一,基础知识
简单来说,MapReduce是用来对数据处理计算的一种模式,但是已经淡出舞台,分布式计算常见的2种工作模式
分散->汇总 (MapReduce就是这种模式)
中心调度->步骤执行 (大数据体系的Spark、Flink等是这种模式)
其次,MapReduce是基于YARN运行的,即没有YARN”无法”运行MapReduce程序
YARN用来调度资源给MapReduce分配和管理运行资源
YAEN的架构类似于HDFS架构
ResourceManager:整个集群的资源调度者, 负责协调调度各个程序所需的资源。 NodeManager: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。
NodeManager在服务器上构建一个容器(提前占用资源,类似集装箱的概念) 然后将容器的资源提供给程序使用 程序运行在容器(集装箱)内,无法突破容器的资源限制
二,MapReduce框架的运行配置
在 $HADOOP_HOME/etc/hadoop 文件夹内,修改: mapred-env.sh文件,添加如下环境变量
mapred-site.xml文件,添加如下配置信息
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
<discription>MapReduce的运行框架运行为YARN</discription>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>node1:10020</value>
<discription>历史服务器通讯端口为node1:10020</discription>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>node1:19888</value>
<discription>历史服务器端口为node1的19888</discription>
</property>
<property>
<name>mapreduce.jobhistory.intermediate-done-dir</name>
<value>/data/mr-history/tmp</value>
<discription>历史信息在HDFS的记录临时路径</discription>
</property>
<property>
<name>mapreduce.jobhistory.done-dir</name>
<value>/data/mr-history/done</value>
<discription>历史信息在HDFS的记录路径</discription>
</property>
<property>
<name>yarn.app.mapreduce.am.env</name>
<value>HADOOP_MAPRED_HOME=$HADOOP_HOME</value>
<discription>MapRedece HOME设置为HADOOP_HOME</discription>
</property>
<property>
<name>mapreduce.map.env</name>
<value>HADOOP_MAPRED_HOME=$HADOOP_HOME</value>
<discription>MapRedece HOME设置为HADOOP_HOME</discription>
</property>
<property>
<name>mapreduce.reduce.env</name>
<value>HADOOP_MAPRED_HOME=$HADOOP_HOME</value>
<discription>MapRedece HOME设置为HADOOP_HOME</discription>
</property>
三,YARN配置文件
在 $HADOOP_HOME/etc/hadoop 文件夹内,修改:
yarn-env.sh文件,添加如下4行环境变量内容:
export JAVA_HOME=/export/server/jdk
export HADOOP_HOME=/export/server/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export HADOOP_LOG_DIR=$HADOOP_HOME/logs
yarn-site.xml文件,配置如图属性
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node1</value>
<discription>ResourceManager设置在node1节点</discription>
</property>
<property>
<name>yarn.nodemanager.local-dirs</name>
<value>/data/nm-local</value>
<discription>NodeManager中间数据本地存储路径</discription>
</property>
<property>
<name>yarn.nodemanager.log-dirs</name>
<value>/data/nm-log</value>
<discription>NodeManager数据日志本地存储路径</discription>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
<discription>为MapReduce程序开启Shuffle服务</discription>
</property>
<property>
<name>yarn.log.server.url</name>
<value>http://node1:19888/jobhistory/logs</value>
<discription>历史服务器URL</discription>
</property>
<property>
<name>yarn.web-proxy.address</name>
<value>node1:8089</value>
<discription>代理服务器主机和端口</discription>
</property>
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
<discription>开启日志聚合</discription>
</property>
<property>
<name>yarn.nodemanager.remote-app-log-dir</name>
<value>/tmp/logs</value>
<discription>程序日志HDFS的存储路径</discription>
</property>
<property>
<name>yarn.resourcemanager.scheduler.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>
<discription>选择公平调度器</discription>
</property>
四,分发配置文件
MapReduce和YARN的配置文件修改好后,需要分发到其它的服务器节点中。
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`/
分发完成配置文件,就可以启动YARN的相关进程啦。
五,集群启动命令的介绍
一键启动YARN集群: $HADOOP_HOME/sbin/start-yarn.sh
会基于yarn-site.xml中配置的yarn.resourcemanager.hostname来决定在哪台机器上启动resourcemanager
会基于workers文件配置的主机启动NodeManager 一键停止YARN集群: $HADOOP_HOME/sbin/stop-yarn.sh
在当前机器,单独启动或停止进程
$HADOOP_HOME/bin/yarn --daemon start|stop resourcemanager|nodemanager|proxyserver start和stop决定启动和停止
可控制resourcemanager、nodemanager、proxyserver三种进程
历史服务器启动和停止
$HADOOP_HOME/bin/mapred --daemon start|stop historyserver
mr-jobhistory-daemon.sh start historyserver
都启动之后,可以在浏览器输入node1:8088,出现下面界面,说明YARN配置好了