大数据---分布式任务资源调度Yarn

Posted 2021-03-18 bluedarkni

前面也说到过的Yarn是hadoop体系中的资源调度平台。所以在整个hadoop的包里面自然也是有它的。这里我们就简单介绍下，并配置搭建yarn集群。

首先来说Yarn中有两大核心角色Resource Manager和Node Manager。

 

Resource Manager负责接收用户提交的分布式计算程序/任务，并为其划分资源，管理监控各个Node Manager。

 

Node Manager 接收resoResource Manager分配过来的任务，并计算。

 

 

 

通俗一点说就是计算程序会被打成一个jar包，然后分配到每个node manager上面去，这样每个node manager 执行的代码都是一样，只是可能数据源不一样。

 

 

 

 

集群配置：

 

 

node manager在物理上应该跟data node部署在一起，方便数据的读取

 

 

 

Yarn的软件在hadoop里面的都是有的，就和hdfs一样，我们只需要去配置一下，然后启动就可以了

 

每台机器都对etc/hadoop/yarn-site.xml进行配置

 

 

 

<property><!--配置redource manager-->

 

<name>yarn.resourcemanager.hostname</name>

 

<value>nijunyang68</value>

 

</property>

 

 

 

 因为之前配置hdfs集群的时候已经在slaves中将集群IP的都配置进去了，所以现在只需要一键执行脚本就可以了：start-yarn.sh

注意在哪台机器启动redource manager就在那儿执行这个脚本，上面的配置只是告诉集群的中机器谁是redource manager，所以执行这个脚本需要在配置中的那个机器上面去执行。从日志中也可以看见，resource manager是在本机启动的，node manager是在其他机器上面启动的。

 

 

 默认8088端口可以在web页面查看yarn集群信息

 

 

 

说一点，上面显示内存大小是不对的，因为我们没有配置，都是使用的默认，并不是我机器的实际值，实际上我的虚拟机总共才1G的内存

 

 

 

 

 

 

 

 

配置详情：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-common/yarn-default.xml

 

<property>

 

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

 

<value>1024</value>

 

</property>

 

内存有个最小分配限制1024，否则集群是无法启动的。

 

核数也并不是实际CPU的核数，我的虚拟机也才1核，这儿的意思是假如我内存200m，现在有一个任务需要100m内存，那么我这个机器就可以起两个任务，所以可以把核数配置成2，如果配置成那么久只能起一个任务。意思就是我CPU虽然是一核，但是我一个人100M，我200内存可以起两个任务，那么我CPU的运算能力就平均分给这两个任务。

 

<property>

 

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

 

<value>2</value>

 

</property>

 

 至此yarn集群就搭建完毕，后续就等着mapreduce任务丢上去运行了。