或者可以使用DISM安装
# dism.exe /online /enable-feature /featurename:Microsoft-Hyper-V /all /norestart
# 需要重启电脑
Restart-Computer

2.3 配置VM网络

参考-Set up a NAT network

参考-Hyper-V虚拟机配置内部网络固定IP并连接外网

# 创建一个名称为cdh-wmswitch的内部虚拟路由器
New-VMSwitch -Name cdh-vmswitch -SwitchType Internal
# 查询出刚创建的cdh-wmswitch的ifIndex为60,依据实际情况更改
Get-NetAdapter
# 设置cdh-wmswitch的IP地址,将上一步查出的InterfaceIndex带入参数
New-NetIPAddress -IPAddress 10.10.64.1 -PrefixLength 24 -InterfaceIndex 60
# 设置cdh-wmswitch使用NAT获得物理机的互联网访问,此操作只能使用命令行
New-NetNat -Name cdh-vmnat -InternalIPInterfaceAddressPrefix 10.10.64.0/24

2.4 创建CentOS VM

参考-Create a Virtual Machine with PowerShell

下载CentOS 7,可下个Everything版本留着玩。
以下假定文件路径为“$InstallMedia”所示。

# Set VM Name, Switch Name, and Installation Media Path.
$VMName = 'c7'
$Switch = 'cdh-vmswitch'
$BasePath = 'D:\VirtualMachines\CDH-Cluster'
$InstallMedia = 'D:\CentOS-7-x86_64-Everything-2009.iso'

# 创建VM,可自行设置启动内存大小
# 硬盘空间可以大些,因为会动态伸缩不会占用过多宿主机资源
# CentOS必须使用1代Hyper-VM
$VM = @{
    Name = $VMName
    MemoryStartupBytes = 4GB
    SwitchName = $Switch
    NewVHDPath = "$BasePath\$VMName\$VMName.vhdx"
    NewVHDSizeBytes = 64GB
    Path = $BasePath
    Generation = 1
}
New-VM @VM
# 设置CPU数量,可选,默认1core
Set-VMProcessor $VMName -Count 2

# 默认情况下如上VM会配备好一个DVD并默认从DVD启动,否则可以执行如下命令创建DVD:
# Add-VMScsiController -VMName $VMName
# Add-VMDvdDrive -VMName $VMName -ControllerNumber 1 -ControllerLocation 0 -Path $InstallMedia

# 加载CentOS7镜像并设置启动顺序
$DVDDrive = Get-VMDvdDrive $VMName
Set-VMDvdDrive $VMName -Path $InstallMedia
# 默认情况下1代VM创建好后,启动顺序即如此,不用修改
# Set-VMBios $VMName -StartupOrder @("CD", "IDE", "LegacyNetworkAdapter", "Floppy")

2.5 安装CentOS

2.5.1 安装前

开启VM,并安装系统。

$VMName = 'c7'
Start-VM $VMName
# 连接上VM进行OS安装
VMConnect localhost $VMName

2.5.2 安装中

安装注意事项:

  • 可选,在选择"Install CentOS7"前启用强制GPT分区,方便今后挂载大于2TB磁盘和磁盘动态伸缩。
    按TAB键,在最下方参数后面加上"inst.gpt",即改成:"vmlinuz ... quiet inst.gpt",回车。
  • 可选,设置时区为Shanghai。
  • 可选,Keyboard layout自行配置。
  • 可选,添加简体中文语言支持。
  • SOFTWARE SELECTION选取Base Environment:Compute Node(计算节点)。
  • 若手动磁盘分区,需添加一个容量为2M的"biosboot"分区放置GPT。
  • 如果宿主机内存不够大,最好为CentOS分配够大的Swap分区,例如8GB以上,否则后面服务起不来一切白费。
  • 可选,关闭KDUMP。
  • 因为生成VM时配置好了虚拟路由器,可以在安装时直接设置好IP,方便安装完成后ssh上VM。
    • 静态(Manual)IPv4;
    • 添加IP:10.10.64.250;
    • 掩码:255.255.255.0;
    • 网关:10.10.64.1;
    • DNS:223.5.5.5,8.8.8.8;
    • 开机启用(Automatic connect to ...)。
  • 可选,设置好Hostname:centos7.cdh.lionxcat.com。
  • 可选,创建新用户时勾上"将此用户设置为管理员",也可今后自行添加到sudoers/wheel组。

