基于Docker快速搭建多节点Hadoop集群的示例

小编给大家分享一下基于Docker快速搭建多节点Hadoop集群的示例，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

一. 项目简介

GitHub: kiwanlau/hadoop-cluster-docke
直接用机器搭建Hadoop集群是一个相当痛苦的过程，尤其对初学者来说。他们还没开始跑wordcount，可能就被这个问题折腾的体无完肤了。而且也不是每个人都有好几台机器对吧。你可以尝试用多个虚拟机搭建，前提是你有个性能杠杠的机器
我的目标是将Hadoop集群运行在Docker容器中，使Hadoop开发者能够快速便捷地在本机搭建多节点的Hadoop集群。其实这个想法已经有了不少实现，但是都不是很理想，他们或者镜像太大，或者使用太慢，或者使用了第三方工具使得使用起来过于复杂。下表为一些已知的Hadoop on Docker项目以及其存在的问题

项目镜像大小问题 sequenceiq/hadoop-docker:latest 1.491GB 镜像太大，只支持单个节点 sequenceiq/hadoop-docker:2.7.0 1.76 GB sequenceiq/hadoop-docker:2.60 1.624GB sequenceiq/ambari:latest 1.782GB 镜像太大，使用太慢，使用复杂 sequenceiq/ambari:2.0.0 4.804GB sequenceiq/ambari:latest:1.70 4.761GB alvinhenrick/hadoop-mutinode 4.331GB 镜像太大，构建太慢，增加节点麻烦，有bug

我的项目参考了alvinhenrick/hadoop-mutinode项目，不过我做了大量的优化和重构。alvinhenrick/hadoop-mutinode项目的GitHub主页如下：

GitHub：Hadoop (YARN) Multinode Cluster with Docker

下面两个表是alvinhenrick/hadoop-mutinode项目与我的kiwenlau/hadoop-cluster-docker项目的参数对比

镜像名称构建时间镜像层数镜像大小 alvinhenrick/serf 258.213s 21 239.4MB alvinhenrick/hadoop-base 2236.055s 58 4.328GB alvinhenrick/hadoop-dn 51.959s 74 4.331GB alvinhenrick/hadoop-nn-dn 49.548s 84 4.331GB镜像名称构建时间镜像层数镜像大小 kiwenlau/serf-dnsmasq 509.46s 8 206.6 MB kiwenlau/hadoop-base 400.29s 7 775.4 MB kiwenlau/hadoop-master 5.41s 9 775.4 MB kiwenlau/hadoop-slave 2.41s 8 775.4 MB

可知，我主要优化了这样几点：

更小的镜像大小

更快的构造时间

更少的镜像层数

更快更方便地改变Hadoop集群节点数目
另外，alvinhenrick/hadoop-mutinode项目增加节点时需要手动修改Hadoop配置文件然后重新构建hadoop-nn-dn镜像,然后修改容器启动脚本，才能实现增加节点的功能。而我通过shell脚本实现自动话，不到1分钟可以重新构建hadoop-master镜像，然后立即运行！本项目默认启动3个节点的Hadoop集群，支持任意节点数的Hadoop集群
另外，启动Hadoop，运行wordcount以及重新构建镜像都采用了shell脚本实现自动化。这样使得整个项目的使用以及开发都变得非常方便快捷
开发测试环境

操作系统：ubuntu 14.04 和 ubuntu 12.04

内核版本: 3.13.0-32-generic

Docker版本：1.5.0 和1.6.2

小伙伴们，硬盘不够，内存不够，尤其是内核版本过低会导致运行失败

二. 镜像简介

本项目一共开发了4个镜像：

serf-dnsmasq

hadoop-base

hadoop-master

hadoop-slave

serf-dnsmasq镜像

基于ubuntu:15.04 （选它是因为它最小，不是因为它最新）