7.配置yarn集群

配置yarn集群

1）大数据解决的问题？

海量数据的存储：hadoop->分布式文件系统HDFS
海量数据的计算：hadoop->分布式计算框架MapReduce

2）什么是MapReduce?

分布式程序的编程框架，java->ssh ssm ，目的：简化开发！
是基于hadoop的数据分析应用的核心框架。
mapreduce的功能：将用户编写的业务逻辑代码和自带默认组件整合成一个完整的
分布式运算程序，并发的运行在hadoop集群上。

3）MapReduce的优缺点

优点：
（1）易于编程
（2）良好的拓展性
（3）高容错性
（4）适合处理PB级别以上的离线处理

缺点：
（1）不擅长做实时计算
（2）不擅长做流式计算（mr的数据源是静态的）
（3）不支持DAG（有向图）计算（spark）

4）自动化调度平台yarn(mr程序的运行平台)

mr程序应该在多台机器上运行启动，而且要先执行maptask，等待每个maptask都处理完成后
还要启动很多个reducetask，这个过程要用户手动调用任务不太现实，
需要一个自动化的任务调度平台->hadoop当中2.x中提供了一个分布式调度平台-YARN

5）搭建yarn集群

（1）修改配置文件 yarn-site.xml
<!-- 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>主机名1</value>
</property>
	<!-- 日志聚集功能使能 -->
<property>
	<name>yarn.log-aggregation-enable</name>
	<value>true</value>
</property>
<!-- 日志保留时间设置7天(秒) -->
<property>
	<name>yarn.log-aggregation.retain-seconds</name>
	<value>604800</value>
</property>


（2）然后复制到每台机器  $PWD 当前目录
scp yarn-site.xml root@slave1:$PWD
scp yarn-site.xml root@slave2:$PWD

（3）修改slaves文件

然后在master上，修改hadoop的slaves文件，列入要启动nodemanager的机器
然后将master到所有机器的免密登陆配置好

（4）脚本启动yarn集群：
启动：
sbin/start-yarn.sh
停止：
sbin/stop-yarn.sh

（5）访问web端口
启动完成后，可以在windows上用浏览器访问resourcemanager的web端口：
http://localhost:8088