小舞很执着

这个屌丝很懒，什么也没留下！

热门标签

大数据技术之 Hadoop（Yarn）_yarn是如何管理hadoop的namenode和datanode

作者：小舞很执着 | 2024-06-21 01:59:04

踩

yarn是如何管理hadoop的namenode和datanode

大数据技术之 Hadoop（Yarn ）

第 1 章 Yarn 资源调度器

思考：

1 ）如何管理集群资源？

2 ）如何给任务合理分配资源？

Yarn 是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式

的操作系统平台，而 MapReduce 等运算程序则相当于运行于操作系统之上的应用程序。

1.1 Yarn 基础架构

YARN 主要由 ResourceManager 、 NodeManager 、 ApplicationMaster 和 Container 等组件

构成。

YARN 工作机制

0 Mr 程序提交到客

户端所在的节点

/home/atguigu/wc.jar

main(){

job. waitForCompletion();

}

YarnRunner

1 申请一个 Application

2 Application 资源提交路径

hdfs://…./.staging 以及

application_id

4 资源提交完毕，申请运行 mrAppMaster

3 提交 job 运

行所需资源

ResourceManager

5 将用户的请求初始化成一个 Task

FIFO 调度队列

Capacity

NodeManager

Container

cpu+ram

MRAppmaster

Job.split

Job.xml

wc.jar

hdfs://…./.staging/application_id

这些文件在

job.submit()

后生成

NodeManager

Container

cpu+ram+jar

MapTask

6 领取到

Task 任务

7 创建容器

Container

8 下载 job 资

源到本地

9 申请运行

MapTask 容器

NodeManager

Container

cpu+ram+jar

MapTask

10 领取到任

务，创建容器

11 发送程

序启动脚本

YarnChild

14 程序运行完后，

MR 会向 RM 注销自己

12 向 RM 申请 2 个

容器，运行

ReduceTask 程序

Container

YarnChild

ReduceTask0

13 Reduce 向

Map 获取相应

分区的数据

NodeManager

Container

YarnChild

ReduceTask1

NodeManager

（ 1 ） MR 程序提交到客户端所在的节点。

（

2 ） YarnRunner 向 ResourceManager 申请一个 Application 。

（

3 ） RM 将该应用程序的资源路径返回给 YarnRunner 。

（

4 ）该程序将运行所需资源提交到 HDFS 上。

（

5 ）程序资源提交完毕后，申请运行 mrAppMaster 。

（

6 ） RM 将用户的请求初始化成一个 Task 。

（

7 ）其中一个 NodeManager 领取到 Task 任务。

（

8 ）该 NodeManager 创建容器 Container ，并产生 MRAppmaster 。

YARN 基础架构

client

Resource

Manager

Job Submission

作业提交

NodeManager

Container

NodeManager

Container

NodeManager

App Mstr

Container

MapTask

ReduceTask

Container

ReduceTask

MapTask

1 ） ResourceManager （ RM ）主要作用如下

（ 4 ）资源的分配与调度

（ 1 ）处理客户端请求

（ 3 ）启动或监控 ApplicationMaster

（ 2 ）监控 NodeManager

2 ） NodeManager （ NM ）主要作用如下

（ 1 ）管理单个节点上的资源

（ 2 ）处理来自 ResourceManager 的命令

（ 3 ）处理来自 ApplicationMaster 的命令

3 ） ApplicationMaster （ AM ）作用如下

（ 2 ）任务的监控与容错

（ 1 ）为应用程序申请资源并分

配给内部的任务

Container 是 YARN 中的资源

抽象，它封装了某个节点上的多

维度资源，如内存、 CPU 、磁盘、

网络等。

4 ） Container

9 ） Container 从 HDFS 上拷贝资源到本地。

（ 10 ） MRAppmaster 向 RM 申请运行 MapTask 资源。

（ 11 ） RM 将运行 MapTask 任务分配给另外两个 NodeManager ，另两个 NodeManager 分

别领取任务并创建容器。

（ 12 ） MR 向两个接收到任务的 NodeManager 发送程序启动脚本，这两个 NodeManager

分别启动 MapTask ， MapTask 对数据分区排序。

（ 13 ） MrAppMaster 等待所有 MapTask 运行完毕后，向 RM 申请容器，运行 ReduceTask 。

（ 14 ） ReduceTask 向 MapTask 获取相应分区的数据。

（ 15 ）程序运行完毕后， MR 会向 RM 申请注销自己。

1.3 作业提交全过程

HDFS 、 YARN 、 MapReduce 三者关系

client

作业：从 100T 文件中找出

ss1505_wuma.avi

NodeManager

Container

NodeManager

App Mstr

Container

MapTask

Container

ReduceTask

hadoop102

hadoop103

hadoop104

NameNode

ResourceManager

DataNode

haibo.avi

ss1505_wuma.a

v i

DataNode

ss.avi

yangge.avi

DataNode

ss1505_wuma.a

v i

Container

MapTask

SecondaryNa

meNode

…

1 HDFS 上待

处理文本

/user/input

ss.txt

200m

InputFormat

MapTask

Mapper

outputCollector

K,v

map(K,v)

Context.write(k,v)

ss.txt 0-128

5 默认 TextInputFormat

6 逻辑运算

RecorderReader

K,v

reader()

HashPartitioner 分区

Key.compareTo 排序

Combiner 合并

<a,1><c,1>

<b,1><b,1>

9 溢出到文件（分区且区内有序）

<a,1><e,1>

<d,1><f,1>

<a,1><c,1>

<b,2>

<a,1><a,1><c,1><e,1>

<b,1><b,1><d,1><f,1>

<a,2><c,1><e,1>

<b,2><d,1><f,1>

10 Merge 归并排序

partition0

partition1

8 分区、排序

11 合并

<a,1><a,1><c,1><e,1>

<g,1>

<a,1><a,1><c,1><e,1><g,1>

GroupingComparator(k,knext)

