一个服务器集群有几个节点服务器

关于Windows Server 2003的企业版和Datacenter版都可以支持最大达8个节点的集群配置;其典型的特征是可为数据库、消息系统、文件与打印服务这些关键业务应用，提供高可用性和可扩展性，在集群中的多个服务器(节点)保持不间断的联系。即是说如果在集群中的某一节点因出错或维护不可用时，另一节点会立刻提供服务，以实现容错。正在访问服务的用户可以继续访问，而不会察觉到服务已经由另一台服务器(节点)提供。

T、SDM

首先你必须了解什么是超融合？

超融合基础架构（Hyper-Converged Infrastructure，或简称“HCI”）也被称为超融合架构，是指在同一套单元设备（x86服务器）中不仅仅具备计算、网络、存储和服务器虚拟化等资源和技术，而且还包括缓存加速、重复数据删除、在线数据压缩、备份软件、快照技术等元素，而多节点可以通过网络聚合起来，实现模块化的无缝横向扩展（scale-out），形成统一的资源池。

其次你必须了解什么是分布式存储

关于分布式存储实际上并没有一个明确的定义，甚至名称上也没有一个统一的说法，大多数情况下称作 Distributed Data Store 或者 Distributed Storage System。

其中维基百科中给 Distributed data store 的定义是：分布式存储是一种计算机网络，它通常以数据复制的方式将信息存储在多个节点中。

在中给出的定义是：分布式存储系统，是将数据分散存储在多台独立的设备上。分布式网络存储系统采用可扩展的系统结构，利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，它不但提高了系统的可靠性、可用性和存取效率，还易于扩展。

尽管各方对分布式存储的定义并不完全相同，但有一点是统一的，就是分布式存储将数据分散放置在多个节点中，节点通过网络互连提供存储服务。这一点与传统集中式存储将数据集中放置的方式有着明显的区分。

超融合基础架构从定义中明确提出包含软件定义存储(SDS)，具备硬件解耦的能力，可运行在通用服务器之上。超融合基础架构与 Server SAN 提倡的理念类似，计算与存储融合，通过全分布式的架构，有效提升系统可靠性与可用性，并具备易于扩展的特性。

由于很多读者对超融合构成还比较混淆，以下以 SmartX 的超融合软件 SMTX OS 为例说明分布式存储和其他模块的关系。

其中分布式块存储，SMTX ZBS 是SMTX OS超融合软件最核心的组件。它采用全分布式架构并且是完全符合软件定义理念的。

我国学者研究“多节点量子”网络取得基础性突破，成功地利用多光子干涉将分离的3个冷原子量子存储器纠缠起来，为构建多节点、远距离的量子网络奠定了基础。

网络节点是指一台电脑或其他设备与一个有独立地址和具有传送或接收数据功能的网络相连。节点可以是工作站、客户、网络用户或个人计算机，还可以是服务器、打印机和其他网络连接的设备。

全国核心节点之间为不完全网状结构。以北京、上海、广州为中心的三中心结构，其他核心节点分别以至少两条以上高速ATM链路与这三个中心相连，由国家电信部门负责经营管理，通过高速数据专线实现国内各节点互联，拥有国际专线，是世界INTERNET的一部分，其中包含北京、上海、广州、沈阳、西安、成都、武汉和南京八大超级核心节点。

Docker最核心的特性之一，就是能够将任何应用包括Hadoop打包到Docker镜像中。这篇教程介绍了利用Docker在单机上快速搭建多

节点 Hadoop集群的详细步骤。作者在发现目前的Hadoop on 

Docker项目所存在的问题之后，开发了接近最小化的Hadoop镜像，并且支持快速搭建任意节点数的Hadoop集群。

一 项目简介

GitHub: kiwanlau/hadoop-cluster-docker

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。

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主页以及作者所写的博客地址如下：

GitHub：Hadoop (YARN) Multinode Cluster with Docker

博客：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：

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 1404 和 ubuntu 1204

内核版本: 3130-32-generic

Docker版本：150 和162

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:1504 (选它是因为它最小，不是因为它最新)

