Hadoop笔记——Yarn的部署与MapReduce程序测试

一、Yarn介绍

Yarn(Apache Hadoop YARN)是Hadoop的一部分，负责Hadoop集群的资源调度。事实上，Yarn本身也是一个集群，它主要包括4个部分：

ResourceManager（RM）：RM是一个全局的资源管理器，负责整个系统的资源管理和分配。 ApplicationMaster（AM）：用户提交的每个应用程序均包含一个AM，负责向RM申请资源（Container），并分配给对应的应用程序。 NodeManager（NM）：NM是集群每个主机节点上的资源和任务管理器。 Container：Container是YARN中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等。

二、Yarn的配置与启动

前提：配置好了HDFS集群，如果没有，可以先看：

（1）Yarn集群配置

<!-- Reducer获取数据的方式 -->
<property>
	<name>yarn.nodemanager.aux-services</name>
	<value>mapreduce_shuffle</value>
</property>

<!-- 指定YARN的ResourceManager的地址 -->
<property>
	<name>yarn.resourcemanager.hostname</name>
	<value>Hadoop02</value>
</property>

<!-- 下面两个可有可无，建议加上日志的配置 -->
<!-- 开启日志聚集功能 -->
<property>
	<name>yarn.log-aggregation-enable</name>
	<value>true</value>
</property>
<!-- 日志保留时间设置7天 -->
<property>
	<name>yarn.log-aggregation.retain-seconds</name>
	<value>604800</value>
</property>

etc/hadoop/yarn-env.sh

export JAVA_HOME=JAVA_HOME绝对路径

然后使用脚本分发修改后的配置文件

（2）Yarn集群的启动

在配置了etc/hadoop/slaves的前提下，通过群起集群在ResouceManager所在的主机上启动YARN：

$ sbin/start-yarn.sh

三、MapReduce程序配置与测试

（1）MapReduce简介

MapReduce是Hadoop自带的一个分布式计算框架，适合做离线计算和批处理，可以运行在Yarn集群上。

（2）MapReduce的配置

$ cp mapred-site.xml.template mapred-site.xml

<!-- 指定MR运行在Yarn上 -->
<property>
	<name>mapreduce.framework.name</name>
	<value>yarn</value>
</property>

<!-- 下面两个可有可无，建议加上历史服务器的配置 -->
<!-- 历史服务器端地址 -->
<property>
	<name>mapreduce.jobhistory.address</name>
	<value>Hadoop01:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>Hadoop01:19888</value>
</property>

etc/hadoop/mapred-env.sh

export JAVA_HOME=JAVA_HOME绝对路径

然后使用脚本分发修改后的配置文件

（3）测试MapReduce程序

如果配置了历史服务器，则先在历史服务器所在主机，启动历史服务器：

$ sbin/mr-jobhistory-daemon.sh start historyserver

测试官方WordCount案例：

$ hdfs dfs -mkdir -p /user/Bessen/input
  $ hdfs dfs -put wcinput/wc.input /user/Bessen/input/
  
  $ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar wordcount /user/Bessen/input  /user/Bessen/output

  $ hdfs dfs -cat /user/Bessen/output/*

四、Yarn的监控

Yarn web：http://RM主机地址:8088/cluster 历史服务器日志：http://历史服务器主机地址:19888/jobhistory