分布式计算概述（MapReduce && Yarn理论及部署）

吗喽也是命

已于 2023-09-10 15:58:58 修改

阅读量699

点赞数 4

于 2023-07-25 15:59:58 首次发布

本文链接：https://blog.csdn.net/2202_75347029/article/details/131900470

版权

大数据专栏收录该内容

41 篇文章 10 订阅

订阅专栏

四、MapReduce & YARN的部署

一、分布式计算概述

分布式计算，即以分布式的形式完成数据的统计，得到想要的结果。

1.分散-->汇总模式：

1.将数据分片，多台服务器各自负责一部分数据处理。

2.然后将各自的结果，进行汇总处理。

3.最终得到想要的计算结果。

例如：MapReduce

2.中心调度-->步骤执行模式：

1.由一个节点作为中心1调度管理者。

2.将任务划分为几个具体步骤。

3.管理者安排每个机器执行任务。

4.最终得到结果数据。

例如：Spark、Flink

二、MapReduce概述

1.分布式计算框架-MapReduce

MapReduce提供了2个编程接口：

·Map：提供了”分散“的功能，由服务器分布式对数据进行处理。

·Reduce：提供了”汇合（聚合）“的功能，将分布式的处理结果汇总统计。

用户如需使用MapReduce框架完成自定义需求的程序开发，只需使用Java、Python等编程语言，实现MapReduce功能接口即可。

2.MapReduce运行机制

假定有四台服务器用以执行MapReduce任务，可以三台服务器执行Map，1台服务器执行Reduce。

三、YARN概述

1.分布式资源调度-YARN

（1）资源调度

资源：服务器硬件资源，如：CPU、内存、硬盘、网络等

资源调度：管控服务器硬件资源，提供更好的利用率

分布式资源调度：管控整个分布式服务器集群的全部资源，整合进行统一调度。

（2）程序运行

①程序向YARN申请所需资源

②YARN为程序分配所需资源供程序使用

（3）MapReduce和YARN的关系

①YARN用来调度资源给MapReduce分配和管理运行资源

②MapReduce需要YARN才能执行（普遍情况）

2.YARN核心架构

YARN，主从架构，有两个角色:

①主（Master）角色：Resource Manager，整个集群的资源调度者，负责协调各个程序所需的资源。

②从（Slave）角色：Node Manger，单个服务器的资源调度者，负责调度单个服务器上的资源提供给应用程序使用。

（1）YARN容器

容器（Container）：是YARN的NodeManager在所属服务器上分配资源的手段。

创建一个资源容器，即NodeManager预先占用这一部分资源，然后将这一部分资源提供给程序使用。相当于在服务器构建了一个集装箱，程序运行只能在集装箱内，无法突破容器的资源限制。

3.YARN辅助架构

为了使YARN集群运行更加稳定，因此给YARN集群搭配了两个辅助角色：

（1）代理服务器（Proxy Server）：Web APPlication Proxy Web应用程序代理

代理服务器，即Web应用代理是YARN的一部分。默认情况下，它将作为资源管理器（RM）的一部分运行，但是可以配置为在独立模式下运行。使用代理的原因是为了减少YARN进行基于网络的攻击的可能性。因为YARN在运行是会提供一个Web UI站点（同HDFS的Web UI站点）可供用户在浏览器内查看YARN的运行信息。

代理服务器的功能：

①警告用户正在访问一个不受信任的站点。

②剥离用户访问的Cookie等。

（2）历史服务器（Job History Server）应用程序历史记录服务

记录历史运行的程序的信息以及产生的日志并提供WEB UI站点供用户使用浏览器查看。

四、MapReduce & YARN的部署

1.Map Reduce配置文件

在$HADOOP_HOME/etc/hadoop文件夹内:

修改mapred-env.sh文件，添加如下

        # 设置JDK路径
        export JAVA_HOME=export/servers/jdk
        # 设置JobHistoryServer进程内存为1G
        export HADOOP_JOB_HISTORYSERVER_HEAPSIZE=1000
        #设置日志基本为INF0
        export HADOOP_MAPRED_ROOT_LOGGER=INF0,RFA

