如何给Hadoop集群划分角色

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。

Fayson的github:https://github.com/fayson/cdhproject

提示:代码块部分可以左右滑动查看噢

1.文档编写目的

本文主要介绍由Cloudera Manager管理的CDH集群的角色划分。实际部署你可能还需要考虑工作负载的类型和数量,真实要部署的哪些服务,硬件资源,配置,以及其他因素。当你使用Cloudera Manager的安装向导来安装CDH时,CM会根据主机的可用资源,自动的分配角色到各台主机,边缘节点除外。你可以在向导中使用"自定义角色分配 - Customize Role Assignments"来更改这些默认划分,当然你也可以以后再使用Cloudera Manager来增加或修改角色分配。

在介绍角色划分时,我们首先来看看有哪几种主要的角色:

1.管理节点(Master Hosts):主要用于运行Hadoop的管理进程,比如HDFS的NameNode,YARN的ResourceManager。

2.工具节点(Utility Hosts):主要用于运行非管理进程的其他进程,比如Cloudera Manager和Hive Metastore。

3.边缘节点(Edge Hosts):用于集群中启动作业的客户端机器,边缘节点的数量取决于工作负载的类型和数量。

4.工作节点(Worker Hosts):主要用于运行DataNode以及其他分布式进程,比如ImpalaD。

本文会从测试/开发集群(小于10台),小规模集群(10-20台),中小规模集群(20-50台),中等规模集群(50-100台),大型集群(100-200台),超大规模集群(200-500台),巨型规模集群(500台以上)来分别讲述角色划分。以下角色划分场景都不包括Kafka,Kafka角色我们一般都会采用单独的机器部署。

2.集群角色划分

2.1.小于10台

一般用于测试/开发集群,我们建议至少5台机器,没有高可用。一个管理节点主要用于安装NameNode和ResourceManager,工具节点和边缘节点复用一个,主要用于安装Cloudera Manager等,剩余3-7台工作节点。

2.2.10-20台

这是最小规模的生产系统,必须启用高可用。我们会用2个管理节点用于安装2个NameNode,一个工具节点用于安装Cloudera Manager等,如果机器充足或者Hue/HiveServer2/Flume的负载特别高,可以考虑独立出边缘节点用于部署这些角色,否则也可以跟Cloudera Manager复用。最后还剩下7-17个工作节点。

注:根据实际情况选择是否需要单独的边缘节点。

MySQL主备参考《如何实现CDH元数据库MySQL的主备》,《如何实现CDH元数据库MySQL的主主互备》和《如何实现CDH元数据库MySQL的高可用》

OpenLDAP主备参考《3.如何实现OpenLDAP的主主同步》

Kerberos主备参考《如何配置Kerberos服务的高可用》

2.3.20-50台

这是中小规模的生产集群,必须启用高可用,与小规模集群角色划分差别不大。我们会用3个管理节点用于安装NameNode和Zookeeper等,一个工具节点用于安装ClouderaManager等,如果机器充足或者Hue/HiveServer2/Flume的负载特别高,可以考虑独立出边缘节点用于部署这些角色,否则也可以跟Cloudera Manager复用。最后还剩下16-46个工作节点。

注:根据实际情况选择是否需要单独的边缘节点。

Zookeeper和JournalNode需配置专有的数据盘

MySQL主备参考《如何实现CDH元数据库MySQL的主备》,《如何实现CDH元数据库MySQL的主主互备》和《如何实现CDH元数据库MySQL的高可用》

OpenLDAP主备参考《3.如何实现OpenLDAP的主主同步》

Kerberos主备参考《如何配置Kerberos服务的高可用》

2.4.50-100台

这是中等规模的生产集群,必须启用高可用。我们会用3个管理节点用于安装NameNode和Zookeeper等,一个工具节点用于安装Cloudera Manager,一个工具节点用于安装ClouderaManagement Service和Navigator等。使用三个节点安装Hue/HiveServer2/Flume,作为边缘节点,使用两个节点安装负载均衡软件比如F5或者HAProxy并配置为KeepAlive的主主模式,该负载均衡可同时用于HiveServer2和Impala Daemon。最后还剩下42-92个工作节点。

注:Zookeeper和JournalNode需配置专有的数据盘

MySQL主备参考《如何实现CDH元数据库MySQL的主备》,《如何实现CDH元数据库MySQL的主主互备》和《如何实现CDH元数据库MySQL的高可用》

OpenLDAP主备参考《3.如何实现OpenLDAP的主主同步》

Kerberos主备参考《如何配置Kerberos服务的高可用》

2.5.100-200台

属于大规模的生产集群,必须启用高可用。我们会用5个管理节点用于安装NameNode和Zookeeper等,1个工具节点用于安装Cloudera Manager,再使用4个工具节点分别安装HMS,Activity Monitor,Navigator等。使用3个以上节点安装Hue/HiveServer2/Flume,作为边缘节点,使用2个节点安装负载均衡软件比如F5或者HAProxy并配置为KeepAlive的主主模式,该负载均衡可同时用于HiveServer2和Impala Daemon。最后还剩下85-185个工作节点。