13 下载到 ReduceTask 本地磁盘

13 合并文件归并排序

Reduce(k,v)

Context.write(kv)

Reducer

OutPutFormat

RecordWriter

Write(k,v)

a 2

b 1

c 1

d 1

…

Part-r-000000

16 默认 TextOutputFormat

ReduceTask1

14 一次读取一组

15 分组

HDFS 上文

件读取过程

HDFS 上

文件写

入过程

作业提交过程之 HDFS & MapReduce

7 向环形缓

冲区写入

<k,v> 数据

kvindex

bufindex

<k,v>

kvmeta

默认 100M

80%, 后反向

索引

数据

作业提交全过程详解

（ 1 ）作业提交

第 1 步： Client 调用 job.waitForCompletion 方法，向整个集群提交 MapReduce 作业。

第 2 步： Client 向 RM 申请一个作业 id 。

第 3 步： RM 给 Client 返回该 job 资源的提交路径和作业 id 。

第 4 步： Client 提交 jar 包、切片信息和配置文件到指定的资源提交路径。

第 5 步： Client 提交完资源后，向 RM 申请运行 MrAppMaster 。

（

2 ）作业初始化

第 6 步：当 RM 收到 Client 的请求后，将该 job 添加到容量调度器中。

作业提交过程之 YARN

0 Mr 程序提交到客

户端所在的节点

/home/atguigu/wc.jar

main(){

job. waitForCompletion();

}

YarnRunner

1 申请一个 Application

2 Application 资源提交路径

hdfs://…./.staging 以及

application_id

4 资源提交完毕，申请运行 mrAppMaster

3 提交 job 运

行所需资源

ResourceManager

5 将用户的请求初始化成一个 Task

FIFO 调度队列

Capacity

NodeManager

Container

cpu+ram

MRAppmaster

Job.split

Job.xml

wc.jar

hdfs://…./.staging/application_id

这些文件在

job.submit()

后生成

NodeManager

Container

cpu+ram+jar

MapTask

6 领取到

Task 任务

7 创建容器

Container

8 下载 job 资

源到本地

9 申请运行

MapTask 容器

NodeManager

Container

cpu+ram+jar

MapTask

10 领取到任

务，创建容器

11 发送程

序启动脚本

YarnChild

14 程序运行完后，

MR 会向 RM 注销自己

12 向 RM 申请 2 个

容器，运行

ReduceTask 程序

Container

YarnChild

ReduceTask0

13 Reduce 向

Map 获取相应

分区的数据

NodeManager

Container

YarnChild

ReduceTask1

NodeManager 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

第 7 步：某一个空闲的 NM 领取到该 Job 。

第 8 步：该 NM 创建 Container ，并产生 MRAppmaster 。

第 9 步：下载 Client 提交的资源到本地。

（

3 ）任务分配

第 10 步： MrAppMaster 向 RM 申请运行多个 MapTask 任务资源。

第 11 步： RM 将运行 MapTask 任务分配给另外两个 NodeManager ，另两个 NodeManager

分别领取任务并创建容器。

（

4 ）任务运行

第 12 步： MR 向两个接收到任务的 NodeManager 发送程序启动脚本，这两个

NodeManager 分别启动 MapTask ， MapTask 对数据分区排序。

第 13 步： MrAppMaster 等待所有 MapTask 运行完毕后，向 RM 申请容器，运行 ReduceTask 。

第 14 步： ReduceTask 向 MapTask 获取相应分区的数据。

第 15 步：程序运行完毕后， MR 会向 RM 申请注销自己。

（

5 ）进度和状态更新

YARN 中的任务将其进度和状态 ( 包括 counter) 返回给应用管理器 , 客户端每秒 ( 通过

mapreduce.client.progressmonitor.pollinterval 设置 ) 向应用管理器请求进度更新 , 展示给用户。

（

6 ）作业完成

除了向应用管理器请求作业进度外 , 客户端每 5 秒都会通过调用 waitForCompletion() 来

检查作业是否完成。时间间隔可以通过 mapreduce.client.completion.pollinterval 来设置。作业

完成之后 , 应用管理器和 Container 会清理工作状态。作业的信息会被作业历史服务器存储

以备之后用户核查。

1.4 Yarn 调度器和调度算法

目前， Hadoop 作业调度器主要有三种： FIFO 、容量（ Capacity Scheduler ）和公平（ Fair

Scheduler ）。 Apache Hadoop3.1.3 默认的资源调度器是 Capacity Scheduler 。

CDH 框架默认调度器是 Fair Scheduler 。

具体设置详见： yarn-default.xml 文件

<description>The class to use as the resource scheduler.</description>

<name>yarn.resourcemanager.scheduler.class</name>

<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capaci 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

ty. CapacityScheduler </value>

</property>

1.4.1 先进先出调度器（ FIFO ）

FIFO 调度器（ First In First Out ）：单队列，根据提交作业的先后顺序，先来先服务。

FIFO 调度器

job1

job2

job3

job4

job5

job6

按照到达时间排序，先到先服务

queue 队列

MapTask0

MapTask1

MapTask2

MapTask3

ReduceTask0

ReduceTask1

1 、有新的服务器

节点资源

3 、分配一个

Task 给该节点

2 、 Job1 里面包含 4

个 MapTask 和 2 个

ReduceTask

优点：简单易懂；

缺点：不支持多队列，生产环境很少使用；

1.4.2 容量调度器（ Capacity Scheduler ）

Capacity Scheduler 是 Yahoo 开发的多用户调度器。

容量调度器特点

job11

job12

job13

job14

按照到达时间排序，先到先服务

queueA

job21

job22

job23

job24

job25

queueB

Job31

Job32

Job33

cls

Job34

cls

Job35

queueC

1 、多队列：每个队列可配置一定的资源量，每个队列采用 FIFO 调度策略。

20% 资源

50% 资源

30% 资源

root

|---queueA 20%

|---queueB 50%

|---queueC 30%

|---ss 50%

|---cls 50%

2 、容量保证：管理员可为每个队列设置资源最低保证和资源使用上限

3 、灵活性：如果一个队列中的资源有剩余，可以暂时共享给那些需要资源的队列，而一旦该队列有新的应用

程序提交，则其他队列借调的资源会归还给该队列。

4 、多租户：

支持多用户共享集群和多应用程序同时运行。

为了防止同一个用户的作业独占队列中的资源，该调度器会对同一用户提交的作业所占资源量进行限定。 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