配置 mapred-site.xml，配置如下

<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
<description>MapReduce的运行框架设置为YARN</description>
</property>

<property>
<name>mapreduce.jobhistory.address</name>
<value>node1:10020</value>
<description>历史服务器通信端口为node1:10020</description>
</property>

<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>node1:19888</value>
<description>历史服务器web端口为node1的19888</description>
</property>

<property>
<name>mapreduce.jobhistory.intermediate-done-dir</name>
<value>/data/mr-history/tmp</value>
<description>历史信息在HDFS的记录临时路径</description>
</property>

<property>
<name>mapreduce.jobhistory.done-dir</name>
<value>/data/mr-history/done</value>
<description>历史信息在HDFS的记录路径</description>
</property>

<property>
<name>yarn.app.mapreduce.am.env</name>
<value>HADOOP_MAPRED_HOME=$HADOOP_HOME</value>
<description>MapReduce HOME 设置为HADOOP_HOME</description>
</property>

</configuration>

2.YARN配置文件

在$HADOOP_HOME/etc/hadoop文件夹内修改：

（1）配置yarn.env.sh文件

        # 设置JDK路径的环境变量
        export JAVA_HOME=/export/servers/jdk
        # 设置HADOOP_HOME的环境变量
        export HADOOP_HOME=/export/servers/hadoop
        # 设置配置文件路径的环境变量
        export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
        # 设置日志文件路径的环境变量
        export HADOOP_LOG_DIR=$HADOOP_HOME/logs

（2）配置yarn-site.xml

<property>
<name>yarn.resourcemanager.hostname</name>
<value>node1</value>
<description>ResourceManager设置在node1节点</description>
</property>

<property>
<name>yarn.nodemanager.local-dirs</name>a
<value>/data/nm-local</value>
<description>NodeManager中间数据本地存储路径</description>
</property>

<property>
<name>yarn.nodemanager.log-dirs</name>
<value>/data/nm-log</value>
<description>NodeManager数据日志本地存储路径</description>
</property>

<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
<description>为MapReduce程序开启shuffle服务</description>
</property>

<property>
<name>yarn.log.server.url</name>
<value>http://node1:19888/jobhistory/logs</value>
<description>历史服务器URL</description>
</property>

<property>
<name>yarn.web-proxy.address</name>
<value>node1:8088</value>
<description>代理服务器主机和端口</description>
</property>

<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
<description>开启日志聚合</description>
</property>

<property>
<name>yarn.nodemanager.remote-app-log-dir</name>
<value>/tmp/logs</value>
<description>程序日志HDSF的存储路径</description>
</property>

<property>
<name>yarn.resourcemanager.scheduler.calss</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>
<description>选择公平调度器</description>
</property>

3.分发配置文件

scp mapred-env.sh mapred-site.xml yarn-env.sh yarn-site.xml node2:`pwd`/

scp mapred-env.sh mapred-site.xml yarn-env.sh yarn-site.xml node3:`pwd`/

4.集群基础命令介绍

①一键启动YARN集群：$HADOOP_HOME/sbin/start-yarn.sh

②一键停止YARN集群：$HADOOP_HOME/sbin/stop-yarn.sh

③单独启动或停止进程：$HADOOP_HOME/bin/yarn --daemon start | stop rsourcemanager | nodemanager | proxyserver

④历史服务器启动和停止：￥HADOOP_HOME/bin/mapred --daemon start | stop historyserver

吗喽也是命

关注

4
点赞
踩
9

收藏

觉得还不错? 一键收藏
打赏
1
评论
分布式计算概述（MapReduce && Yarn理论及部署）

分布式计算，即以分布式的形式完成数据的统计，得到想要的结果。MapReduce提供了2个编程接口：·Map：提供了”分散“的功能，由服务器分布式对数据进行处理。·Reduce：提供了”汇合（聚合）“的功能，将分布式的处理结果汇总统计。用户如需使用MapReduce框架完成自定义需求的程序开发，只需使用Java、Python等编程语言，实现MapReduce功能接口即可。（1）资源调度资源：服务器硬件资源，如：CPU、内存、硬盘、网络等资源调度：管控服务器硬件资源，提供更好的利用率。
复制链接

扫一扫