2.5.3 安装后

  • 使用VMConnect可以不用IP连接VM,但内置的终端超难用。使用自己喜欢的终端ssh登录VM操作比较方便。
    若安装时不配置IP,安装后可在Hyper-V中选中该VM,最下网络Tab里找到Hyper-V自动提供的IP(v4或v6)地址。

  • 若安装时配置了IP,则尝试登录VM并判断网络是否连通。以下假定在Win10中配置了hosts,若没配置可用IP。

ssh root@c7
ifconfig
ping www.xxx.com
  • 若安装中没有配置IP,则先登录VM并设置IP。
# 在宿主机中执行
$VMName = 'c7'
Start-VM $VMName
VMConnect localhost $VMName
# 在c7中执行
ifconfig
vi /etc/sysconfig/network-scripts/ifcfg-eth0 # eth0是具体VM网卡
# modify: BOOTPROTO="static"
# modify: ONBOOT="yes"
# append: IPADDR=10.10.64.250 # 今后需要替换成各VM自己的IP地址
# append: NETMASK=255.255.255.0
# append: GATEWAY=10.10.64.1
# append: DNS1=223.5.5.5
# append: DNS2=8.8.8.8

systemctl restart network
ping www.xxx.com
  • 可选,如果发现有ssh时登录反应慢的情况,可修改关闭SSH使用DNS查询。
vi /etc/ssh/sshd_config
# modify: from "#UseDNS yes" to "UseDNS no"

systemctl restart sshd

3. 通用VM的OS环境准备

以下内容在c7上执行,是所有VM都需要的基础配置。

3.1 关闭防火墙

参考-Disabling the Firewall

systemctl stop firewalld
systemctl disable firewalld
# 验证一下
systemctl status firewalld

3.2 关闭SELinux

参考-Setting SELinux mode

vi /etc/selinux/config
# modify: from "SELINUX=enforcing" to "SELINUX=disabled"

setenforce 0
reboot
# 验证一下
getenforce

3.3 系统配置参数

参考-nproc Configuration

vi /etc/security/limits.d/20-nproc.conf # 具体文件名中数字可能不是20
# comment: # * soft nproc 4096

vi /etc/security/limits.conf
# append: * soft  nproc  65536

参考-Optimizing Performance in CDH

# Disable the tuned Service
systemctl start tuned
tuned-adm off
# tuned-adm list
systemctl stop tuned
systemctl disable tuned
# Disabling Transparent Hugepages (THP)
vi /etc/rc.d/rc.local
# append: 
echo never > /sys/kernel/mm/transparent_hugepage/enabled
echo never > /sys/kernel/mm/transparent_hugepage/defrag

# to ensure that this script will be executed during boot
chmod +x /etc/rc.d/rc.local

# 在启动参数GRUB_CMDLINE_LINUX中添加"transparent_hugepage=never"
vi /etc/default/grub
# modify: GRUB_CMDLINE_LINUX="transparent_hugepage=never ...省略"

grub2-mkconfig -o /boot/grub2/grub.cfg
# Setting the vm.swappiness Linux Kernel Parameter
sysctl -w vm.swappiness=1

# to ensure that this script will be executed during boot
vim /etc/sysctl.conf
# append: vm.swappiness=1

最后最好验证是否重启后生效。若有没生效的参数,检查配置文件拼写是否正确。

reboot
ssh root@c7
cat /sys/kernel/mm/transparent_hugepage/enabled
cat /sys/kernel/mm/transparent_hugepage/defrag
cat /proc/sys/vm/swappiness

3.4 配置hostname

hostnamectl set-hostname centos7.cdh.lionxcat.com
vi /etc/sysconfig/network
# append: 
NETWORKING=YES
HOSTNAME=centos7.cdh.lionxcat.com

systemctl restart network
# 检查一下
uname -a
hostname
# host -v -t A $(hostname)

