YARN上运行MapReduce程序

YARN上运行MapReduce程序

主机名:hadoop101

执行步骤

(1)配置集群

(a)配置yarn-env.sh

配置一下JAVA_HOME
export JAVA_HOME=/usr/java/default(java的 安装路径)

(b)配置yarn-site.xml
yarn.nodemanager.aux-services mapreduce_shuffle yarn.resourcemanager.hostname hadoop101
(c)配置:mapred-env.sh

配置一下JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.7.0_79

(d)配置: (对mapred-site.xml.template重新命名为) mapred-site.xml

cp mapred-site.xml.template mapred-site.xml(复制)

mapreduce.framework.name yarn

(2)启动集群

(a)启动resourcemanager

sbin/yarn-daemon.sh start resourcemanager

(b)启动nodemanager

sbin/yarn-daemon.sh start nodemanager

(3)集群操作

(a)yarn的浏览器页面查看

http://192.168.1.101:8088/cluster
在这里插入图片描述

(b)删除文件系统上的output文件

bin/hdfs dfs -rm -R /user/hadoop/mapreduce/wordcount/output

(c)执行mapreduce程序

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /test.txt /output

(d)查看运行结果

bin/hdfs dfs -cat /output/*

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YARN框架对比MapReduce1.0的改进 随着大数据时代的到来,大数据处理框架也在不断地发展和完善。MapReduce1.0曾经是Hadoop生态圈中最重要的组件之一,但是它存在着一些局限性。为了解决这些问题,Hadoop社区开发了YARN框架,它可以更好地支持多种应用程序,并且更加灵活和可扩展。 下面是YARN框架相对于MapReduce1.0的改进: 1. 更好的资源管理:MapReduce1.0将资源管理和作业调度紧密耦合在一起,这意味着只能运行MapReduce作业。而YARN框架采用了更加灵活的资源管理方式,可以支持多种应用程序,包括Hadoop、Spark、Storm等等。 2. 更好的作业调度:YARN框架采用了分布式作业调度器,可以更加灵活地调度作业。这使得作业的启动和停止更加快速,而且更加容易实现资源共享和作业排队。 3. 更好的容错性:MapReduce1.0的容错性有限,如果某个节点出现故障,整个作业都会失败。而YARN框架采用了更加可靠的容错机制,可以自动重启失败的任务,并且可以在多个节点之间重新分配任务,保证作业的顺利运行。 4. 更好的可扩展性:MapReduce1.0的可扩展性有限,只能通过增加更多的节点来扩展。而YARN框架采用了更加分布式的架构,可以更加容易地扩展,支持更多的节点和更大规模的数据处理。 总的来说,YARN框架相对于MapReduce1.0的改进是非常显著的。它提供了更加灵活、可扩展和可靠的资源管理、作业调度和容错机制。这使得它成为了大数据处理框架中最重要的组件之一。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值