搭建Hadoop Yarn on Docker

lovegigi

　　一、概览
　　Docker基于Linux Container技术整合了一堆易用的接口用于构建非常轻量级的虚拟机。Docker Container Executor（DCE）使得Yarn NodeManager服务可以将其container进程运行在Docker容器中。用户可以自定义运行Yarn container的Docker镜像。这些container提供了自定义的、与外部NodeManger隔离的运行环境，还可以指定安装与NodeManager不同版本的软件包，如Perl、Python、Java等，甚至可以运行与NodeManager不同的Linux发行版本。为了实现这些，Yarn
container必须指定运行作业所需要的环境和依赖库，NodeManager之间不会共享这些信息。
　　


　　二、集群配置
　　Docker Container Executor只能在非kerberos（安全）模式的Yarn和HDFS中运行，一旦DCE检测到运行在安全模式下，服务会立刻退出。


　　DCE需要NodeManager节点上运行着docker服务和docker client用于启动docker container。为了避免超时，作业依赖的docker镜像必须在NodeManager启动前预先下载好，运行以下命令下载hadoop docker镜像：
　　sudo docker pull sequenceiq/hadoop-docker:2.4.1同时在yarn-site.xml中增加配置：
　　<property>
<name>yarn.nodemanager.docker-container-executor.exec-name</name>
<value>/usr/bin/docker</value>
<description>
Name or path to the Docker client. This is a required parameter. If this is empty,
user must pass an image name as part of the job invocation(see below).
</description>
</property>
<property>
<name>yarn.nodemanager.container-executor.class</name>
<value>org.apache.hadoop.yarn.server.nodemanager.DockerContainerExecutor</value>
<description>
This is the container executor setting that ensures that all
jobs are started with the DockerContainerExecutor.
</description>
</property>需要集群管理员注意目前DCE不提供用户命名空间隔离，这意味着在Yarn container中以root用户运行的程序会获得NodeManager的root权限，换句话说，DCE目前没有提供比Yarn默认的Container Executor更好的安全保证。
　　


　　三、连接安全docker repository技巧
　　默认情况下，docker从docker官方公共repository下载镜像。docker镜像的url&#26684;式为username/image_name，比如说sequenceiq/hadoop-docker:2.4.1是公共镜像仓库中的一个镜像，其中包括java和hadoop软件。
　　如果用户希望使用私人仓库，需要提供repository url替换username部分，因此镜像url变成private_repo_url/image_name，比如说私人仓库地址是localhost:8080，那镜像URL就是 localhost:8080/hadoop-docker。
　　


　　登录公共docker
repository，执行：
　　 docker login [OPTIONS] [SERVER]
Register or log in to a Docker registry server, if no server is specified
&quot;https://index.docker.io/v1/&quot; is the default.
-e, --email=&quot;&quot;       Email
-p, --password=&quot;&quot;    Password
-u, --username=&quot;&quot;    Username

登录私人repository
　　docker login <private_repo_url>
　　以上这些需要作为NodeManager启动的一部分，建议作为一个crontab任务来避免登录session超时。用户可以在同一台NodeManager上同时登录多个docker repository，但是这会导致集群中所有用户都可以访问所有的repository，目前DCE不支持为每个job指定docker login
　　


　　四、作业配置
　　目前用户无法在job配置中指定docker配置，用户可以提供Mapper、Reducer和ApplicationMaster环境去覆盖docker镜像中的环境，分别使用以下三个JVM参数：
　　

• 
  mapreduce.map.env: You can override the mapper’s image by passing yarn.nodemanager.docker-container-executor.image-name=your_image_name to this JVM property.
  
• 
  mapreduce.reduce.env: You can override the reducer’s image by passing yarn.nodemanager.docker-container-executor.image-name=your_image_name to this JVM property.
  
• 
  yarn.app.mapreduce.am.env: You can override the ApplicationMaster’s image by passing yarn.nodemanager.docker-container-executor.image-name=your_image_name to this JVM property.
  

　　

五、docker镜像要求　　Yarn
container使用的docker镜像有以下要求：
　　Docker镜像系统的发行版和版本可以和Nodemanager不同，然而，如果你在使用MapReduce计算框架，那么你的镜像需要配置可以运行hadoop，必须安装java以及定义以下环境变量JAVA_HOME,
HADOOP_COMMON_PATH, HADOOP_HDFS_HOME, HADOOP_MAPRED_HOME, HADOOP_YARN_HOME, and HADOOP_CONF_DIR。
　　


　　六、示例实战
　　示例说明如何使用DockerContainerExecutor运行作业
　　Step1：确保yarn-site.xml已经配置完成
　　Step2：选择一个docker镜像，在这个例子中，我们使用公共仓库中的sequenceiq/hadoop-docker:2.4.1镜像，其中预装了JDK、Hadoop以及上述的环境变量。
　　Step3：运行
　　hadoop jar $HADOOP_PREFIX/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.0.jar \
teragen \
-Dmapreduce.map.env=&quot;yarn.nodemanager.docker-container-executor.image-name=sequenceiq/hadoop-docker:2.4.1&quot; \
-Dyarn.app.mapreduce.am.env=&quot;yarn.nodemanager.docker-container-executor.image-name=sequenceiq/hadoop-docker:2.4.1&quot; \
1000 \
teragen_out_dir

执行成功后，可以在yarn的日志中验证docker启动的containers
　　


　　





版权声明：本文为博主原创文章，未经博主允许不得转载。