3.5 配置hosts

参考-Configure Network Names

vi /etc/hosts
# 注意:一定要把FQDN放在紧跟IP后
# append:
10.10.64.11 master01.cdh.lionxcat.com m01
10.10.64.12 master02.cdh.lionxcat.com m02
10.10.64.13 master03.cdh.lionxcat.com m03
10.10.64.51 utility01.cdh.lionxcat.com ut01
10.10.64.71 gateway01.cdh.lionxcat.com gw01
10.10.64.101 node001.cdh.lionxcat.com n001
10.10.64.102 node002.cdh.lionxcat.com n002
10.10.64.103 node003.cdh.lionxcat.com n003
10.10.64.250 centos7.cdh.lionxcat.com c7

3.6 配置网络时间同步

参考-Enable an NTP Service

CDH建议删除chrony用ntpd代替,也可以配置CDH使用chrony。以下为ntpd用法,chrony可自行配置。

yum list installed chrony
# 如果有安装chrony则删除之,换成ntp
systemctl stop chronyd
yum remove -y chrony
yum install -y ntp
# 同步一次
ntpdate ntp.aliyun.com
# 启动服务
systemctl start ntpd
systemctl enable ntpd
# 同步硬件CMOS时钟
hwclock --systohc

4. CM安装

4.1 创建ut01的VM

在通用VM配置完成后,将c7关机并复制一份命名为ut01,用于承载CDH私有仓库(以及其他服务,参考角色规划部分)。

# c7中执行
poweroff
  • 采用复制VHD的方式,复制c7的磁盘,使用该磁盘文件生成ut01(Hyper-V会生成新MAC地址)。
# 在宿主机中执行
# VM基础配置
$BasePath = 'D:\VirtualMachines\CDH-Cluster'
$Switch = 'cdh-vmswitch'
# 复制源
$SourceVM = 'c7'
$SourceVHD = "$BasePath\$SourceVM\$SourceVM.vhdx"
# 复制目的地
$DestVM = 'ut01'
$DestPath = "$BasePath\$DestVM"
$DestVHD = "$DestPath\$DestVM.vhdx"

# 删除c7所有快照以自动合并磁盘文件
Remove-VMSnapshot $SourceVM

# 将文件拷贝到新目录
New-Item $DestPath -ItemType Directory
Copy-Item $SourceVHD $DestVHD

# 使用复制后的文件创建新VM,注意自行设置启动内存大小
$NewVM = @{
    Name = $DestVM
    MemoryStartupBytes = 16GB
    SwitchName = $Switch
    VHDPath = $DestVHD
    Path = $BasePath
    Generation = 1
}
New-VM @NewVM
# 可选,设置CPU
Set-VMProcessor $DestVM -Count 8
  • 启动并配置IP和Hostname。
# 宿主机上执行
$VMName = 'ut01'
Start-VM $VMName
VMConnect localhost $VMName
# ut01上执行
vi /etc/sysconfig/network-scripts/ifcfg-eth0 # eth0是具VM网卡
# append: IPADDR=10.10.64.51

hostnamectl set-hostname utility01.cdh.lionxcat.com

vi /etc/sysconfig/network
# modify: HOSTNAME=utility01.cdh.lionxcat.com

systemctl restart network
# 外网是否可达
ping www.xxx.com
# 内网c7是否可达,需要先启动c7
ping c7

4.2 开启NTP时间同步服务

可选:如果非生产环境,所以VM都与公网同步也可以,只不过今后需要关掉CM的烦人的警告。
将ut01作为授时服务器,其余VM均与ut01同步时间。

以下内容在ut01上操作,配置ut01成为授时服务器。

vi /etc/ntp.conf
# 开放本机时间同步服务给指定网段
# append:
# restrict 10.100.64.0 mask 255.255.255.0 nomodify notrap
# 
# 可选:更换时间服务器
# comment:
# server 0.centos.pool.ntp.org iburst
# server 1.centos.pool.ntp.org iburst
# server 2.centos.pool.ntp.org iburst
# server 3.centos.pool.ntp.org iburst
# append:
# server ntp.aliyun.com prefer
# 
# 本机ntpd与本机CMOS同步
# append:
server 127.127.1.0
fudge 127.127.1.0 stratum 10

