Cloudera Quickstart VM (以下VM) は、デフォルトで 127.0.0.1 をホスト名 quickstart.cloudera と紐付けているため、このままでは VM 外(例えばMac自身)からの HDFS への接続を行うことができない。すなわち、データの入出力を行うことができない。(REST APIなどを使えば一応可能)
本記事では、VMに外部からHDFS接続する方法について説明する。

問題の背景に興味がなく問題解決だけしたい人は「対処法」まで読めばいい。なぜこういう挙動なのか知りたい人は「技術背景」を参照すること。

環境

OS: Mac OS X 10.10.3
Cloudera Quickstart VM: C5.4
VMWare Fusion 6

準備

Cloudera Quickstart VM の概要及びインストール方法については、CodeZineの連載記事「フリーのVM環境を使って、ビッグデータ分析の学習環境をすばやく構築する」を参照のこと。

対処法

ネットワーク設定の変更

/etc/udev/rules.d/70-persistent-net.rules を編集し、 eth0 と eth1 を入れ替える。

変更前

# PCI device 0xXZ:0x100f (e1000)
SUBSYSTEM=="net", ACTION=="add", DRIVERS=="?*", ATTR{address}=="XX:XX:XX:XX:XX:XX", ATTR{type}=="1", KERNEL=="eth*", NAME="eth0"

# PCI device 0x8086:0x100f (e1000)
SUBSYSTEM=="net", ACTION=="add", DRIVERS=="?*", ATTR{address}=="XX:XX:XX:XX:XX:XX", ATTR{type}=="1", KERNEL=="eth*", NAME="eth1"

変更前

# PCI device 0xXZ:0x100f (e1000)
SUBSYSTEM=="net", ACTION=="add", DRIVERS=="?*", ATTR{address}=="XX:XX:XX:XX:XX:XX", ATTR{type}=="1", KERNEL=="eth*", NAME="eth1"

# PCI device 0x8086:0x100f (e1000)
SUBSYSTEM=="net", ACTION=="add", DRIVERS=="?*", ATTR{address}=="XX:XX:XX:XX:XX:XX", ATTR{type}=="1", KERNEL=="eth*", NAME="eth0"

VM再起動

次にVMを再起動する。
再起動後、ifconfig コマンドの実行により eth0 が表示されていて、かつ /etc/hosts で　quickstart.cloudera がローカルアドレス 127.0.0.1 以外に紐付けられていれば成功である。

ifconfigの結果

[cloudera@quickstart ~]$ ifconfig
eth0      Link encap:Ethernet  HWaddr 00:0C:29:F9:A7:2F
          inet addr:172.16.XXX.XXX  Bcast:172.16.146.255  Mask:255.255.255.0

/etc/hosts

127.0.0.1   localhost   localhost.domain
172.16.XXX.XXX  quickstart.cloudera quickstart

Cloudera Manager のサービス再起動

Cloudera Manager のサービスが 127.0.0.1 として紐付けられている場合があるので、その場合はサービスの再起動を行う。分からない場合は再起動してしまった方が安全。

Cloudera 管理サービスの再起動

ホームページから添付の図の通りに再起動を行う。

CDH サービスの再起動とクライアント設定の展開

下図の通り、サービス再起動及びクライアント設定の展開を行う。順番は前後しても構わないが、サービス再起動中に設定の展開を行わないこと。(エラーになる)

技術背景

データ読み書き時のHDFSの仕組み(概略)

HDFSは、マスターサーバである NameNode (以下NN)1台(HA構成時もアクティブは1台)、ワーカーサーバである DataNode (以下DN)1台以上からなる分散ファイルシステムを提供するためのサービスである。
NNは、分散ファイルシステム上の名前空間とDNに物理的に保存されているデータとのマップ情報をメモリ上に保持している。
このとき、NNはDNのUUIDをマップ情報として記録している。かつてはDNのIPアドレスを直接ブロックに対して紐付けていたが、ヘテロジニアスストレージサポートのための変更の一環であるHDFS-5448、HDFS-5233によってUUIDとブロックを紐付けるようになった。
データの新規書き込み時にはおおまかには以下のようなフローで処理が行われる。

クライアントはNNに問い合わせ、書き込み先要求を行う。
書き込み可能だった場合、NNは書き込み先のパスを新たに作成し、そのパスに書き込むデータを保存するDNのIPアドレスをクライアントに返す。
クライアントは取得したIPアドレスのDNに対し、データブロックの転送を行う。

で、なんで外部から接続できないの？

上記の仕組みの通り、DNのIPアドレスがローカルアドレスとして認識されている限り、外部からデータの書き込み要求を行っても必ず失敗する。NATによってNNに接続できるだけでは問題を解決できない。

Cloudera Quickstart VM におけるネットワーク設定の仕組み

先述の通り、Cloudera Quickstart VM ではデフォルトでホスト名を 127.0.0.1 に紐付ける。これは以下のような仕組みで行われる。

Quickstart VM は、起動時に特別な初期化スクリプト /etc/init.d/cloudera-quickstart-init を実行する。このスクリプト内で、 /usr/bin/cloudera-quickstart-ip というコマンドを呼び出す。このコマンドは eth0 のIPアドレスを確認し、そのアドレスにホスト名を紐付けて /etc/hosts を生成する。 eth0 が設定されていない場合は 127.0.0.1 を使う。ところが、Quickstart VM はデフォルトで eth1 を外部接続用ネットワークとして設定するため、 eth0 は未設定となっている。これが 127.0.0.1 がホスト名に紐付けられる仕組みである。

間違った対処法

上記の仕組みから、 /etc/hosts だけを修正しても根本的な解決にならないことがわかる。再起動すれば元に戻ってしまうからだ。

Cloudera Quickstart VM に外部からHDFS接続する

環境

準備

対処法