注:Zookeeper和JournalNode需配置专有的数据盘

Kudu Master不超过3个

Kudu Tablet Server不超过100个

MySQL主备参考《如何实现CDH元数据库MySQL的主备》,《如何实现CDH元数据库MySQL的主主互备》和《如何实现CDH元数据库MySQL的高可用》

OpenLDAP主备参考《3.如何实现OpenLDAP的主主同步》

Kerberos主备参考《如何配置Kerberos服务的高可用》

2.6.200-500台

属于超大规模的生产集群,必须启用高可用。我们会用7个管理节点用于安装NameNode和Zookeeper等,1个工具节点用于安装Cloudera Manager,再使用7个工具节点分别安装HMS,Activity Monitor,Navigator等。使用3个以上节点安装Hue/HiveServer2/Flume,作为边缘节点,使用2个节点安装负载均衡软件比如F5或者HAProxy并配置为KeepAlive的主主模式,该负载均衡可同时用于HiveServer2和Impala Daemon。最后还剩下180-480个工作节点。

注:Zookeeper和JournalNode需配置专有的数据盘

Kudu Master不超过3个

Kudu Tablet Server不超过100个

MySQL主备参考《如何实现CDH元数据库MySQL的主备》,《如何实现CDH元数据库MySQL的主主互备》和《如何实现CDH元数据库MySQL的高可用》

OpenLDAP主备参考《3.如何实现OpenLDAP的主主同步》

Kerberos主备参考《如何配置Kerberos服务的高可用》

2.7.500台以上

属于巨型规模的生产集群,必须启用高可用。我们会用20个管理节点用于安装NameNode和Zookeeper等,1个工具节点用于安装Cloudera Manager,再使用7个工具节点分别安装HMS,Activity Monitor,Navigator等。使用3个以上节点安装Hue/HiveServer2/Flume,作为边缘节点,使用2个节点安装负载均衡软件比如F5或者HAProxy并配置为KeepAlive的主主模式,该负载均衡可同时用于HiveServer2和Impala Daemon。最后还剩下至少467个工作节点。

注:这个规模的规划仅供参考,这种巨型规模的生产集群的角色划分依赖因素非常多,比如是否考虑NN和RM的联邦等

Zookeeper和JournalNode需配置专有的数据盘

Kudu Master不超过3个

Kudu Tablet Server不超过100个

MySQL主备参考《如何实现CDH元数据库MySQL的主备》,《如何实现CDH元数据库MySQL的主主互备》和《如何实现CDH元数据库MySQL的高可用》

OpenLDAP主备参考《3.如何实现OpenLDAP的主主同步》

Kerberos主备参考《如何配置Kerberos服务的高可用》

如果你玩的Hadoop集群节点数不在本文范围内,那你肯定不是在玩大数据,或者超过了Fayson的能力范围。

参考:

https://www.cloudera.com/documentation/enterprise/latest/topics/cm_ig_host_allocations.html

提示:代码块部分可以左右滑动查看噢

为天地立心,为生民立命,为往圣继绝学,为万世开太平。

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。

本文来自企鹅号 - Hadoop实操媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏企鹅号快讯

大数据入门基础系列之浅谈Hive和HBase的区别

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。 在前面的博文里,我已经介绍了 Hive和HBase分别是什么? Apache Hive是一个构建...

2376
来自专栏一名叫大蕉的程序员

Spark你一定学得会(三)No.10

大家好我是小蕉。 今天跟大家分享一下Spark的运行机制以及运行模式。 从运行机制来看,长下面这样子。 ? Spark任务由Driver提交Applicatio...

1869
来自专栏牛肉圆粉不加葱

YARN资源调度器

1696
来自专栏Hadoop实操

如何使用Cloudera Manager在线为集群减容

在Hadoop集群资源紧张的情况下可以在线扩容来提升集群的计算能力,具体参考Fayson前面的文章《如何在非Kerberos环境下对CDH进行扩容》,那么在集群...

1.3K7
来自专栏Ryan Miao

idea 自动提示生成 serialVersionUID

from: http://tonycody.blog.51cto.com/8421818/1401422 Intellij IDEA 默认没启用这个功能。 Se...

2758
来自专栏美图数据技术团队

Spark Streaming VS Flink

本文从编程模型、任务调度、时间机制、Kafka 动态分区的感知、容错及处理语义、背压等几个方面对比 Spark Stream 与 Flink,希望对有实时处理...

1641
来自专栏闵开慧

hadoop源码解析1 - hadoop中各工程包依赖关系

1 hadoop中各工程包依赖简述     Google的核心竞争技术是它的计算平台。Google的大牛们用了下面5篇文章,介绍了它们的计算设施。     G...

3295
来自专栏Hadoop实操

如何使用CDSW在CDH中分布式运行所有R代码

无需额外花费过多的学习成本,sparklyr(https://spark.rstudio.com)可以让R用户很方便的利用Apache Spark的分布式计算能...

5316
来自专栏猿人谷

HDFS详解

【一】HDFS简介 HDFS的基本概念1.1、数据块(block) HDFS(Hadoop Distributed File System)默认的最基本的存储...

33610
来自专栏LuckQI

惊心动魄的Hadoop-6小时350T数据恢复

1344

扫码关注云+社区

领取腾讯云代金券