1.4.3 公平调度器（ Fair Scheduler ）

Fair Schedulere 是 Facebook 开发的多用户调度器。

公平调度器特点

同队列所有任务共享资源，在时间尺度上获得公平的资源

（ 1 ）多队列：支持多队列多作业

job11

job12

job13

job14

queueA

job21

job22

job23

job24

job25

queueB

Job31

Job32

Job33

cls

Job34

cls

Job35

queueC

20% 资源， 4 个 task ，每个 5%

50% 资源， 5 个 task ，每个 10%

30% 资源， 5 个 task ，每个 6%

root

|---queueA 20%

|---queueB 50%

|---queueC 30%

|---ss 50%

|---cls 50%

（ 2 ）容量保证：管理员可为每个队列设置资源最低保证和资源使用上线

（ 3 ）灵活性：如果一个队列中的资源有剩余，可以暂时共享给那些需要资源的队列，而一旦该队列有新的应用程序提

交，则其他队列借调的资源会归还给该队列。

1 ）与容量调度器相同点

2 ）与容量调度器不同点

（ 1 ）核心调度策略不同

容量调度器：优先选择资源利用率低的队列

公平调度器：优先选择对资源的缺额比例大的

（ 2 ）每个队列可以单独设置资源分配方式

容量调度器： FIFO 、 DRF

公平调度器： FIFO 、 FAIR 、 DRF

（ 4 ）多租户：支持多用户共享集群和多应用程序同时运行；为了防止同一个用户的作业独占队列中的资源，该调度器

会对同一用户提交的作业所占资源量进行限定。

容量调度器资源分配算法

root

|---queueA 20%

|---queueB 50%

|---queueC 30%

|---ss 50%

|---cls 50%

root

queueA

queueB

queueC

cls

作业 1

作业 2

作业 3

作业 4

Container1

(Maptask)

Container2

(Maptask)

Container3

(reducetask)

1 ）队列资源分配

从 root 开始，使用深度优先算法，优先

选择资源占用率最低的队列分配资源。

2 ）作业资源分配

默认按照提交作业的优先级和提交时间

顺序分配资源。

3 ）容器资源分配

按照容器的优先级分配资源；

如果优先级相同，按照数据本地性原则：

（ 1 ）任务和数据在同一节点

（ 2 ）任务和数据在同一机架

（ 3 ）任务和数据不在同一节点也不在同一机架 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

公平调度器队列资源分配方式

1 ） FIFO 策略

公平调度器每个队列资源分配策略如果选择 FIFO 的话，此时公平调度器相当于上面讲过的容量调度器。

2 ） Fair 策略

Fair 策略（默认）是一种基于最大最小公平算法实现的资源多路复用方式，默认情况下，每个队列内部采用该方式分配资

源。这意味着，如果一个队列中有两个应用程序同时运行，则每个应用程序可得到 1/2 的资源；如果三个应用程序同时运行，则

每个应用程序可得到 1/3 的资源。

分别计算比较对象的（ 实际最小资源份额、是

否饥饿、资源分配比、资源使用权重比 ）

具体资源分配流程和容量调度器一致；

（ 1 ）选择队列

（

2 ）选择作业

（

3 ）选择容器

以上三步，每一步都是按照公平策略分配资源

➢ 实际最小资源份额 ： mindshare = Min （资源需求量，配置的最小资源）

➢ 是否饥饿 ： isNeedy = 资源使用量 < mindshare （实际最小资源份额）

➢ 资源分配比 ： minShareRatio = 资源使用量 / Max （ mindshare, 1 ）

➢ 资源使用权重比 ： useToWeightRatio = 资源使用量 / 权重

饥饿优先

判断两种比较

对象饥饿状态

资源分配比小者优先；

相同，则按照提交时间顺序；

资源使用权值比小者优先；

相同，则按照提交时间顺序；

其中有一个饥饿

都饥饿

都不饥饿

缺额

• 公平调度器设计目标是：在时间尺度上，所有作业获得公平的资源。某一

时刻一个作业应获资源和实际获取资源的差距叫 “缺额”

• 调度器会优先为缺额大的作业分配资源

job11

job12

job13

job14

job15

job11

job12

job13

job14

job15

job11

job12

job13

job14

job15

job11

job12

job13

job14

理想：

现实：

JOB15

公平调度器 —— 缺额 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

公平调度器队列资源分配方式

（

2 ）作业资源分配

（

a ）不加权（关注点是 Job 的个数）：

需求：有一条队列总资源 12 个 , 有 4 个 job ，对资源的

需求分别是 :

job1->1,

job2->2 , job3->6,

job4->5

第一次算 :

12 / 4 = 3

job1: 分 3 --> 多 2 个

job2: 分 3 --> 多 1 个

job3: 分 3 --> 差 3 个

job4: 分 3 --> 差 2 个

第二次算 : 3 / 2

= 1.5

job1: 分 1

job2: 分 2

job3: 分 3 --> 差 3 个 --> 分 1.5 --> 最终 : 4.5

job4: 分 3 --> 差 2 个 --> 分 1.5 --> 最终 : 4.5

第 n 次算 : 一直算到没有空闲资源

（

b ）加权（关注点是 Job 的权重）：

需求：有一条队列总资源 16 ，有 4 个 job

对资源的需求分别是 :

job1->4

job2->2

job3->10

job4->4

每个 job 的权重为 :

job1->5

job2->8

job3->1

job4->2

第一次算 : 16 / (5+8+1+2) =

job1:

