Hadoop--yarn--MapReduce安装配置

在yarn-site.xml中增加如下的配置

<property>
        <name>yarn.resourcemanager.hostname</name>
        <value>master</value>
        <description>表示ResourceManager安装的主机</description>
</property>
<property>
        <name>yarn.resourcemanager.address</name>
        <value>master:8032</value>
        <description>表示ResourceManager监听的端口</description>
</property>
<property>
        <name>yarn.nodemanager.local-dirs</name>
        <value>/home/hadoop-jrq/bigdata/yarn/local-dir1,/home/hadoop-jrq/bigdata/yarn/local-dir2</value>
        <description>表示nodeManager中间数据存放的地方</description>
</property>
<property>
         <name>yarn.nodemanager.resource.memory-mb</name>
          <value>1630</value>
	     <description>表示这个NodeManager管理的内存大小</description>
</property>
<property>
      <name>yarn.nodemanager.resource.cpu-vcores</name>
      <value>2</value>
  	  <description>表示这个NodeManager管理的cpu个数</description>
</property>

用hadoop-jrq账号在master上创建目录

mkdir -p /home/hadoop-jrq/bigdata/yarn/local-dir1
mkdir -p /home/hadoop-jrq/bigdata/yarn/local-dir2

执行下面的命令，使得slave1和slave2的配置同步master上的配置

scp yarn-site.xml hadoop-jrq@slave1:~/bigdata/hadoop-2.7.5/etc/hadoop/
scp yarn-site.xml hadoop-jrq@slave2:~/bigdata/hadoop-2.7.5/etc/hadoop/

scp -r ~/bigdata/yarn/local-dir1 ~/bigdata/yarn/local-dir2 hadoop-jrq@slave1:~/bigdata/
scp -r ~/bigdata/yarn/local-dir1 ~/bigdata/yarn/local-dir2 hadoop-jrq@slave2:~/bigdata/
启动yarn: start-yarn.sh
验证yarn: http://master:8088

MapReduce的安装

1、stop-yarn.sh停止yarn并且在yarn-site.xml中增加配置

<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
    <description>为map reduce应用打开shuffle 服务</description>
</property>

2、cp mapred-site.xml.template mapred-site.xml，并且在mapred-site.xml中增加配置

<property>
            <name>mapreduce.framework.name</name>
            <value>yarn</value>
	       <description>向yarn申请资源</description>
  </property>

3、将master上的配置文件同步到slave1和slave2上

scp yarn-site.xml mapred-site.xml hadoop-jrq@slave1:~/bigdata/hadoop-2.7.5/etc/hadoop
scp yarn-site.xml mapred-site.xml hadoop-jrq@slave2:~/bigdata/hadoop-2.7.5/etc/hadoop

4、启动yarn => start-yarn.sh

5、验证MapReduce是否安装成功

hdfs dfs -put ~/bigdata/hadoop-2.7.5/etc/hadoop /user/hadoop-jrq/input
hadoop fs -rm -r /user/hadoop-jrq/output
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar grep /user/hadoop-jrq/input /user/hadoop-jrq/output 'dfs[a-z.]+'
hdfs dfs -cat /user/hadoop-jrq/output/*

MapReduce - Yarn运行原理

1.job的提交

1、向RM申请一个新的applicationId
2、判断job的输出路径是否已经存在，如果存在则报错退出
3、根据输入文件计算input splits，如果输入文件不存在则报错
4、将job需要依赖的资源上传到HDFS，资源包括jar包、第三步计算了的input splits等
5、向RM提交MR Job

job的初始化

1、RM根据提交过来的资源请求，在一个NodeManager上启动一个Container来运行ApplicationMaster(MRAppMaster)
2、RMAppMaster组件的初始化，这些组件都是用来管理运行的Task(mapTask和reduceTask)的
3、从HDFS中读取计算好的input splits信息，然后为每一个input split创建一个MapTask，
且根据mapreduce.job.reduces这个配置决定创建多少个reduceTask
4、说白了，MRAppMaster就是计算Master，负责管理Task的运行的

Task分配

MRAppMaster为每一个map和reduce task向RM申请资源(资源默认是1024M内存以及1个vcore)

Task的执行

1、申请到资源后，在数据所在的节点启动Container
2、MapTask和ReduceTask都是运行在YarnChild上，在运行Task之前需要从HDFS中下载依赖的jar包

