欢迎投稿

今日深度:

Hadoop权限管理,

Hadoop权限管理,


1. 介绍

本文介绍的Hadoop权限管理包括以下几个模块:

(1) 用户分组管理。用于按组为单位组织管理,某个用户只能向固定分组中提交作业,只能使用固定分组中配置的资源;同时可以限制每个用户提交的作业数,使用的资源量等

(2) 作业管理。包括作业提交权限控制,作业运行状态查看权限控制等。如:可限定可提交作业的用户;可限定可查看作业运行状态的用户;可限定普通用户只能修改自己作业的优先级,kill自己的作业;高级用户可以控制所有作业等。

想要支持权限管理需使用Fair Scheduler或者 Capacity Scheduler(作业管理需用到Hadoop的ACL(Access Control List)功能,启用该功能需选择一个支持多队列管理的调度器)

2. 基本术语

(1)  用户(User):Hadoop使用Linux用户管理,Hadoop中的用户就是Linux中的用户

(2) 分组(group):Hadoop使用Linux分组管理,Hadoop中的分组就是Linux中的分组

(3) 池(pool):Hadoop Fair Scheduler中的概念,一个pool可以是一个user,一个group,或者一个queue。

(4) 队列(Queue):队列是Hadoop提出的概念,一个Queue可以由任意几个Group和任意几个User组成。

3. Hadoop中Fair Scheduler与Capacity Scheduler介绍

3.1 Fair Scheduler

Facebook开发的适合共享环境的调度器,支持多用户多分组管理,每个分组可以配置资源量,也可限制每个用户和每个分组中的并发运行作业数量;每个用户的作业有优先级,优先级越高分配的资源越多。

3.2 Capacity Scheduler

Yahoo开发的适合共享环境的调度器,支持多用户多队列管理,每个队列可以配置资源量,也可限制每个用户和每个队列的并发运行作业数量,也可限制每个作业使用的内存量;每个用户的作业有优先级,在单个队列中,作业按照先来先服务(实际上是先按照优先级,优先级相同的再按照作业提交时间)的原则进行调度。

3.3 Fair Scheduler vs Capacity Scheduler

(1) 相同点

[1] 均支持多用户多队列,即:适用于多用户共享集群的应用环境

[2] 单个队列均支持优先级和FIFO调度方式

[3] 均支持资源共享,即某个queue中的资源有剩余时,可共享给其他缺资源的queue

(2) 不同点

[1] 核心调度策略不同。 计算能力调度器的调度策略是,先选择资源利用率低的queue,然后在queue中同时考虑FIFO和memory constraint因素;而公平调度器仅考虑公平,而公平是通过作业缺额体现的,调度器每次选择缺额最大的job(queue的资源量,job优先级等仅用于计算作业缺额)。

[2] 内存约束。计算能力调度器调度job时会考虑作业的内存限制,为了满足某些特殊job的特殊内存需求,可能会为该job分配多个slot;而公平调度器对这种特殊的job无能为力,只能杀掉这种task。

(3) 功能上的不同

Fair Scheduler不允许配置每个user使用的slot数上限,但允许抢占资源 ;而Capacity scheduler允许配置每个user使用的slot数上限,但暂时不支持资源抢占 。

4. 用户分组管理

以Fair Scheduler(http://hadoop.apache.org/common/docs/r0.20.0/fair_scheduler.html )为例,按以下步骤进行:

(1) 将Fair Scheduler的jar包拷贝到lib中

如:cp ${HADOOP_HOME}/contrib/fairscheduler/hadoop-fairscheduler-0.20.2+320.jar ${HADOOP_HOME}/lib/

(2) 配置Queue相关信息

具体参考:

http://hadoop.apache.org/common/docs/r0.20.2/cluster_setup.html#Configuring+the+Hadoop+Daemons