systemctl restart ntpd

以下内容在c7上操作,配置c7从ut01获取时间同步。

vi /etc/ntp.conf
# comment: 
# server 0.centos.pool.ntp.org iburst
# server 1.centos.pool.ntp.org iburst
# server 2.centos.pool.ntp.org iburst
# server 3.centos.pool.ntp.org iburst
# append:
# server ut01 prefer

# 立即同步一次
systemctl stop ntpd
ntpdate ut01
systemctl start ntpd
ntpq -p

4.3 准备本地私有CDH仓库

以下内容在ut01上执行,配置用于安装CM和CDH的私有Repo。

参考-Configuring a Local Package Repository

  • 安装HTTP服务
# 以下操作在ut01上执行
yum install -y httpd
systemctl start httpd
systemctl enable httpd

# 创建cm6目录
mkdir -p /var/www/html/cloudera-repos/cm6
# 创建cdh6目录
mkdir -p /var/www/html/cloudera-repos/cdh6
  • 将CM和CDH包拷贝到ut01上
# 以下操作在宿主机上执行
# 拷贝CM包
scp "D:\cm6.3.1-redhat7.tar.gz" root@ut01:/var/www/html/cloudera-repos/cm6
# 拷贝CDH包
scp "D:\cdh6\*" root@ut01:/var/www/html/cloudera-repos/cdh6
  • 解压缩文件
# 以下操作在ut01上执行
tar xvfz cm6.3.1-redhat7.tar.gz -C /var/www/html/cloudera-repos/cm6 --strip-components=1
# 设置目录权限
chmod -R ugo+rX /var/www/html/cloudera-repos/cm6
chmod -R ugo+rX /var/www/html/cloudera-repos/cdh6
# 在宿主机浏览器中检查文件 http://ut01/cloudera-repos/

4.4 在VM上配置添加使用私有仓库

以下内容在ut01上执行,添加本机私有Repo。

vi /etc/yum.repos.d/cloudera-repo.repo
# append:
[cloudera-repo]
name=cloudera-repo
baseurl=http://utility01.cdh.lionxcat.com/cloudera-repos/cm6
enabled=1
gpgcheck=0

# 确认配置正确
yum repolist
# 分发到c7
scp /etc/yum.repos.d/cloudera-repo.repo root@c7:/etc/yum.repos.d/

4.5 安装依赖软件包

以下内容在c7和ut01上都执行,安装必备的软件包。

4.5.1 检查Python

参考-Software Dependencies

# 若CentOS选择计算节点安装则默认都满足
# CentOS7原装了python 2.7.*
python --version
# 其他软件包缺失参考文章自行安装

4.5.2 安装JDK

参考-Java Requirements

推荐使用CM包里的JDK版本安装,或者自行安装Oracle JDK或OpenJDK。

  • 安装CM包里的JDK版本
yum install -y oracle-j2sdk1.8

vi /etc/profile
# append:
JAVA_HOME=/usr/java/jdk1.8.0_181-cloudera
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

# 使之生效并测试
source /etc/profile
java -version
  • 可选:自行安装Oracle JDK
# 若centos自带OpenJDK,删除之
# java -version
# rpm -qa | grep java
# rpm -e --nodeps java-1.8.0-openjdk-...
# 下载JDK
tar -zxvf jdk-8u202-linux-x64.tar.gz -C /usr/java/

vi /etc/profile
# append:
JAVA_HOME=/usr/java/jdk1.8.0_202
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