内存分配配置

在mapred-site.xml中增加如下配置

<property>
         <name>yarn.app.mapreduce.am.resource.mb</name>
         <value>1200</value>
		<description>表示MRAppMaster需要的总内存大小，默认是1536</description>
 </property>
 <property>
         <name>yarn.app.mapreduce.am.command-opts</name>
         <value>-Xmx800m</value>
		 <description>表示MRAppMaster需要的对内存大小，默认是：-Xmx1024m</description>
 </property>
 <property>
         <name>yarn.app.mapreduce.am.resource.cpu-vcores</name>
         <value>1</value>
         <description>表示MRAppMaster需要的的虚拟cpu数量，默认是：1</description>
 </property>
 <property>
         <name>mapreduce.map.memory.mb</name>
         <value>512</value>
	    <description>表示MapTask需要的总内存大小，默认是1024</description>
</property>
 <property>
           <name>mapreduce.map.java.opts</name>
            <value>-Xmx300m</value>
            <description>表示MapTask需要的堆内存大小，默认是-Xmx200m</description>
 </property>
<property>
                <name>mapreduce.map.cpu.vcores</name>
                <value>1</value>
                <description>表示MapTask需要的虚拟cpu大小，默认是1</description>
 </property>
<property>
          <name>mapreduce.reduce.memory.mb</name>
            <value>512</value>
            <description>表示ReduceTask需要的总内存大小，默认是1024</description>
 </property>
 <property>
          <name>mapreduce.reduce.java.opts</name>
             <value>-Xmx300m</value>
             <description>表示ReduceTask需要的堆内存大小，默认是-Xmx200m</description>
</property>
<property>
           <name>mapreduce.reduce.cpu.vcores</name>
            <value>1</value>
            <description>表示ReduceTask需要的虚拟cpu大小，默认是1</description>
 </property>

scp mapred-site.xml hadoop-jrq@slave1:~/bigdata/hadoop-2.7.5/etc/hadoop/
scp mapred-site.xml hadoop-jrq@slave2:~/bigdata/hadoop-2.7.5/etc/hadoop/
以上配置的缺点是:全局有效,所有的job都会去读此配置,因此在实际中,会直接在程序中设置
    job.getConfiguration().set("yarn.app.mapreduce.am.resource.mb", "512");  // 表示MRAppMaster需要的总内存大小，默认是1536
    job.getConfiguration().set("yarn.app.mapreduce.am.command-opts", "-Xmx250m"); // 表示MRAppMaster需要的堆内存大小，默认是：-Xmx1024m
    job.getConfiguration().set("yarn.app.mapreduce.am.resource.cpu-vcores", "1");  // 表示MRAppMaster需要的的虚拟cpu数量，默认是：1
    job.getConfiguration().set("mapreduce.map.memory.mb", "400");  // 表示MapTask需要的总内存大小，默认是1024
    job.getConfiguration().set("mapreduce.map.java.opts", "-Xmx200m"); // 表示MapTask需要的堆内存大小，默认是-Xmx200m
    job.getConfiguration().set("mapreduce.map.cpu.vcores", "1");//表示MapTask需要的虚拟cpu大小，默认是1
    job.getConfiguration().set("mapreduce.reduce.memory.mb", "400");//表示ReduceTask需要的总内存大小，默认是1024
    job.getConfiguration().set("mapreduce.reduce.java.opts", "-Xmx200m");  // 表示ReduceTask需要的堆内存大小，默认是-Xmx200m
    job.getConfiguration().set("mapreduce.reduce.cpu.vcores", "1");  //表示ReduceTask需要的虚拟cpu大小，默认是1

Yarn 资源调度机制

1.FIFO Scheduler:Job执行顺序先进先出方式,当前面的job占用了全部内存时,后面的job就只能等着,这是默认的调度机制,显然这种机制不适合在生产上使用
2.Capacity Scheduler :树状结构的分组形式,为每一组分配资源,我目前使用的就是此种模式
3.Fair Scheduler:公平调度机制,根据权重获得额外的空闲资源,一般也有很多人使用这种机制

Yarn Capacity Scheduler配置

关闭yarn, stop-yarn.sh
先备份$HADOOP_HOME/etc/hadoop/capacity-scheduler.xml
然后在这个配置中加上如下配置：

