CDH集群管理：如何用技术简化复杂性？

大数据集群搭建及管理

问题:需要搭建 1000 台服务器的集群，其中集群包含 Hive、Hbase、Flume、Kafka、Spark 等集群，需要多长时间搭建好?

思考: 搭建四台集群与搭建 1000 台集群的区别?比较相似。

解决问题:(以搭建HDFS为例)

集群环境规划

首先我们需要进行集群基础环境的规划:比如每台节点的网络 ip 规划，节点时间同步，每台节点的名称，每台节点安装 jdk，节点之间配置免密等。

其次需要进行 Hadoop 的集群规划:比如搭建 HDFS 的版本，搭建的 HDFS 模式，搭建单机模式?还是完全分布式模式?还是HA的完全分布式模式?搭建 HDFS 是否需要依赖?比如 zookeeper。

最后对节点进行规划:比如那些节点搭建 zookeeper?那些节点搭建 Hadoop 集群等。

实际搭建步骤:

1. 基础环境的搭建
2. 搭建 zookeeper 集群。
3. 搭建 HDFS 集群。

存在的问题:

1. 各个大数据技术包的下载。升级复杂。
2. 配置文件多节点之间分发。部署过程复杂。
3. 大数据技术各个版本的匹配兼容。版本对应混乱，兼容性差。
4. 集群使用状态、日志查看麻烦。去节点查看详细内容，安全性差。

CDH简介

目前 Hadoop 发行版非常多，除了原生的 Apache Hadoop 外，还有 Cloudera 发行版(CDH)、Hortonworks 发行版[2018 年与 Cloudera 公司已经合并]，MapR的MapR 产品、AWS[Amazon Web Services]的 EMR[Elastic MapReduce]等。目前市场份额占比最高的是前三家。所有这些发行版都是基于 Apache Hadoop 衍生出来的，之所以有这么多版本，是由于 Apache Hadoop 的开源协议决定的:任何人可以对其进行修改，并作为开源或者商业产品发布或者销售。

Apache Hadoop 版本: 最原始的版本，所有的发行版都是基本这个版本改进，也称为社区版 Hadoop。

Cloudera 版本:Cloudera’s Distribution Including Apache Hadoop ，简称 CDH。

Hortonworks 版本:Hortonworks Data Platform 简称“HDP”。 

对于国内的用户来说，CDH 版本使用最多。CDH 基于 Web 的用户界面，支持大多数 Hadoop 的组件，包括:HDFS、MapReduce、Hive、Hbase、Zookeeper 等组件， 并且简化了大数据平台的安装和使用，使集群方便管理。

Cloudera 的 CDH 和 Apache 原生的 Hadoop 的区别如下:

1.CDH 对版本的划分非常清晰，CDH 共有6个版本，前三个版本已经不再更新，目前更新的两个版本为 CDH5 和 CDH6，CDH4 基于 Hadoop2.0，CDH5 基于 Hadoop2.2-2.6，CDH6 基于 Hadoop3.0，而原生的Apache Hadoop版本比较多，CDH相比原生Apache Hadoop做到版本统一管理。

2.CDH相比原生 Hadoop 在兼容性、安全性、稳定性上有较大改善，对 Hadoop 一 些 bug 进行了修复，支持 Kerberos 安全认证，更新速度快且 CDH 文档完善清晰。

3.CDH 支持 yum 包，rpm 包，tar 包，Cloudera Manager 几种方式安装，原生的 Apache Hadoop只支持tar包安装。

4.提供了部署、安装、配置工具，大大提高了集群部署的效率，可以在短时间内部署好集群。

5.运维简单，提供了管理、监控、诊断、配置修改工具，管理配置方便，定位问题快速，准确，使运维工作简单高效。

CDH集成组件

CDH 集成了数据整合、存储、计算、搜索、分析等大数据相关技术组件，如下图:  

CDH 中文官网:https://cn.cloudera.comCDH 
英文官网:https://www.cloudera.com 

CDH界面

CDH架构

Server:Cloudera Manager 的核心是 Cloudera Manager Server ,Server 管理控制台服务和托管应用程序逻辑，负责软件的安装、配置、服务的启动与关闭及管理集群。

Agent:安装在每台主机上。Agent 负责进程的启动和停止，解压配置，触发安装及监控主机。

Management Service:由一组角色组成的服务，这些角色执行各种监视，警报和报告功能。

DataBase:存储配置及监控信息。

ClouderaRepository:Cloudera Manager分发软件的存储库。

Clients:与 Server交互的接口，有两部分，Admin Console :管理员web界面版。Api:用于开发者创建Cloudera Manager程序。 

---

以上就是今天分享的全部内容。

如果你想了解更多关于：Cloudera 系统环境准备、基础环境安装、集群部署以及应用组件安装等全方位的技术的问题，可以后台联系我。

例如：从环境搭建/集群部署，内存扩容/问题排查，数据迁移等助你轻松应对数据管理的复杂性。

感谢你的阅读，如果喜欢我的文字，可以持续关注我，会陆续为你更新更多干货小知识。    如果你想深入探讨了解 Cloudera 大数据技术的（内存扩容/缩容策略，故障诊断与问题排查）的方法论，欢迎找我：15928721005