# 使之生效并测试
source /etc/profile
java -version

4.5.3 安装MySQL-JDBC

参考-Installing the MySQL JDBC Driver

若使用PG、MariaDB等其他DB自行参考文章安装。

wget https://downloads.mysql.com/archives/get/p/3/file/mysql-connector-java-5.1.49.tar.gz
tar zxvf mysql-connector-java-5.1.49.tar.gz
# 最好放置到CM默认的目录下
mkdir -p /usr/share/java
# 最好更改为CM默认的文件名
cp mysql-connector-java-5.1.49/mysql-connector-java-5.1.49-bin.jar /usr/share/java/mysql-connector-java.jar

4.6 安装CM软件包

在ut01上执行,安装Cloudera Manager Server,Daemons,Agent。

yum install -y cloudera-manager-daemons cloudera-manager-agent cloudera-manager-server

以下操作在c7上执行,安装CM Daemons & Agent。

可选:若现在不安装,今后让CMServer自动安装也行。

yum install -y cloudera-manager-daemons cloudera-manager-agent

# 修改agent配置文件,指向CM Server
vi /etc/cloudera-scm-agent/config.ini
# modify:
# server_host=utility01.cdh.lionxcat.com

4.7 数据库准备

以下操作在ut01上执行,若MySQL使用云SaaS服务或规划在其他VM,依据实际情况操作。

参考-Install and Configure MySQL for Cloudera Software

4.7.1 安装MySQL

参考-MySQL Community Downloads

  • 可以直接从MySQL官方下载,300~500MB,需要网速够快
# 下载官方yum源
wget https://repo.mysql.com/mysql80-community-release-el7-3.noarch.rpm
# 安装yum源
yum localinstall -y mysql80-community-release-el7-3.noarch.rpm
# 更换mysql8.0为mysql5.7
yum-config-manager --disable mysql80-community
yum-config-manager --enable mysql57-community
# 查看更换成功否
yum repolist all | grep mysql | grep enabled
# 安装mysql
yum install -y mysql-community-server
# 修改mysql配置文件,参考官方文档配置即可,非生产环境非必须,略
# vi /etc/my.cnf
# 启动mysql
systemctl start mysqld
systemctl enable mysqld
# 找到初始密码
grep 'temporary password' /var/log/mysqld.log
# 执行脚本重置
/usr/bin/mysql_secure_installation
# 设置一个带有大小写字母数字符号的root密码(可能需要输入4遍)然后一路y下去即可
  • 可选:可提前下载好包,直接安装
# 下载包
wget https://cdn.mysql.com/Downloads/MySQL-5.7/mysql-5.7.34-1.el7.x86_64.rpm-bundle.tar
# 解压缩
tar xvf mysql-5.7.34-1.el7.x86_64.rpm-bundle.tar
# 安装
rpm -ivh mysql-community-common-*.rpm mysql-community-libs-*.rpm mysql-community-server-*.rpm mysql-community-client-*.rpm
# 配置与启动等后续步骤同上

4.7.2 创建各服务需要的DB

官方文档中有描述所有需要预先创建的DB。utf8编码是必须的。
虽然官方允许配置各服务使用任意DB名和User名,但遵守官方默认规范也不复杂,若图方便可使用相同User和Password。
新建User密码均需要满足密码复杂度要求。也可自行修改配置文件降低要求。

# 在ut01中执行
mysql -uroot -p
/* 在MySQL CLI中执行 */

CREATE DATABASE scm DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
CREATE USER 'scm'@'%' IDENTIFIED BY 'scm_Passw0rd';
GRANT ALL ON scm.* TO 'scm'@'%' IDENTIFIED BY 'scm_Passw0rd';

CREATE DATABASE amon DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
CREATE USER 'amon'@'%' IDENTIFIED BY 'amon_Passw0rd';
GRANT ALL ON amon.* TO 'amon'@'%' IDENTIFIED BY 'amon_Passw0rd';

CREATE DATABASE hue DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
CREATE USER 'hue'@'%' IDENTIFIED BY 'hue_Passw0rd';
GRANT ALL ON hue.* TO 'hue'@'%' IDENTIFIED BY 'hue_Passw0rd';

CREATE DATABASE metastore DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
CREATE USER 'hive'@'%' IDENTIFIED BY 'hive_Passw0rd';
GRANT ALL ON metastore.* TO 'hive'@'%' IDENTIFIED BY 'hive_Passw0rd';