在mapred-site.xml中添加以下内容:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 <property>     <name>mapred.acls.enabled</name>     <value>true</value>   </property>   <property>     <name>mapred.queue.names</name>     <value>my_group,default</value>   </property>   <property>     <name>mapred.queue.my_queue.acl-submit-job</name>     <value> my_group</value>   </property>   <property>     <name>mapred.queue.default.acl-administer-jobs</name>     <value></value>   </property>   <property>     <name>mapred.queue.my_queue.acl-administer-jobs</name>     <value></value>   </property>

说明:

【1】 属性mapred.queue.names是queue的所有名字,在这一名字中,必须有一个叫“default”的queue

【2】 每个queue均有一个属性mapred.queue.<queue-name>.acl-submit-job,用于指定哪些user或者group可以向该queue中提交作业

【3】 每个queue均有一个属性mapred.queue.<queue-name>.acl-administer-jobs,用于指定哪些user或者group可以管理该queue中的所有作业,即可以kill作业,查看task运行状态。一般而言,对于每个队列,该选项为空即可,表示每个user只能管理自己的作业。

【4】 每个queue拥有的资源量和其他信息均在另外一个配置文件中指定(对于公平调度器,可以在fair-scheduler.xml中指定)

【5】 mapred.queue.<queue-name>.acl-submit-job和mapred.queue.<queue-name>.acl-administer-jobs配置方法如下:

用户和用户组之间用空格分开,用户之间用“,”分割,用户组之间用“,”分割,如果queue的属性值中只有用户组,则前面保留一个空格。

(3) 配置fair scheduler相关信息

在mapred-site.xml中添加以下内容:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 <property>     <name>mapred.jobtracker.taskScheduler</name>     <value>org.apache.hadoop.mapred.FairScheduler</value>   </property>   <property>     <name>mapred.fairscheduler.poolnameproperty</name>     <value>mapred.job.queue.name</value>   </property>   <property>     <name>mapred.fairscheduler.allocation.file</name>     <value>/home/XXX/hadoop/conf/fair-scheduler.xml</value>   </property>

说明:

mapred.fairscheduler.poolnameproperty有三个可用值:默认情况下是user.name,即每个用户独自一个pool;group.name,即一个linux group一个pool,mapred.job.queue.name,即一个queue一个pool,如果要支持“作业管理”,需使用最后一种配置。

(4) 创建文件fair-scheduler.xml,并添加以下内容:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 <?xml version="1.0"?>   <allocations>    <pool name="my_queue">     <minMaps>10</minMaps>     <minReduces>10</minReduces>     <maxRunningJobs>10</maxRunningJobs>     <minSharePreemptionTimeout>300</minSharePreemptionTimeout>     <weight>2.0</weight>   </pool>   <user name="bob">     <maxRunningJobs>5</maxRunningJobs>   </user>   <poolMaxJobsDefault>25</poolMaxJobsDefault>   <userMaxJobsDefault>2</userMaxJobsDefault>   <defaultMinSharePreemptionTimeout>600</defaultMinSharePreemptionTimeout>   <fairSharePreemptionTimeout>600</fairSharePreemptionTimeout>   </allocations>

说明:

【1】各个字段的含义

<pool></pool>之间配置的是每个pool的信息,主要如下:

(a) minMaps:该pool可使用的map slot数

(b) minReduces:该pool可使用的reduce slot数

(c) maxRunningJobs:该pool最大运行作业数

(d) minSharePreemptionTimeout:该pool抢占资源的时间间隔,即本属于自己的资源在改时间内拿不到便会抢占。

(e) Weight:pool的权重,该值越大,能够从共享区(有一些pool中的资源用不完,会共享给其他pool)中获取的资源越多。

<user></user>之间配置某个用户的约束:

maxRunningJobs:该用户可同时运行的作业数

<poolMaxJobsDefault></poolMaxJobsDefault>之间配置默认情况下每个pool最大运行作业数

<userMaxJobsDefault></userMaxJobsDefault>之间配置默认情况下每个user最大运行作业数

……

【2】 该配置文件中可动态修改无需重启Hadoop(修改后3s会被重新加载)

5. 作业管理

作业管理模块由Hadoop的ACL(http://hadoop.apache.org/common/docs/r0.20.2/service_level_auth.html )完成。