分 5 --> 多 1

job2:

分 8 --> 多 6

job3:

分 1 --> 少 9

job4:

分 2 --> 少 2

第二次算 : 7 / (1+2) = 7/3

job1: 分 4

job2: 分 2

job3: 分 1 --> 分 7/3 （ 2.33 ） --> 少 6.67

job4: 分 2 --> 分 14/3(4.66) --> 多 2.66

第三次算 :2.66/1=2.66

job1: 分 4

job2: 分 2

job3: 分 1 --> 分 2.66/1 --> 分 2.66

job4: 分 4

第 n 次算 : 一直算到没有空闲资源

公平调度器资源分配算法

root

|---queueA 20%

|---queueB 50%

|---queueC 30%

|---ss 50%

|---cls 50%

root

queueA

queueB

queueC

cls

作业 1

作业 2

作业 3

作业 4

Container1

(Maptask)

Container2

(Maptask)

Container3

(reducetask)

（ 1 ）队列资源分配

需求：集群总资源 100 ，有三个队列，对资源的

需求分别是：

queueA -> 20 ， queueB ->50 ， queueC -> 30

第一次算： 100 / 3 = 33.33

queueA ：分 33.33 → 多 13.33

queueB ：分 33.33 → 少 16.67

queueC ：分 33.33 → 多 3.33

第二次算：（ 13.33 + 3.33 ） / 1 = 16.66

queueA ：分 20

queueB ：分 33.33 + 16.66 = 50

queueC ：分 30 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

公平调度器队列资源分配方式

3 ） DRF 策略

DRF （ Dominant Resource Fairness ），我们之前说的资源，都是单一标准，例如只考虑内存（也是 Yarn 默

认的情况）。但是很多时候我们资源有很多种，例如内存， CPU ，网络带宽等，这样我们很难衡量两个应用

应该分配的资源比例。

那么在 YARN 中，我们用 DRF 来决定如何调度：

假设集群一共有 100 CPU 和 10T 内存，而应用 A 需要（

2 CPU, 300GB ），应用 B 需要（

6 CPU ， 100GB ）。

则两个应用分别需要 A （

2%CPU, 3% 内存）和 B （

6%CPU, 1% 内存）的资源，这就意味着 A 是内存主导的 , B 是

CPU 主导的，针对这种情况，我们可以选择 DRF 策略对不同应用进行不同资源（ CPU 和内存）的一个不同比

例的限制。

1.5 Yarn 常用命令

Yarn 状态的查询，除了可以在 hadoop103:8088 页面查看外，还可以通过命令操作。常

见的命令操作如下所示：

需求：执行 WordCount 案例，并用 Yarn 命令查看任务运行情况。

[atguigu@hadoop102 hadoop-3.1.3]$ myhadoop.sh start

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop

jar

share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount

/input /output

1.5.1 yarn application 查看任务

（ 1 ）列出所有 Application ：

[atguigu@hadoop102 hadoop-3.1.3]$ yarn application -list

2021-02-06 10:21:19,238 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8032

Total number of applications (application-types: [], states: [SUBMITTED,

ACCEPTED, RUNNING] and tags: []):0

Application-Id

Application-Name Application-Type

User

Queue State

Final-State Progress

Tracking-URL

（

2 ）根据 Application 状态过滤： yarn application -list -appStates （所有状态： ALL 、 NEW 、

NEW_SAVING 、 SUBMITTED 、 ACCEPTED 、 RUNNING 、 FINISHED 、 FAILED 、 KILLED ）

[atguigu@hadoop102 hadoop-3.1.3]$ yarn application -list -appStates

FINISHED

2021-02-06 10:22:20,029 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8032

Total number of applications (application-types: [], states: [FINISHED]

and tags: []):1

Application-Id

Application-Name Application-Type

User

Queue State

Final-State Progress

Tracking-URL

application_1612577921195_0001 word count MAPREDUCE 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

atguigu default FINISHED

SUCCEEDED

100%

http://hadoop102:19888/jobhistory/job/job_1612577921195_0001

（

3 ） Kill 掉 Application ：

[atguigu@hadoop102 hadoop-3.1.3]$

yarn application

-kill

application_1612577921195_0001

2021-02-06 10:23:48,530 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8032

Application application_1612577921195_0001 has already finished

1.5.2 yarn logs 查看日志

（ 1 ）查询 Application 日志： yarn logs -applicationId <ApplicationId>

[atguigu@hadoop102 hadoop-3.1.3]$

yarn logs

-applicationId

application_1612577921195_0001

（

2 ）查询 Container 日志： yarn logs -applicationId <ApplicationId> -containerId <ContainerId>

[atguigu@hadoop102 hadoop-3.1.3]$

yarn logs

-applicationId

application_1612577921195_0001

-containerId

container_1612577921195_0001_01_000001

1.5.3 yarn applicationattempt 查看尝试运行的任务

（ 1 ）列出所有 Application 尝试的列表： yarn applicationattempt -list <ApplicationId>

[atguigu@hadoop102 hadoop-3.1.3]$

yarn applicationattempt

-list

application_1612577921195_0001

2021-02-06 10:26:54,195 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8032

Total number of application attempts :1

ApplicationAttempt-Id State AM

Container-Id

Tracking-URL

appattempt_1612577921195_0001_000001

FINISHED

container_1612577921195_0001_01_000001

http://hadoop103:8088/proxy/application_1612577921195_0001/

（

2 ）打印 ApplicationAttemp 状态： yarn applicationattempt -status <ApplicationAttemptId>