安装serf: serf是一个分布式的机器节点管理工具。它可以动态地发现所有Hadoop集群节点。

安装dnsmasq: dnsmasq作为轻量级的DNS服务器。它可以为Hadoop集群提供域名解析服务。

容器启动时，master节点的IP会传给所有slave节点。serf会在container启动后立即启动。slave节点上的serf 

agent会马上发现master节点(master 

IP它们都知道嘛)，master节点就马上发现了所有slave节点。然后它们之间通过互相交换信息，所有节点就能知道其他所有节点的存在了。

(Everyone will know 

Everyone)。serf发现新的节点时，就会重新配置dnsmasq，然后重启dnsmasq。所以dnsmasq就能够解析集群的所有节点的域名

啦。这个过程随着节点的增加会耗时更久，因此，若配置的Hadoop节点比较多，则在启动容器后需要测试serf是否发现了所有节点，DNS是否能够解析

所有节点域名。稍等片刻才能启动Hadoop。这个解决方案是由SequenceIQ公司提出的，该公司专注于将Hadoop运行在Docker中。参考

这个演讲稿。

hadoop-base镜像

基于serf-dnsmasq镜像

安装JDK(OpenJDK)

安装openssh-server，配置无密码SSH

安装vim：介样就可以愉快地在容器中敲代码了

安装Hadoop 230: 安装编译过的Hadoop(252， 260， 270 都比230大，所以我懒得升级了)

另外，编译Hadoop的步骤请参考我的博客。

如果需要重新开发我的hadoop-base, 需要下载编译过的hadoop-230安装包，放到hadoop-cluster-docker/hadoop-base/files目录内。我编译的64位hadoop-230下载地址：

另外，我还编译了64位的Hadoop 252、260,、270, 其下载地址如下：

hadoop-230: 

hadoop-252: 

hadoop-260:

hadoop-270: 

hadoop-master镜像

基于hadoop-base镜像

配置hadoop的master节点

格式化namenode

这一步需要配置slaves文件，而slaves文件需要列出所有节点的域名或者IP。因此，Hadoop节点数目不同时，slaves文件自然也

不一样。因此，更改Hadoop集群节点数目时，需要修改slaves文件然后重新构建hadoop-master镜像。我编写了一个resize- 

clustersh脚本自动化这一过程。仅需给定节点数目作为脚本参数就可以轻松实现Hadoop集群节点数目的更改。由于hadoop-master

 镜像仅仅做一些配置工作，也无需下载任何文件，整个过程非常快，1分钟就足够了。

hadoop-slave镜像

基于hadoop-base镜像

配置hadoop的slave节点

镜像大小分析

下表为sudo docker images的运行结果：

易知以下几个结论：

serf-dnsmasq镜像在ubuntu:1504镜像的基础上增加了754MB

hadoop-base镜像在serf-dnsmasq镜像的基础上增加了5707MB

hadoop-master和hadoop-slave镜像在hadoop-base镜像的基础上大小几乎没有增加

下表为sudo docker history indexalaudacn/kiwenlau/hadoop-base:010的部分运行结果

可知：

基础镜像ubuntu:1504为1313MB

安装OpenJDK需要3246MB

安装Hadoop需要1585MB

Ubuntu、OpenJDK与Hadoop均为镜像所必须，三者一共占了6144MB

因此，我所开发的hadoop镜像以及接近最小，优化空间已经很小了。

三 3节点Hadoop集群搭建步骤

1 拉取镜像

sudo docker pull indexalaudacn/kiwenlau/hadoop-master:010  sudo docker pull indexalaudacn/kiwenlau/hadoop-slave:010  sudo docker pull indexalaudacn/kiwenlau/hadoop-base:010  sudo docker pull indexalaudacn/kiwenlau/serf-dnsmasq:010 

3~5分钟OK~也可以直接从我的DokcerHub仓库中拉取镜像，这样就可以跳过第2步：

sudo docker pull kiwenlau/hadoop-master:010  sudo docker pull kiwenlau/hadoop-slave:010  sudo docker pull kiwenlau/hadoop-base:010  sudo docker pull kiwenlau/serf-dnsmasq:010 

查看下载的镜像：

sudo docker images 

运行结果：

其中hadoop-base镜像是基于serf-dnsmasq镜像的，hadoop-slave镜像和hadoop-master镜像都是基于hadoop-base镜像。所以其实4个镜像一共也就7774MB。

2 修改镜像tag

sudo docker tag d63869855c03 kiwenlau/hadoop-slave:010  sudo docker tag 7c9d32ede450 kiwenlau/hadoop-master:010  sudo docker tag 5571bd5de58e kiwenlau/hadoop-base:010  sudo docker tag 09ed89c24ee8 kiwenlau/serf-dnsmasq:010 

查看修改tag后镜像：

sudo docker images 

运行结果：

之所以要修改镜像，是因为我默认是将镜像上传到Dockerhub, 

因此Dokerfile以及shell脚本中得镜像名称都是没有alauada前缀的，sorry for 

this不过改tag还是很快滴。若直接下载我在DockerHub中的镜像，自然就不需要修改tag不过Alauda镜像下载速度很快的

哈~

3下载源代码

git clone https://githubcom/kiwenlau/hadoop-cluster-docker

为了防止GitHub被XX，我把代码导入到了开源中国的Git仓库：

git clone http://gitoschinanet/kiwenlau/hadoop-cluster-docker

4 运行容器

cd hadoop-cluster-docker  /start-containersh 

运行结果：

start master container  start slave1 container  start slave2 container  root@master:~# 

