YARN on Docker

搭建Hadoop Yarn on Docker

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：

[java] view plain copy
  1. sudo docker pull sequenceiq/hadoop-docker:2.4.1  
同时在yarn-site.xml中增加配置：

[html] view plain copy
  1. <property>  
  2.  <name>yarn.nodemanager.docker-container-executor.exec-name</name>  
  3.   <value>/usr/bin/docker</value>  
  4.   <description>  
  5.      Name or path to the Docker client. This is a required parameter. If this is empty,  
  6.      user must pass an image name as part of the job invocation(see below).  
  7.   </description>  
  8. </property>  
  9.   
  10. <property>  
  11.   <name>yarn.nodemanager.container-executor.class</name>  
  12.   <value>org.apache.hadoop.yarn.server.nodemanager.DockerContainerExecutor</value>  
  13.   <description>  
  14.      This is the container executor setting that ensures that all  
  15. jobs are started with the DockerContainerExecutor.  
  16.   </description>  
  17. </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格式为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：

[html] view plain copy
  1. docker login [OPTIONS] [SERVER]  
  2.   
  3.    Register or log in to a Docker registry server, if no server is specified  
  4.    "https://index.docker.io/v1/" is the default.  
  5.   
  6.  -e, --email=""       Email  
  7.  -p, --password=""    Password  
  8.  -u, --username=""    Username  

登录私人repository

[html] view plain copy
  1. 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

[java] view plain copy
  1. hadoop jar $HADOOP_PREFIX/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.0.jar   
  2.   teragen   
  3.      -Dmapreduce.map.env="yarn.nodemanager.docker-container-executor.image-name=sequenceiq/hadoop-docker:2.4.1"   
  4.    -Dyarn.app.mapreduce.am.env="yarn.nodemanager.docker-container-executor.image-name=sequenceiq/hadoop-docker:2.4.1"   
  5.   1000   
  6.   teragen_out_dir  

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

Docker Container Executor (DCE) 是 Hadoop 2.6.0 包含的一个重要特性：至此，大数据的巨人 Hadoop 也终于可以利用当前虚拟化/云计算领域的宠儿 Docker 的强大能力了。


对于 Docker 概念介绍的文章已经非常多了，因此本文就不再赘述，仅仅直接引用 Hadoop 社区里对其的描述：“Docker (https://www.docker.io/) combines an easy-to-use interface to Linux containers with easy-to-construct image files for those containers. In short, Docker launches very light weight virtual machines.” 而 Hadoop 使用 Docker 能力主要是借助其的新组件 Docker Container Executor (DCE)。利用 DCE，YARN NodeManager 可以将 YARN 容器执行于 Docker 容器中。


根据 Hadoop 社区的文章http://hadoop.apache.org/docs/r2.6.0/hadoop-yarn/hadoop-yarn-site/DockerContainerExecutor.html， 我们可以试用该功能。在试用前，需要事先安装好docker组件，并下载 docker image sequenceiq/hadoop-docker:2.4.1。


另外，也要更改 yarn-site.xml 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>

最后，可以通过命令提交 Hadoop MapReduce job teragen 到 resourcemanger：“hadoop jarshare/hadoop/mapreduce/hadoop-mapreduce-examples-2.4.1.jar teragen-Dmapreduce.map.env="yarn.nodemanager.docker-container-executor.image-name=sequenceiq/hadoop-docker:2.4.1"-Dyarn.app.mapreduce.am.env="yarn.nodemanager.docker-container-executor.image-name=sequenceiq/hadoop-docker:2.4.1"10000 /tmp/teragen”。

MapReduce Job 执行：

技术分享

在 MR job 运行期间，我们能观察到有3个 docker container 也在被执行—— MR job 正式运行于它们之中：

技术分享

当然，成功执行完后也能从 ResourceManger web console上面看到执行结果：

技术分享




正因为当初对未来做了太多的憧憬，所以对现在的自己尤其失望。生命中曾经有过的所有灿烂，终究都需要用寂寞来偿还。
【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/candlia/p/11920281.html