[atguigu@hadoop102 hadoop-3.1.3]$

yarn applicationattempt

-status

appattempt_1612577921195_0001_000001

2021-02-06 10:27:55,896 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8032

Application Attempt Report :

ApplicationAttempt-Id : appattempt_1612577921195_0001_000001

State : FINISHED

AMContainer : container_1612577921195_0001_01_000001

Tracking-URL :

http://hadoop103:8088/proxy/application_1612577921195_0001/

RPC Port : 34756

AM Host : hadoop104

Diagnostics :

1.5.4 yarn container 查看容器

（ 1 ）列出所有 Container ： yarn container -list <ApplicationAttemptId>

[atguigu@hadoop102 hadoop-3.1.3]$

yarn container

-list

appattempt_1612577921195_0001_000001

2021-02-06 10:28:41,396 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8032

Total number of containers :0

Container-Id Start Time Finish Time 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

State Host Node Http Address

（

2 ）打印 Container 状态： yarn container -status <ContainerId>

[atguigu@hadoop102 hadoop-3.1.3]$

yarn container

-status

container_1612577921195_0001_01_000001

2021-02-06 10:29:58,554 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8032

Container with id 'container_1612577921195_0001_01_000001' doesn't exist

in RM or Timeline Server.

注：只有在任务跑的途中才能看到 container 的状态

1.5.5 yarn node 查看节点状态

列出所有节点： yarn node -list -all

[atguigu@hadoop102 hadoop-3.1.3]$ yarn node -list -all

2021-02-06 10:31:36,962 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8032

Total Nodes:3

Node-Id Node-State Node-Http-Address Number-of-Running

Containers

hadoop103:38168

RUNNING hadoop103:8042

hadoop102:42012

RUNNING hadoop102:8042

hadoop104:39702

RUNNING hadoop104:8042

1.5.6 yarn rmadmin 更新配置

加载队列配置： yarn rmadmin -refreshQueues

[atguigu@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshQueues

2021-02-06 10:32:03,331 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8033

1.5.7 yarn queue 查看队列

打印队列信息： yarn queue -status <QueueName>

[atguigu@hadoop102 hadoop-3.1.3]$ yarn queue -status default

2021-02-06 10:32:33,403 INFO client.RMProxy: Connecting to ResourceManager

at hadoop103/192.168.10.103:8032

Queue Information :

Queue Name : default

State : RUNNING

Capacity : 100.0%

Current Capacity : .0%

Maximum Capacity : 100.0%

Default Node Label expression : <DEFAULT_PARTITION>

Accessible Node Labels : *

Preemption : disabled

Intra-queue Preemption : disabled 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

1.6 Yarn 生产环境核心参数

第 2 章 Yarn 案例实操

注：调整下列参数之前尽量拍摄 Linux 快照，否则后续的案例，还需要重写准备集群。

2.1 Yarn 生产环境核心参数配置案例

1 ）需求：从 1G 数据中，统计每个单词出现次数。服务器 3 台，每台配置 4G 内存， 4 核

CPU ， 4 线程。

2 ）需求分析：

1G / 128m = 8 个 MapTask ； 1 个 ReduceTask ； 1 个 mrAppMaster

平均每个节点运行 10 个 / 3 台 ≈ 3 个任务（

3 ）

3 ）修改 yarn-site.xml 配置参数如下：

<description>The class to use as the resource scheduler.</description>

<name>yarn.resourcemanager.scheduler.class</name>

<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capaci

ty. CapacityScheduler </value>

</property>

<!-- ResourceManager 处理调度器请求的线程数量 , 默认 50 ；如果提交的任务数大于 50 ，可以

增加该值，但是不能超过 3 台 * 4 线程 = 12 线程（去除其他应用程序实际不能超过 8 ） -->

<description>Number of threads to handle scheduler

interface.</description>

<name>yarn.resourcemanager.scheduler.client. thread-count </name>

</property>

YARN 生产环境核心参数

client

Resource

Manager

NodeManager

Container

NodeManager

Container

NodeManager

App Mstr

Container

MapTask

ReduceTask

Container

ReduceTask

MapTask

yarn.resourcemanager.scheduler.class

配置调度器， 默认容量

yarn.resourcemanager.scheduler.client.thread-count

ResourceManager 处理调度器请求的线程数量，默认 50

1 ） ResourceManager 相关

调度器

yarn.scheduler.minimum-allocation-mb

容器最最小内存，默认 1G

yarn.scheduler.maximum-allocation-mb

容器最最大内存，默认 8G

yarn.scheduler.minimum-allocation-vcores

容器最小 CPU 核数，默认 1 个

yarn.scheduler.maximum-allocation-vcores

容器最大 CPU 核数，默认 4 个

yarn.nodemanager.resource.detect-hardware-capabilities 是否让 yarn 自己检测硬件进行配置，默认 false

yarn.nodemanager.resource.count-logical-processors-as-cores 是否将虚拟核数当作 CPU 核数，默认 false

yarn.nodemanager.resource.pcores-vcores-multiplier

虚拟核数和物理核数乘数，例如： 4 核 8 线程，该

参数就应设为 2 ，默认 1.0

yarn.nodemanager.pmem-check-enabled

是否开启物理内存检查限制 container ，默认打开

yarn.nodemanager.vmem-check-enabled

是否开启虚拟内存检查限制 container ，默认打开

yarn.nodemanager.vmem-pmem-ratio

虚拟内存物理内存比例，默认 2.1

yarn.nodemanager.resource.memory-mb

NodeManager 使用内存，默认 8G

yarn.nodemanager.resource.system-reserved-memory-mb NodeManager 为系统保留多少内存

以上二个参数配置一个即可

yarn.nodemanager.resource.cpu-vcores

NodeManager 使用 CPU 核数，默认 8 个

3 ） Container 相关

2 ） NodeManager 相关 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

<!-- 是否让 yarn 自动检测硬件进行配置，默认是 false ，如果该节点有很多其他应用程序，建议

手动配置。如果该节点没有其他应用程序，可以采用自动 -->

<description>Enable auto-detection of node capabilities such as

memory and CPU.