CREATE DATABASE oozie DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
CREATE USER 'oozie'@'%' IDENTIFIED BY 'oozie_Passw0rd';
GRANT ALL ON oozie.* TO 'oozie'@'%' IDENTIFIED BY 'oozie_Passw0rd';

FLUSH PRIVILEGES;

4.7.3 生成CMServer的DB配置

参考-Set up the Cloudera Manager Database

# 参数含义:<databaseType> <databaseName> <databaseUser> <password>
# 依据实际情况修改参数
/opt/cloudera/cm/schema/scm_prepare_database.sh mysql scm scm scm_Passw0rd

4.8 启动CMServer

以下操作在ut01上执行。

systemctl start cloudera-scm-server
tail -f /var/log/cloudera-scm-server/cloudera-scm-server.log

systemctl start cloudera-scm-agent
tail -f /var/log/cloudera-scm-agent/cloudera-scm-agent.log

systemctl enable cloudera-scm-server
systemctl enable cloudera-scm-agent

以下操作在c7上执行。

systemctl start cloudera-scm-agent
systemctl enable cloudera-scm-agent

在宿主机访问http://ut01:7180/,用户名/密码:admin。
如果ut01和c7上的配置均成功,就可以在配置页面看到两台VM。

注意:
因后续操作将复制c7生成其余VM,若在c7上启动过cloudera-scm-agent,则必须在复制c7前删除agent生成的uuid,agent会在下次启动时重新生成。若不重新生成uuid,各VM的uuid重复将导致今后server无法识别各agent
若没有在c7上启动agent则无此需要。

systemctl stop cloudera-scm-agent
rm -f /var/lib/cloudera-scm-agent/uuid
# 不能再启动Agent,让新的VM各自启动各自的以生成不同uuid。

5. 创建CDH集群

操作与创建ut01的VM类似,只不过这次生成的不是ut01,而是其余所有VM。

5.1 备份VM

先将两台VM关机。并做些备份操作,以免后面操作出错,或方便配置第二套集群。

# 在宿主机上执行
# 删除所有快照以合并磁盘文件
Remove-VMSnapshot c7
Remove-VMSnapshot ut01
# 因为c7本身就是CM-Agent所在VM的备份,因此只需要再备份ut01即可
$BasePath = 'D:\VirtualMachines\CDH-Cluster'
New-Item "$BasePath\backup" -ItemType Directory
Copy-Item "$BasePath\ut01\ut01.vhdx" "$BasePath\backup"

5.2 生成其余VM

下面采用复制VHD的方式,复制c7的VHD用于创建其余VM。

# VM基础配置
$BasePath = 'D:\VirtualMachines\CDH-Cluster'
$Switch = 'cdh-vmswitch'
# 复制源
$SourceVM = 'c7'
$SourceVHD = "$BasePath\$SourceVM\$SourceVM.vhdx"
# 复制目的地VM名集合
$DestVMColl = ('m01', 'm02', 'm03', 'n001', 'n002', 'n003', 'gw01')

# 删除c7所有快照以合并磁盘文件
Remove-VMSnapshot $SourceVM

# 循环创建所有VM
ForEach ($DestVM in $DestVMColl) {
    $DestPath = "$BasePath\$DestVM"
    $DestVHD = "$DestPath\$DestVM.vhdx"
    # 将文件拷贝到新目录
    New-Item $DestPath -ItemType Directory
    Copy-Item $SourceVHD $DestVHD
    # 创建新VM使用复制后的文件
    # 注意自行设定启动内存大小
    $NewVM = @{
        Name = $DestVM
        MemoryStartupBytes = 16GB
        SwitchName = $Switch
        VHDPath = $DestVHD
        Path = $BasePath
        Generation = 1
    }
    New-VM @NewVM
    # 设置CPU
    Set-VMProcessor $DestVM -Count 4
}

