如何基于Docker快速搭建多节点Hadoop集群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。
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 14.04 和 ubuntu 12.04∙内核版本: 3.13.0-32-generic∙Docker版本：1.5.0 和1.6.2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-slaveserf-dnsmasq镜像∙基于ubuntu:15.04 (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 2.3.0: 安装编译过的Hadoop(2.5.2， 2.6.0， 2.7.0 都比2.3.0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-2.3.0安装包，放到hadoop-cluster-docker/hadoop-base/files目录内。
我编译的64位hadoop-2.3.0下载地址：/s/1sjFRaFz另外，我还编译了64位的Hadoop 2.5.2、2.6.0,、2.7.0, 其下载地址如下：∙hadoop-2.3.0: /s/1sjFRaFz∙hadoop-2.5.2: /s/1jGw24aa∙hadoop-2.6.0:/s/1eQgvF2M∙hadoop-2.7.0: /s/1c0HD0Nuhadoop-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- cluster.sh 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:15.04镜像的基础上增加了75.4MB∙hadoop-base镜像在serf-dnsmasq镜像的基础上增加了570.7MB∙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 /kiwenlau/hadoop-base:0.1.0的部分运行结果可知：∙基础镜像ubuntu:15.04为131.3MB∙安装OpenJDK需要324.6MB∙安装Hadoop需要158.5MB∙Ubuntu、OpenJDK与Hadoop均为镜像所必须，三者一共占了614.4MB 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1.sudo docker pull /kiwenlau/hadoop-master:0.1.02.3.sudo docker pull /kiwenlau/hadoop-slave:0.1.04.5.sudo docker pull /kiwenlau/hadoop-base:0.1.06.7.sudo docker pull /kiwenlau/serf-dnsmasq:0.1.03~5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：1.sudo docker pull kiwenlau/hadoop-master:0.1.02.3.sudo docker pull kiwenlau/hadoop-slave:0.1.04.5.sudo docker pull kiwenlau/hadoop-base:0.1.06.7.sudo docker pull kiwenlau/serf-dnsmasq:0.1.0查看下载的镜像：1.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777.4MB。
2. 修改镜像tag1.sudo docker tag d6*******c03 kiwenlau/hadoop-slave:0.1.02.3.sudo docker tag 7c9d32ede450 kiwenlau/hadoop-master:0.1.04.5.sudo docker tag 5571bd5de58e kiwenlau/hadoop-base:0.1.06.7.sudo docker tag 09ed89c24ee8 kiwenlau/serf-dnsmasq:0.1.0查看修改tag后镜像：1.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:///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 /kiwenlau/hadoop-cluster-docker4. 运行容器1.cd hadoop-cluster-docker2.3../start-container.sh运行结果：1.start master container...2.3.start slave1 container...4.5.start slave2 container...6.7.root@master:~#一共开启了3个容器，1个master, 2个slave。