</description>

<name>yarn.nodemanager.resource. detect-hardware-capabilities </name>

<value> false </value>

</property>

<description>Flag to determine if logical processors(such as

hyperthreads) should be counted as cores. Only applicable on Linux

when yarn.nodemanager.resource.cpu-vcores is set to -1 and

yarn.nodemanager.resource.detect-hardware-capabilities is true .

</description>

<name>yarn.nodemanager.resource.count-logical-processors-as

cores</name>

<value> false </value>

</property>

<description>Multiplier to determine how to convert phyiscal cores to

vcores. This value is used if yarn.nodemanager.resource.cpu-vcores

is set to -1(which implies auto-calculate vcores) and

yarn.nodemanager.resource.detect-hardware-capabilities is set to true.

The number of vcores will be calculated as number of CPUs * multiplier.

</description>

<name>yarn.nodemanager.resource. pcores-vcores-multiplier </name>

</property>

<description>Amount of physical memory, in MB, that can be allocated

for containers. If set to -1 and

yarn.nodemanager.resource.detect-hardware-capabilities is true, it is

automatically calculated(in case of Windows and Linux).

In other cases, the default is 8192MB.

</description>

<name>yarn.nodemanager.resource. memory-mb </name>

</property>

<description>Number of vcores that can be allocated

for containers. This is used by the RM scheduler when allocating

resources for containers. This is not used to limit the number of

CPUs used by YARN containers. If it is set to -1 and

yarn.nodemanager.resource.detect-hardware-capabilities is true, it is

automatically determined from the hardware in case of Windows and Linux.

In other cases, number of vcores is 8 by default.</description>

<name>yarn.nodemanager.resource. cpu-vcores </name>

</property>

<description>The minimum allocation for every container request at the 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

RM in MBs. Memory requests lower than this will be set to the value of

this

property. Additionally, a node manager that is configured to have

less memory than this value will be shut down by the resource manager.

</description>

<name>yarn.scheduler. minimum-allocation-mb </name>

</property>

<description>The maximum allocation for every container request at the

RM in MBs. Memory requests higher than this will throw an

InvalidResourceRequestException.

</description>

<name>yarn.scheduler. maximum-allocation-mb </name>

</property>

<description>The minimum allocation for every container request at the

RM in terms of virtual CPU cores. Requests lower than this will be set to

the value of this property. Additionally, a node manager that is configured

to have fewer virtual cores than this value will be shut down by the

resource

manager.

</description>

<name>yarn.scheduler.minimum-allocation-vcores</name>

</property>

<description>The maximum allocation for every container request at the

RM in terms of virtual CPU cores. Requests higher than this will throw an

InvalidResourceRequestException.</description>

<name>yarn.scheduler.maximum-allocation-vcores</name>

</property>

<description>Whether virtual memory limits will be enforced for

containers.</description>

<name>yarn.nodemanager.vmem-check-enabled</name>

<value> false </value>

</property>

<description>Ratio between virtual memory to physical memory when

setting memory limits for containers. Container allocations are

expressed in terms of physical memory, and virtual memory usage

allowed to exceed this allocation by this ratio.

</description>

<name>yarn.nodemanager. vmem-pmem-ratio </name>

</property> 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

4 ）分发配置。

注意：如果集群的硬件资源不一致，要每个 NodeManager 单独配置

5 ）重启集群

[atguigu@hadoop102 hadoop-3.1.3]$ sbin/stop-yarn.sh

[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

6 ）执行 WordCount 程序

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar

share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount

/input /output

7 ）观察 Yarn 任务执行页面

http://hadoop103:8088/cluster/apps

2.2 容量调度器多队列提交案例

1 ）在生产环境怎么创建队列？

（ 1 ）调度器默认就 1 个 default 队列，不能满足生产要求。

（

2 ）按照框架： hive /spark/ flink 每个框架的任务放入指定的队列（企业用的不是特别

多）

（

3 ）按照业务模块：登录注册、购物车、下单、业务部门 1 、业务部门 2

2 ）创建多队列的好处？

（ 1 ）因为担心员工不小心，写递归死循环代码，把所有资源全部耗尽。

（

2 ）实现任务的降级使用，特殊时期保证重要的任务队列资源充足。 11.11 6.18

业务部门 1 （重要） = 》业务部门 2 （比较重要） = 》下单（一般） = 》购物车（一般） = 》

登录注册（次要）

服务器 4G 内存

关闭虚拟内存检查原因

物理内存

实际物理内存

容器限制 4G 物理内存

Java 堆

Linux 系统为 Java 进程预留

虚拟内存

<description>Ratio between virtual memory to physical memory when setting memory limits for containers. Container

allocations are expressed in terms of physical memory, and virtual memory usage is allowed to exceed this allocation by this ratio.

</description>

<name>yarn.nodemanager.vmem-pmem-ratio</name>

</property>

8.4G 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

2.2.1 需求

需求 1 ： default 队列占总内存的 40% ，最大资源容量占总资源 60% ， hive 队列占总内存

的 60% ，最大资源容量占总资源 80% 。

需求 2 ：配置队列优先级

2.2.2 配置多队列的容量调度器

1 ）在 capacity-scheduler.xml 中配置如下：

（ 1 ）修改如下配置

<name>yarn.scheduler.capacity.root.queues</name>

<value>default, hive </value>

The queues at the this level (root is the root queue).