# 确认创建无误,可以继续配置

# 可选:创建一个VMGroup把这些VM都加进去
$GroupName = 'lionxcat-cdh'
New-VMGroup -Name $GroupName -GroupType VMCollectionType
$DestVMColl += (,'ut01')
ForEach ($DestVM in $DestVMColl) {
    $VM = Get-VM $DestVM
    Add-VMGroupMember $GroupName $VM
    # 慎重批量启动VM
    # Start-VM @VM
}

注意:

  • 建议一个一个手工启动VM并执行后续配置,以免宿主机内存不够用最后有些VM启动不起来。
  • Hyper-V会在VM启动时为其分配<MemoryStartupBytes>大小的内存,在VM运行3~4分钟后动态内存收缩,此时宿主机内存占用下降可再启新VM。
  • 如果最终还是无法启动所有VM,要么调小启动内存(可能导致今后有的组件内存不足无法启动),要么买内存条插上。
  • 到此步骤为止,8台VM运行时内存总和约不到17GB。
  • c7的作用就到此结束了,可以和ut01的备份VHD一起放置到其他地方备份。

5.3 配置其余VM

以下操作在新生成的VM上执行。

启动并配置IP和Hostname。启动VM命令略。

vi /etc/sysconfig/network-scripts/ifcfg-eth0 # eth0是具体VM网卡
# append: IPADDR=10.10.64.xxx

hostnamectl set-hostname xxx.cdh.lionxcat.com

vi /etc/sysconfig/network
# modify: HOSTNAME=xxx.cdh.lionxcat.com

systemctl restart network
# 重启agent
systemctl restart cloudera-scm-agent
# 这里再提醒一遍,若复制VM前启动过scm-agent,需要删除
# /var/lib/cloudera-scm-agent/uuid,并重启agent才能顺利被scm-server识别

5.4 为NameNode和DataNode的VM创建并挂载磁盘VHD

可选:为NN和DN单独挂载可扩展的虚拟磁盘,方便今后随时增大磁盘空间或挪动磁盘文件到更大的硬盘上。
若不放在可扩展VHD上,今后空间不够用了再扩充比较麻烦。
新挂载的VHD也创建成LVM,方便今后在线扩容。

参考centos7 xfs磁盘管理(格式化、在线扩容)

创建并向VM添加动态VHD。

# 在宿主机上执行
$BasePath = 'D:\VirtualMachines\CDH-Cluster'
$VMColl = ('m01', 'm02', 'm03', 'n001', 'n002', 'n003')
ForEach ($VM in $VMColl) {
    $NewVHD = "$BasePath\$VM\$VM-data.vhdx"
    New-VHD -Path $NewVHD -Dynamic -SizeBytes 500GB
    # 在VM启动状态下可执行,挂载SCSI设备,若SCSI-Controller(0,0)被占用,自行调整位置
    Add-VMHardDiskDrive $VM -Path $NewVHD -ControllerNumber 0 -ControllerLocation 0 -ControllerType SCSI
}

在后面安装CDH时,DN和NN的数据目录(dfs.datanode.data.dir和dfs.namenode.name.dir)默认在/dfs下。
若更换其它位置,则下面命令里也应该挂载到对应目录下。

以下操作在m0[1-3]和n00[1-3]上执行。

在VM中挂载硬盘到目录/dfs。

# 查看新挂载的VHD是否成功,正常情况应被挂载到设备sdb
fdisk -l
# 从物理磁盘创建Physical Volume
pvcreate /dev/sdb
pvs
# 从PV创建Volume Group,名称为vg-data
vgcreate vg-data /dev/sdb
vgs
# 从VG创建Logical Volume,名称为lv-data
lvcreate -l 100%FREE -n lv-data vg-data
lvs
# 格式化成xfs,注意路径和名称相对应
mkfs.xfs /dev/vg-data/lv-data
# 挂载到/dfs,若非该目录则需调整
mkdir /dfs
mount /dev/vg-data/lv-data /dfs
mount -l

# 设置开机自动挂载,注意,一定要添加在文件末尾
vi /etc/fstab
# append:
/dev/vg-data/lv-data /dfs                       xfs     defaults        0 0

