如何使用Windows Azure搭建Hadoop集群

项目中在私有云中使用CDH (Cloudera Distribution Including Apache Hadoop)搭建Hadoop集群进行大数据计算。作为微软的忠实粉丝，将CDH部署到Windows Azure的虚拟机中是我的必然选择。由于CDH中包含多个开源服务，所以虚拟机需要开放的端口众多。Windows Azure中的虚拟机的网络是被安全隔离的，因此在Windows Azure中Virtual machines的服务中创建多个虚拟机安装Hadoop cluster，最佳的方案是为Hadoop集群创建虚拟网络，在虚拟网络中的资源和服务就像在虚拟私有云中互相访问，而与虚拟网络之外的其他资源是隔离的，从而实现安全性。

What is CDH?

CDH is the distribution of Apache Hadoop and related projects. CDH is 100% Apache-licensed open source and is the only Hadoop solution to offer unified batch processing, interactive SQL, and interactive search, and role-based access controls.

在 Windows Azure 中创建虚拟网络

登录到 Windows Azure 管理门户 , 在左下角单击"新建"。

在导航窗格中，依次单击"网络"、"虚拟网络"和"自定义创建"。

在"虚拟网络详细信息"屏幕上，输入虚拟网络的配置信息，然后单击"下一步"箭头。在此输入的配置信息包括虚拟网络的名称、地缘组区域和地缘组的名称。

地缘组是一种用于在同一数据中心以物理方式将 Windows Azure 服务组合起来以提高性能的方法。只能向一个虚拟网络分配地缘组。

设置DNS Server 和 VPN Connectivity，此步骤可不为跳过，在虚拟网络创建后需要时再设置。

在"地址空间和子网"屏幕上，输入以下信息，然后单击"下一步"箭头。地址空间必须为用 CIDR 表示法指定的专用地址范围：10.0.0.0/8、172.16.0.0/12 或 192.168.0.0/16(由 RFC 1918 指定)。本例中选择的是 Starting IP 选择的是192.168.0.0。

单击右下角的对号按钮，此时Windows Azure将根据提交的配置创建您的虚拟网络。

此时，您已在 Windows Azure 中拥有一个虚拟网络，可以在门户的"虚拟网络"选项卡上看到它。更多的详细配置方法可参考Windows Azure 官方文档 在 Windows Azure 中创建虚拟网络 。

从Windows Azure映像库中创建 Linux 虚拟机

创建Linux虚拟机的步骤可参考 Windows Azure 上的文档《创建运行 Linux 的虚拟机》 http://www.windowsazure.cn/zh-cn/manage/linux/tutorials/virtual-machine-from-gallery/

请注意在"虚拟机配置"对话框中的"REGION/AFFINITY GROUP/VIRTUAL NETWORK"选项中选择上一步骤中创建的虚拟网络。在本例中选中的是作者创建的虚拟网络"hadoopclusternetwork"。

为虚拟机开放如下的端口，即在虚拟机配置中设置如下的Endpoints。

Enable port for Virtual machines

7180 (Cloudera Manager web UI)

8020, 50010, 50020, 50070, 50075 (HDFS NameNode and DataNode)

8021 (MapReduce JobTracker)

8888 (Hue web UI)

9083 (Hive/HCatalog metastore)

41415 (Flume agent)

11000 (Oozie server)

21050 (Impala JDBC port)

使用同样的方式创建多个虚拟机组成可按照Hadoop的集群，请注意多个虚拟机使用同一个虚拟网络。

安装CDH

配置各个主机上的/etc/hosts

关闭防火墙

在root下执行下面命令，可以临时关闭防火墙

service iptables stop

在root下执行下面命令，可以永久关闭防火墙(即，每次开机都会关闭)，但需要重启生效。

chkconfig iptables off

关闭SELinux

$ setenforce 0

如果需要永久关闭，编辑/etc/selinux/config ，设置SELINUX=disabled

，然后完成安装。

更改Cloudera-manager-installer.bin权限

$ chmod u+x cloudera-manager-installer.bin

$ ./cloudera-manager-installer.bin

接着，接受许可协议，按Enter和Next，

安装界面如下所示：

启动 Cloudera Manager Admin 控制台

通过Cloudera Manager Admin控制台，可以配置、管理、监控集群上的Hadoop，WEB端的URL地址是：http://myhost.example.com:7180，myhost.example.com是你安装Cloudera-Manager- installer.bin的主机域名，当然用IP也是可以的。例如我的WEB端URL地址就是：http://hcc1.cloudapp.net:7180 。按照提示安装即可，安装成功的界面如下图所示。