hadoop2.x學習筆記(一):YARN

1、YARN產生的背景

MapReduce1.x存在的問題:單點故障&節點壓力大不易擴展。node

資源利用率&成本架構

催生了YARN的誕生 框架

不一樣計算框架能夠共享同一個HDFS集羣上的數據,享受總體的資源調度。oop

XXX on YARN的好處:與其餘計算框架共享集羣資源,按資源須要分配,進而提升集羣資源的利用率。spa

XXX:Spark/MapReduce/Storm/Flink3d

2、YARN概述

1 Yet Another Resource Negotiatorcode

2 通用資源管理系統orm

3 爲上層應用提供統一的資源管理和調度xml

3、YARN的架構

1 ResourceMananger:RMblog

  整個集羣提供服務的RM只有一個(生產中有兩個,一個主,一個備),負責集羣資源的統一管理和調度。

    |-- 處理客戶端的請求:提交一個做業、殺死一個做業。

    |--監控NM,一旦某個NM掛了,那麼該NM上運行的任務須要告訴AM如何進行處理。

2 NodeManager:NM

  整個集羣中有多個,負責本身自己節點資源管理和使用。

    |--定時向RM彙報本節點的資源使用狀況。

    |--接收並處理來自RM的各類命令:啓動Container等。

    |--處理來自AM的命令。

    |--單個節點的資源管理。

3 ApplicationMaster:AM

  每個應用程序對應一個:MR、Spark,負責應用程序的管理。

    |--爲每一個應用程序向RM申請資源(core、memory),分配給內部task。

    |--須要與NM通訊:啓動/中止task,task是運行在Container裏面,AM也是運行在Container裏面。

4 Container

  |--封裝了CPU、Memory等資源的一個容器

  |--是一個任務運行環境的抽象。

5 Client

  |--提交做業。

  |--查詢做業的運行進度。

  |--殺死做業。

4、YARN執行流程

 

5、YARN的環境搭建

1 yarn-site.xml

<property>

  <name>yarn.nodemanager.aux-services</name>

  <value>mapreduce_shuffle</value>

</property>

2 mapred-site.xml

<property>

  <name>mapreduce.framework.name</name>

  <value>yarn</value>

</property>

3 啓動YARN相關的進程

sbin/start-yarn.sh

 

4 驗證

  |-- jps

    |--ResourceManager

    |--NodeManager

  |-- http://master01:8088/

5 中止YARN相關的進程

sbin/stop-yarn.sh

 

6、MapReduce做業提交到YARN上運行

命令:

hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 2 3 //前者是Map的數量,後者是取樣的數量
相關文章
相關標籤/搜索