一、基于 Ambari 安装 Alluxio 服务

在 Ambari 管理的大数据环境中，通过 添加服务向导 安装 Alluxio，可以将其纳入统一的：

• 服务生命周期管理
• 配置集中分发与变更
• 服务启停与运行状态监控

避免手工部署时常见的版本不一致、节点遗漏、配置漂移等问题。

本文环境说明

• 集群管理：Ambari 3.0.0
• 发行版：ttr-2.2.2+
• 安全模式：Kerberos 已开启
• 目标：通过 Ambari 部署 Alluxio，为 Spark / SQL / 批处理任务提供高速数据访问层

从 Ambari 首页点击 Add Service / 添加服务，进入服务安装向导。

二、选择 Alluxio 组件

1. 在服务列表中勾选 Alluxio

在可选服务列表中，勾选 Alluxio 组件：

Alluxio 在集群中并不是“可有可无”的工具型组件，而是真正参与数据读写链路的基础设施，因此更适合以下场景：

• 已有稳定运行的 HDFS 集群
• Spark 作业数量较多、数据复用率高
• IO 成为计算性能瓶颈

Alluxio 在集群中的核心职责

• 提供 内存级 / 本地磁盘级缓存能力
• 屏蔽底层存储差异（HDFS / OSS / S3 等）
• 为 Spark、MapReduce 提供 统一、高速的数据访问接口
• 显著降低重复计算对 HDFS 的 IO 压力

在安装 Alluxio 之前，建议确认集群中已具备稳定运行的 HDFS 与计算引擎。

确认后点击 NEXT。

三、分配 Alluxio 组件节点

1. Master 节点规划

Ambari 会提示为 Alluxio Master 选择部署节点：

Alluxio Master 主要负责：

• 元数据管理（缓存文件分布情况）
• Worker 状态汇总
• 客户端请求调度

Master 节点规划建议

• 尽量与 NameNode / ResourceManager 分离
• 稳定性优先于算力
• 初期可单 Master 部署
• 生产环境建议规划 HA 架构

2. Worker 节点分配

随后进入 Alluxio Worker 的节点分配页面：

Alluxio Worker 是实际承载缓存数据的角色，性能主要取决于：

• 本地磁盘 IO
• 可用内存大小
• 与计算进程的物理距离

Worker 选择建议

• 通常部署在 计算节点（DataNode / Spark Executor 节点）
• 内存与本地磁盘资源直接影响缓存效果
• 不建议部署在纯管理节点

确认组件分布后，继续下一步。

3. 组件配置

在配置页面中，首次安装建议 保持默认配置即可，无需提前做复杂调整。

点击 NEXT 进入下一步。

四、蓝图清单与配置确认

1. 蓝图摘要页面

Ambari 会展示 Alluxio 的完整安装蓝图，包括：

• Master / Worker 的部署主机
• 组件与节点映射关系
• 依赖与配置校验结果

提醒

我们开启了 Kerberos 认证,所以安装过程多了些票据步骤，我们也整理了相关文档，涵盖了一些避坑指南，请参考下面章节：开启Kerberos——专题

确认无误后，进入正式安装阶段。

五、安装过程与结果确认

1. 观察安装执行过程

进入安装执行页面后，Ambari 会自动完成：

• Alluxio 相关包的分发
• 配置文件渲染与下发
• Kerberos 环境下的权限校验
• 服务注册与进程启动

Kerberos 环境说明

由于本集群在 开启 Kerberos 后 才安装 Alluxio，因此安装步骤会明显多于非安全环境，这是正常现象。

2. 安装完成后的服务状态

安装完成后，回到 Ambari 服务总览页，Alluxio 状态应为 Started / 绿色：

到这里说明什么？

• Alluxio 已成功接入 Ambari 管理体系
• Master / Worker 进程正常启动
• 服务具备对外提供缓存能力的基础条件

六、访问 Alluxio Web UI 验证服务状态

通过 Ambari 页面中的 Web UI 入口，可以访问 Alluxio 的管理界面：

默认 Worker 页面地址类似：

http://dev1:19999/workers

在该页面中可以重点关注：

• Worker 是否全部为 LIVE
• 每个 Worker 的内存 / 磁盘容量
• 当前缓存使用情况

当页面可正常访问、Worker 状态正常时，说明：

Alluxio 服务安装成功，已具备承载缓存数据的能力