一共开启了3个容器，1个master, 2个slave。开启容器后就进入了master容器root用户的根目录(/root)。

查看master的root用户家目录的文件：

ls

运行结果：

hdfs run-wordcountsh serf_log start-hadoopsh start-ssh-serfsh 

start-hadoopsh是开启hadoop的shell脚本，run-wordcountsh是运行wordcount的shell脚本，可以测试镜像是否正常工作。

5测试容器是否正常启动(此时已进入master容器)

查看hadoop集群成员：

serf members 

运行结果：

masterkiwenlaucom 17217065:7946 alive  slave1kiwenlaucom 17217066:7946 alive  slave2kiwenlaucom 17217067:7946 alive 

若结果缺少节点，可以稍等片刻，再执行“serf members”命令。因为serf agent需要时间发现所有节点。

测试ssh：

ssh slave2kiwenlaucom 

运行结果：

Warning: Permanently added 'slave2kiwenlaucom,17217067' (ECDSA) to the list of known hosts  Welcome to Ubuntu 1504 (GNU/Linux 3130-53-generic x86_64)   Documentation: https://helpubuntucom/  The programs included with the Ubuntu system are free software;  the exact distribution terms for each program are described in the  individual files in /usr/share/doc//copyright  Ubuntu comes with ABSOLUTELY NO WARRANTY, to the extent permitted by  applicable law  root@slave2:~# 

退出slave2：

exit 

运行结果：

logout  Connection to slave2kiwenlaucom closed 

若ssh失败，请稍等片刻再测试，因为dnsmasq的dns服务器启动需要时间。测试成功后，就可以开启Hadoop集群了!其实你也可以不进行测试，开启容器后耐心等待一分钟即可!

6 开启Hadoop

/start-hadoopsh 

上一步ssh到slave2之后，请记得回到master啊!运行结果太多，忽略，Hadoop的启动速度取决于机器性能

7 运行wordcount

/run-wordcountsh 

运行结果：

input file1txt:  Hello Hadoop  input file2txt:  Hello Docker  wordcount output:  Docker 1  Hadoop 1  Hello 2 

wordcount的执行速度取决于机器性能

四 N节点Hadoop集群搭建步骤

1 准备工作

参考第二部分1~3：下载镜像，修改tag，下载源代码

注意，你可以不下载serf-dnsmasq，但是请最好下载hadoop-base，因为hadoop-master是基于hadoop-base构建的。

2 重新构建hadoop-master镜像

/resize-clustersh 5 

不要担心，1分钟就能搞定

你可以为resize-clustersh脚本设不同的正整数作为参数数1, 2, 3, 4, 5, 6

3 启动容器

/start-containersh 5 

你可以为resize-clustersh脚本设不同的正整数作为参数数1, 2, 3, 4, 5, 6

这个参数呢，最好还是得和上一步的参数一致:)

这个参数如果比上一步的参数大，你多启动的节点，Hadoop不认识它们

这个参数如果比上一步的参数小，Hadoop觉得少启动的节点挂掉了

4 测试工作

参考第三部分5~7：测试容器，开启Hadoop，运行wordcount

请注意，若节点增加，请务必先测试容器，然后再开启Hadoop, 因为serf可能还没有发现所有节点，而dnsmasq的DNS服务器表示还没有配置好服务

节点是什么？

节点是存储节点的简称，一般来说1个节点是1个存储服务器。

其中一个存储节点坏了是否影响数据的访问？

这个主要取决于你采取的数据保护措施，主要有以下几种：

多副本：同一份数据会保存多份（通常设置为 2 副本或 3 副本），即使副本所在的节点宕机也不会造成数据丢失；

HA（高可用）：节点宕机时，该节点上的虚拟机自动迁移至集群内其它节点，降低业务中断时间；

机架感知：根据机房物理拓扑结构，将副本分配在不同的机架、机箱、主机上，有效减少甚至避免物理硬件（电源、交换机等）故障导致的数据丢失。理论上，3 副本结合机架感知配置，系统可最多容忍 2 个机架上的主机全部失效；

快照：为虚拟机打快照，在其发生故障时将数据恢复至快照状态；

双活：同城双数据中心，灾难时无损快速恢复业务（RPO=0）；

备份：异地主备数据中心，灾难时尽可能挽回数据损失。