hadoop安装之保姆级教程（二）之YARN的配置

1.1.1 YARN的介绍

  为克服 Hadoop 1.0中HDFS和MapReduce存在的各种问题⽽提出的，针对Hadoop 1.0中的MapReduce在扩展性和多框架⽀持⽅⾯的不⾜，提出了全新的资源管理框架YARN.

  Apache YARN（Yet another Resource Negotiator的缩写）是Hadoop集群的资源管理系统，负责为计算程序提供服务器计算资源，相当于⼀个分布式的操作系统平台，⽽MapReduce等计算程序则相当于运⾏于操作

系统之上的应⽤程序。

  YARN被引⼊Hadoop2,最初是为了改善MapReduce的实现，但是因为具有⾜够的通⽤性，同样可以⽀持其他的 分布式计算模式，⽐如Spark，Tez等计算框架。

1.2.1 YARN的配置

YARN属于Hadoop的核⼼组件，不需要单独安装，只需要修改⼀些配置⽂件即可。

注：以下需要配置的配置文件均在hadoop-3.1.1安装目录下的 /etc/hadoop 文件夹里

1.2.2 mapred-site.xml

<configuration>
<!-- 指定MapReduce作业执⾏时，使⽤YARN进⾏资源调度 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>yarn.app.mapreduce.am.env</name>
        <value>HADOOP_MAPRED_HOME=/usr/local/hadoop-3.3.1</value>  #写hadoop的安装路径，下同
    </property>
    <property>
        <name>mapreduce.map.env</name>
        <value>HADOOP_MAPRED_HOME=/usr/local/hadoop-3.3.1</value>
    </property>
    <property>
        <name>mapreduce.reduce.env</name>
        <value>HADOOP_MAPRED_HOME=/usr/local/hadoop-3.3.1</value>
    </property>
</configuration>

1.2.3 yarn-site.xml

<configuration>
<!-- 设置ResourceManager -->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>shulin</value>               #主机名
    </property>
<!--配置yarn的shuffle服务-->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

1.2.4 hadoop-env.sh

# 在最后面添加如下:
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root

1.2.5 分发到其他节点

#如果没有其他节点，这步请忽略
[root@shulin ~]# cd $HADOOP_HOME/etc/ 
[root@shulin etc]# scp -r hadoop shulin02:$PWD
[root@shulin etc]# scp -r hadoop shulin03:$PWD

1.2.6 YARN的服务启停

描述	命令
开启 YARN 全部服务	start-yarn.sh
停⽌ YARN 全部服务	stop-yarn.sh
单点开启 YARN 相关进程	yarn --daemon start resourcemanager yarn --daemon start nodemanager
单点停⽌ YARN 相关进程	yarn --daemon stop resourcemanager yarn --daemon stop nodemanager

1.3.1 YARN的历史日志

1.3.2 历史日志概述

  我们在YARN上运⾏MapReduce的程序的时候，可以在控制台上看到任务的⽇志输出，以获取到任务的运⾏状态。同 时，YARN也会将⽇志写在本地的$HADOOP_HOMOE/logs/userlogs⽂件夹中，我们可以到⽂件夹中进⾏⽇志的查 看。但是这个⽂件夹中的内容，会随着YARN的重启⽽被删除掉。那么此时我们将如何查看⽇志？

  此时就需要开启Hadoop的历史⽇志服务了，Hadoop会将MapReduce的任务⽇志在HDFS也保留⼀份，我们可以通过 Hadoop的历史任务服务来查看到之前的历史⽇志！

  但是每⼀个程序会被分布在不同的节点上进⾏运⾏，我们在进⾏任务查看的时候还得⼀个个的去指定节点进⾏查看， 并⼀个个的找MapTask或者ReduceTask的⽇志，很麻烦！预设YARN提供了历史⽇志聚合的服务！

顾名思义，就是将每⼀个程序的历史⽇志都聚合在⼀起，存储在HDFS上，⽅便查看！

1.3.3 mr-historyserver

顾名思义，就是去记录MapReduce的历史⽇志的。接下来我们从配置开始、到⽇志聚合、运⾏任务去讲解

1.3.4 配置文件

1.mapred-site.xml

<configuration>
<!-- 添加如下配置 -->
<!-- 历史任务的内部通讯地址 -->
    <property>
        <name>MapReduce.jobhistory.address</name>
        <value>shulin:10020</value>
    </property>
<!--历史任务的外部监听⻚⾯-->
    <property>
        <name>MapReduce.jobhistory.webapp.address</name>
        <value>shulin:19888</value>
    </property>
</configuration>

2. yarn-site.xml

<configuration>
<!-- 添加如下配置 -->
<!-- 是否需要开启⽇志聚合 -->
<!-- 开启⽇志聚合后，将会将各个Container的⽇志保存在yarn.nodemanager.remote-app-log-dir的位置 -->
<!-- 默认保存在/tmp/logs -->
    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>
<!-- 历史⽇志在HDFS保存的时间，单位是秒 -->
<!-- 默认的是-1，表示永久保存 -->
    <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>604800</value>
    </property>
    <property>
        <name>yarn.log.server.url</name>
        <value>http://shulin:19888/jobhistory/logs</value>
    </property>
</configuration>

1.3.5 分发配置

#没有其他节点的这步可以忽略
[root@shulin ~]# cd $HADOOP_HOME/etc/hadoop
[root@shulin hadoop]# scp mapred-site.xml yarn-site.xml shulin01:$PWD
[root@shulin hadoop]# scp mapred-site.xml yarn-site.xml shulin02:$PWD

1.3.6 开启历史服务

# 重启YARN集群
[root@shulin ~]# stop-yarn.sh
[root@shulin ~]# start-yarn.sh
# 打开历史服务
[root@shulin ~]# mapred --daemon start historyserver
# 开启之后，通过jps可以查看到 JobHistoryServer 进程，表示开启成功

在浏览器输入IP地址加端口号8088即可打开YARN界面

http://192.168.184.12:8088

现在配置的服务已够学习使用，后续还会更新其他配置如timeline服务，YARN的队列配置等。