</description>

</property>

<name>yarn.scheduler.capacity.root.default.capacity</name>

</property>

<name>yarn.scheduler.capacity.root.default.maximum-capacity</name>

</property>

（

2 ）为新加队列添加必要属性：

<name>yarn.scheduler.capacity.root. hive .capacity</name>

</property>

<name>yarn.scheduler.capacity.root. hive .user-limit-factor</name>

</property>

<name>yarn.scheduler.capacity.root. hive .maximum-capacity</name>

</property>

<name>yarn.scheduler.capacity.root. hive .state</name>

<value>RUNNING</value>

</property> 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

<name>yarn.scheduler.capacity.root. hive .acl_submit_applications</name>

</property>

<name>yarn.scheduler.capacity.root. hive .acl_administer_queue</name>

</property>

<name>yarn.scheduler.capacity.root. hive .acl_application_max_priority</nam

</property>

<!-- 任务的超时时间设置： yarn application -appId appId -updateLifetime Timeout

参考资料： https://blog.cloudera.com/enforcing-application-lifetime-slas

yarn/ -->

<!-- 如果 application 指定了超时时间，则提交到该队列的 application 能够指定的最大超时

时间不能超过该值。

-->

<name>yarn.scheduler.capacity.root. hive .maximum-application

lifetime</name>

</property>

<!-- 如果 application 没指定超时时间，则用 default-application-lifetime 作为默认

值 -->

<name>yarn.scheduler.capacity.root. hive .default-application

lifetime</name>

</property>

2 ）分发配置文件

3 ）重启 Yarn 或者执行 yarn rmadmin -refreshQueues 刷新队列，就可以看到两条队列：

[atguigu@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshQueues 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

2.2.3 向 Hive 队列提交任务

1 ） hadoop jar 的方式

[atguigu@hadoop102 hadoop-3.1.3]$

hadoop jar

share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount -D

mapreduce.job.queuename=hive /input /output

注 : -D 表示运行时改变参数值

2 ）打 jar 包的方式

默认的任务提交都是提交到 default 队列的。如果希望向其他队列提交任务，需要在

Driver 中声明：

public class WcDrvier {

public static void main(String[] args) throws IOException,

ClassNotFoundException, InterruptedException {

Configuration conf = new Configuration();

conf.set("mapreduce.job.queuename","hive");

//1. 获取一个 Job 实例

Job job = Job.getInstance(conf);

。。。。。。

//6. 提交 Job

boolean b = job.waitForCompletion(true);

System.exit(b ? 0 : 1);

}

这样，这个任务在集群提交时，就会提交到 hive 队列：

2.2.4 任务优先级

容量调度器，支持任务优先级的配置，在资源紧张时，优先级高的任务将优先获取资源。

默认情况， Yarn 将所有任务的优先级限制为 0 ，若想使用任务的优先级功能，须开放该限制。 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

1 ）修改 yarn-site.xml 文件，增加以下参数

<name>yarn.cluster.max-application-priority</name>

</property>

2 ）分发配置，并重启 Yarn

[atguigu@hadoop102 hadoop]$ xsync yarn-site.xml

[atguigu@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh

[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

3 ）模拟资源紧张环境，可连续提交以下任务，直到新提交的任务申请不到资源为止。

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar /opt/module/hadoop-

3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar pi 5

2000000

4 ）再次重新提交优先级高的任务

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar /opt/module/hadoop-

3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar pi -D

mapreduce.job.priority=5 5 2000000

5 ）也可以通过以下命令修改正在执行的任务的优先级。

yarn application -appID <ApplicationID> -updatePriority 优先级

[atguigu@hadoop102 hadoop-3.1.3]$ yarn application -appID

application_1611133087930_0009 -updatePriority 5

2.3 公平调度器案例

2.3.1 需求

创建两个队列，分别是 test 和 atguigu （以用户所属组命名）。期望实现以下效果：若用

户提交任务时指定队列，则任务提交到指定队列运行；若未指定队列， test 用户提交的任务

到 root.group.test 队列运行， atguigu 提交的任务到 root.group.atguigu 队列运行（注： group 为 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

用户所属组）。

公平调度器的配置涉及到两个文件，一个是 yarn-site.xml ，另一个是公平调度器队列分

配文件 fair-scheduler.xml （文件名可自定义）。

（ 1 ）配置文件参考资料：

https://hadoop.apache.org/docs/r3.1.3/hadoop-yarn/hadoop-yarn-site/FairScheduler.html

（

2 ）任务队列放置规则参考资料：

https://blog.cloudera.com/untangling-apache-hadoop-yarn-part-4-fair-scheduler-queue