(1) 在core-site.xmll中配置以下属性:

1 2 3 4 5 6 7 <property>     <name>hadoop.security.authorization</name>     <value>true</value>   </property>

(2) 配置${HADOOP_CONF_DIR}/hadoop-policy.xml

Hadoop有9个可配置的ACL属性,每个属性可指定拥有相应访问权限的用户或者用户组。这9个ACL属性如下:

这9个ACL的配置方法相同,具体如下:

每个ACL可配置多个用户,用户之间用“,”分割;可配置多个用户组,分组之间用“,”分割, 用户和分组之间用空格分割,如果只有分组,前面保留一个空格,如:

1 2 3 4 5 6 7 <property>     <name>security.job.submission.protocol.acl</name>     <value>alice,bob group1,group2</value>   </property>

说明: 用户alice和bob, 分组group1和group2可提交作业

又如:

1 2 3 4 5 6 7 <property>     <name> security.client.protocol.acl </name>     <value> group3</value>   </property>

说明:只有group3可访问HDFS

1 2 3 4 5 6 7 <property>     <name>security.client.protocol.acl</name>     <value>*</value>   </property>

说明:所有用户和分组均可访问HDFS

注意,默认情况下,这9个属性不对任何用户和分组开放。

该配置文件可使用以下命令动态加载:

(1) 更新namenode相关属性: bin/hadoop dfsadmin –refreshServiceAcl

(2) 更新jobtracker相关属性:bin/hadoop mradmin -refreshServiceAcl

6. 提交作业

用户提交作业时,需用mapred.job.queue.name属性告诉Hadoop你要将作业提交到哪个Queue中,具体如下:

(1) 如果你是用Java编写Hadoop作业,用-D mapred.job.queue.name指明提交到哪个queue,如:

1 2 3 4 5 6 7 8 9 $HADOOP_HOME/bin/hadoop jar wordcount.jar wordcount \     -D mapred.map.tasks=1 \     -D mapred.reduce.tasks=1 \     -D mapred.job.queue.name= infrastructure \     Input ouput

(2) 如果你使用Hadoop Pipes编写作业,用-D mapred.job.queue.name指明提交到哪个queue,如:

1 2 3 4 5 6 7 8 9 10 11 $HADOOP_HOME/bin/hadoop pipes \     -D hadoop.pipes.executable=/examples/bin/wordcount \     -D hadoop.pipes.java.recordreader=true \     -D hadoop.pipes.java.recordwriter=true \     -D mapred.job.queue.name= my_group \     -input in-dir -output out-dir

(3) 如果你使用Hadoop Streaming编写作业,用-D mapred.job.queue.name指明提交到哪个queue,如:

1 2 3 4 5 6 7 8 9 10 11 $HADOOP_HOME/bin/hadoop  jar $HADOOP_HOME/hadoop-streaming.jar \     -input myInputDirs \     -output myOutputDir \     -mapper myPythonScript.py \     -reducer /bin/wc \     -D mapred.job.queue.name= my_group

7. 参考资料

http://hadoop.apache.org/common/docs/r0.20.2/cluster_setup.html#Configuring+the+Hadoop+Daemons

http://hadoop.apache.org/common/docs/r0.20.2/service_level_auth.html

http://hadoop.apache.org/common/docs/r0.20.0/fair_scheduler.html

原创文章,转载请注明: 转载自董的博客

本文链接地址: http://dongxicheng.org/mapreduce/hadoop-permission-management/

作者:Dong,作者介绍:http://dongxicheng.org/about/

本博客的文章集合:http://dongxicheng.org/recommend/

www.htsjk.Com true http://www.htsjk.com/Hadoop/41907.html NewsArticle Hadoop权限管理, 1. 介绍 本文介绍的Hadoop权限管理包括以下几个模块: (1) 用户分组管理 。用于按组为单位组织管理,某个用户只能向固定分组中提交作业,只能使用固定分组中配置...
相关文章
    暂无相关文章
评论暂时关闭