<configuration>
	<property>
		<name>yarn.scheduler.capacity.root.queues</name>
		<value>prod,dev</value>
		<description>root下有两个部门prod,Dev</description>
	</property>
	<property>
		<name>yarn.scheduler.capacity.root.dev.queues</name>
		<value>eng,science</value>
		<description>dev下有两个组eng,science</description>
	</property>
	<property>
		<name>yarn.scheduler.capacity.root.prod.capacity</name>
		<value>40</value>
		<description>prod占所有资源的百分比</description>
	</property>
	<property>
		<name>yarn.scheduler.capacity.root.dev.capacity</name>
		<value>60</value>
		<description>Dev占所有资源的百分比</description>
	</property>
	<property>
		<name>yarn.scheduler.capacity.root.dev.maximum-capacity</name>
		<value>75</value>
		<description>prod空闲时dev可以占所有资源的百分比</description>
	</property>
	<property>
		<name>yarn.scheduler.capacity.root.dev.eng.capacity</name>
		<value>50</value>
		<description>eng占Dev的百分比</description>
	</property>
	<property>
		<name>yarn.scheduler.capacity.root.dev.science.capacity</name>
		<value>50</value>
		<description>science占Dev的百分比</description>
	</property>
</configuration>

scp capacity-scheduler.xml hadoop-jrq@slave1:~/bigdata/hadoop-2.7.5/etc/hadoop/
scp capacity-scheduler.xml hadoop-jrq@slave2:~/bigdata/hadoop-2.7.5/etc/hadoop/
启动yarn, start-yarn.sh
在程序中:
	job.getConfiguration().set("mapreduce.job.queuename", "eng");

Yarn Fair Scheduler配置

先关闭yarn, stop-yarn.sh 开启fair机制：在yarn-site.xml中配置

<property>
     <name>yarn.resourcemanager.scheduler.class</name>
     <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>
</property>

在$HADOOP_HOME/etc/hadoop下创建文件fair-scheduler.xml,并且配置

<?xml version="1.0"?>
<allocations>
        <defaultQueueSchedulingPolicy>fair</defaultQueueSchedulingPolicy>
        <queue name="prod">
                <weight>40</weight>
                <schedulingPolicy>fifo</schedulingPolicy>
        </queue>
        <queue name="dev">
                <weight>60</weight>
                <queue name="eng"/>
                <queue name="science"/>
        </queue>
</allocations>

scp fair-scheduler.xml yarn-site.xml hadoop-jrq@slave1:~/bigdata/hadoop-2.7.5/etc/hadoop/
scp fair-scheduler.xml yarn-site.xml hadoop-jrq@slave2:~/bigdata/hadoop-2.7.5/etc/hadoop/
启动yarn, start-yarn.sh
MapReduce程序指定队列运行
job.getConfiguration().set(“mapreduce.job.queuename”, “eng”);

ResourceManager HA配置

保证zookeeper服务正常
关闭yarn，stop-yarn.sh
在yarn-site.xml中加上如下配置（将原先的resourcemanager.hostname注释掉）

<property>
	<name>yarn.resourcemanager.ha.enabled</name>
	<value>true</value>
</property>
<property>
	<name>yarn.resourcemanager.cluster-id</name>
	<value>cluster1</value>
	<description>集群唯一标识</description>
</property>
<property>
	<name>yarn.resourcemanager.ha.rm-ids</name>
	<value>rm1,rm2</value>
	<description>两个RM的唯一标识</descritption>
</property>
<property>
	<name>yarn.resourcemanager.hostname.rm1</name>
	<value>master</value>
	<description>第一个RM部署在的机器名</descritption>
</property>
<property>
	<name>yarn.resourcemanager.hostname.rm2</name>
	<value>slave1</value>
	<description>第二个RM部署在的机器名</descritption>
</property>
<property>
	<name>yarn.resourcemanager.webapp.address.rm1</name>
	<value>master:8088</value>
	<description>第一个RM的web ui的端口</descritption>
</property>
<property>	
	<name>yarn.resourcemanager.webapp.address.rm2</name>
	<value>slave1:8088</value>
	<description>第二个RM的web ui的端口</descritption>
</property>
<property>
	<name>yarn.resourcemanager.zk-address</name>
	<value>master:2181,slave1:2181,slave2:2181</value>
	<description>zk的部署的主机名和端口</descritption>
</property>

scp yarn-site.xml hadoop-jrq@slave1:~/bigdata/hadoop-2.7.5/etc/hadoop/
scp yarn-site.xml hadoop-jrq@slave2:~/bigdata/hadoop-2.7.5/etc/hadoop/
在master上启动yarn， start-yarn.sh
在slave1上启动resourcemanager: ~/bigdata/hadoop-2.7.5/sbin/yarn-daemon.sh start resourcemanager