# 检查一下
vgdisplay vg-data

5.5 安装CDH

如果上述配置无误,这是最简单的一步,很快就能完成。
在宿主机访问http://ut01:7180/,用户名/密码:admin。

安装注意事项:

  1. 若在"Specify Hosts"中没有看到“当前管理的主机”中出现某台VM,请检查该VM的IP/Hostname配置,并查看scm-server的日志排查问题。
  2. 在“选择存储库--使用Parcel(建议)--更多选项”中,添加使用自建的私有仓库,地址为:http://utility01.cdh.lionxcat.com/cloudera-repos/cdh6/ 。然后会在“CDH版本”里出现"CDH-6.3.2-xxx"。
  3. 在"Inspect Cluster"中,运行两项测试,若无问题,则说明上述配置一切正常。
  4. 选择基本安装"Essentials",以免安装服务太多了内存不足启动不起来。
  5. 按照规划选取各Host对应的Service,输入创建好的DB名称、用户、密码,最后执行命令。
  6. 若有服务启动失败,查看是否内存不足导致。如果内存不足,可以:
    • 关停一些暂时不需要的服务,如Oozie,HUE,甚至把CM都关了只用Hadoop
    • 修改服务配置中的Java Heap大小
    • 增大CentOS的Swap
    • 去买内存条。

本人情况,将Hive JVM堆栈默认配置为从4G降为2G,客户端从2G降为1G后,所有服务均顺利启动。

启动后,各服务器占用宿主机的内存使用情况如下(因角色放置不同,数据量不同,运行时长不同,下面数据供参考)。

FQDN / Contents short name Mem Used Total Disk
master01.cdh.lionxcat.com m01 9.2GB 10.4GB
master02.cdh.lionxcat.com m02 5.9GB 10.4GB
master03.cdh.lionxcat.com m03 3.5GB 9.4GB
utility01.cdh.lionxcat.com ut01 12.2GB 16.8GB
gateway01.cdh.lionxcat.com gw01 6.3GB 9.4GB
node001.cdh.lionxcat.com n001 5.0GB 11.8GB
node002.cdh.lionxcat.com n002 5.0GB 11.8GB
node003.cdh.lionxcat.com n003 5.0GB 11.8GB
c7 & ut01 backup files - - 14.7GB
CDH/CentOS/MySQL/JDK - - 13.5GB
TOTAL 8 hosts 53GB 120GB

5.6 安装后续

列举一些可以拿这套集群玩点什么的想法。

  • 尝试自己写MR,爬点数据放入集群内玩,用eCharts做些BI等等。
  • 优化各组件的参数和JVM配置,升高或降低。
  • 装Spark,HBase,Hive on Spark等等,但需要更多内存
  • 启用HDFS的HA,Yarn和Hive的负载均衡等等,只为理解架构,非生产环境并无实际意义。
  • 用HBase做索引,建立自己的照片和媒体库索引,用Hive+Hue做可视化。
  • Flink,Hudi ...

6. 回顾

整体花费一周时间,中间临时买了两根内存条。
前期规划和查找各类文章花费50%,学习Hyper-V和PowerShell花费30%,安装配置花费15%,整理文档花费15%。
中间重装了两次,只要配置好了c7和ut01两台VM,后面的操作也就是十几分钟搞完。抛开Hyper-V其实很简单。
流程还有可优化的地方,但也没必要浪费时间了。
内存越多越好,个人认为32GB是最低配,但可能需要花费精力折腾并不划算。64GB基本够用,毕竟自己玩不会太多数据文件。我选择了128GB。
后面会将HDP的搭建也整理个文章出来,再往后有精力再尝试搭建Apache原生。

如有勘误、改进意见或自己搭建过程中的疑问,欢迎联系lionxcat或留言。
转载请注明原文https://github.com/lionxcat/articles-it/blob/main/cdh-setup-guide-using-hyperv-by-yourself.md

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,817评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,329评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,354评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,498评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,600评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,829评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,979评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,722评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,189评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,519评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,654评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,940评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,762评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,993评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,382评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,543评论 2 349

推荐阅读更多精彩内容