basics/

2.3.2 配置多队列的公平调度器

1 ）修改 yarn-site.xml 文件，加入以下参数

<name>yarn.resourcemanager.scheduler.class</name>

<value> org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairS

cheduler </value>

<description> 配置使用公平调度器 </description>

</property>

<name>yarn.scheduler.fair.allocation.file</name>

<value> /opt/module/hadoop-3.1.3/etc/hadoop/fair-scheduler.xml </value>

<description> 指明公平调度器队列分配配置文件 </description>

</property>

<name>yarn.scheduler.fair.preemption</name>

<value> false </value>

<description> 禁止队列间资源抢占 </description>

</property>

2 ）配置 fair-scheduler.xml

<?xml version="1.0"?>

<!-- 单个队列中 Application Master 占用资源的最大比例 , 取值 0-1 ，企业一般配置 0.1

-->

<queueMaxResourcesDefault> 4096mb,4vcores </queueMaxResourcesDefault>

<minResources> 2048mb,2vcores </minResources>

<maxResources> 4096mb,4vcores </maxResources>

尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

</queue>

<minResources> 2048mb,2vcores </minResources>

<maxResources> 4096mb,4vcores </maxResources>

</queue>

<!-- 提交任务时指定队列 , 如未指定提交队列 , 则继续匹配下一个规则 ; false 表示：如果指

定队列不存在 , 不允许自动创建 -->

<!-- 提交到 root.group.username 队列 , 若 root.group 不存在 , 不允许自动创建；若

root.group.user 不存在 , 允许自动创建 -->

</rule>

<!-- 最后一个规则必须为 reject 或者 default 。 Reject 表示拒绝创建提交失败，

default 表示把任务提交到 default 队列 -->

</queuePlacementPolicy>

</allocations>

3 ）分发配置并重启 Yarn

[atguigu@hadoop102 hadoop]$ xsync yarn-site.xml

[atguigu@hadoop102 hadoop]$ xsync fair-scheduler.xml

[atguigu@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh

[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

2.3.3 测试提交任务

1 ）提交任务时指定队列，按照配置规则，任务会到指定的 root.test 队列

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar /opt/module/hadoop-

3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar pi -

Dmapreduce.job.queuename=root.test 1 1

2 ）提交任务时不指定队列，按照配置规则，任务会到 root.atguigu.atguigu 队列

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar /opt/module/hadoop-

3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar pi 1 1 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

2.4 Yarn 的 Tool 接口案例

0 ）回顾：

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar wc.jar

com.atguigu.mapreduce. wordcount2 .WordCountDriver /input

/output1

期望可以动态传参，结果报错，误认为是第一个输入参数。

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar wc.jar

com.atguigu.mapreduce. wordcount2 .WordCountDriver -

Dmapreduce.job.queuename= root.test /input /output1

1 ）需求：自己写的程序也可以动态修改参数。编写 Yarn 的 Tool 接口。

2 ）具体步骤：

（ 1 ）新建 Maven 项目 YarnDemo ， pom 如下：

<?xml version="1.0" encoding="UTF-8"?>

<project xmlns="http://maven.apache.org/POM/4.0.0"

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://maven.apache.org/POM/4.0.0

http://maven.apache.org/xsd/maven-4.0.0.xsd">

<groupId>com.atguigu.hadoop</groupId>

<version>1.0-SNAPSHOT</version>

<groupId>org.apache.hadoop</groupId>

<artifactId> hadoop-client </artifactId>

</dependency>

</dependencies>

</project>

（

2 ）新建 com.atguigu.yarn 报名

（

3 ）创建类 WordCount 并实现 Tool 接口：

package com.atguigu.yarn;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.LongWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Job;

import org.apache.hadoop.mapreduce.Mapper;

import org.apache.hadoop.mapreduce.Reducer;

import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

import

org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import org.apache.hadoop.util.Tool;

import java.io.IOException; 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

public class WordCount implements Tool {

private Configuration conf ;

@Override

public int run(String[] args) throws Exception {

Job job = Job.getInstance( conf );

job.setJarByClass(WordCountDriver.class);

job.setMapperClass(WordCountMapper.class);

job.setReducerClass(WordCountReducer.class);

job.setMapOutputKeyClass(Text.class);

job.setMapOutputValueClass(IntWritable.class);

job.setOutputKeyClass(Text.class);

job.setOutputValueClass(IntWritable.class);

FileInputFormat.setInputPaths(job, new Path(args[0]));

FileOutputFormat.setOutputPath(job, new Path(args[1]));

return job.waitForCompletion(true) ? 0 : 1;

}

@Override

public void setConf(Configuration conf) {

this.conf = conf;

}

@Override

public Configuration getConf() {

return conf ;

}

public static class WordCountMapper extends

Mapper<LongWritable, Text, Text, IntWritable> {

private Text outK = new Text();

private IntWritable outV = new IntWritable(1);

@Override

protected void map(LongWritable key, Text value,

Context context) throws IOException, InterruptedException {

String line = value.toString();

String[] words = line.split(" ");

for (String word : words) {

outK.set(word);

context.write(outK, outV);

}

public static class WordCountReducer extends Reducer<Text, 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

IntWritable, Text, IntWritable> {

private IntWritable outV = new IntWritable();

@Override

protected void reduce(Text key, Iterable<IntWritable>

values, Context context) throws IOException,

InterruptedException {

int sum = 0;

for (IntWritable value : values) {

sum += value.get();

}

outV.set(sum);

context.write(key, outV);

}

（

4 ）新建 WordCountDriver

package com.atguigu.yarn;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.util.Tool;

import org.apache.hadoop.util.ToolRunner;

import java.util.Arrays;

public class WordCountDriver {

private static Tool tool;

public static void main(String[] args) throws Exception {

// 1. 创建配置文件

Configuration conf = new Configuration();

// 2. 判断是否有 tool 接口

switch (args[0]){

case " wordcount ":

tool = new WordCount();

break;

default:

throw new RuntimeException(" No such tool: "+

args[0] );

}

// 3. 用 Tool 执行程序

// Arrays.copyOfRange 将老数组的元素放到新数组里面

int run = ToolRunner.run(conf, tool,

Arrays.copyOfRange(args, 1, args.length));

System.exit(run);

}

3 ）在 HDFS 上准备输入文件，假设为 /input 目录，向集群提交该 Jar 包

[atguigu@hadoop102 hadoop-3.1.3]$ yarn jar YarnDemo.jar

com.atguigu.yarn.WordCountDriver wordcount /input /output 尚硅谷大数据技术之 Hadoop（Yarn

）

—————————————————————————————

更多 Java – 大数据 – 前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

注意此时提交的 3 个参数，第一个用于生成特定的 Tool ，第二个和第三个为输入输出目

录。此时如果我们希望加入设置参数，可以在 wordcount 后面添加参数，例如：

[atguigu@hadoop102 hadoop-3.1.3]$ yarn jar YarnDemo.jar

com.atguigu.yarn.WordCountDriver wordcount -

Dmapreduce.job.queuename=root.test /input /output1

4 ）注：以上操作全部做完过后，快照回去或者手动将配置文件修改成之前的状态，因为本

身资源就不够，分成了这么多，不方便以后测试。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小舞很执着/article/detail/741597