大数据学习之MapReduce基础与Yarn集群安装09

Posted 2021-11-26 hidamowang

1大数据解决的问题？

 

海量数据的存储：hadoop->分布式文件系统HDFS

海量数据的计算：hadoop->分布式计算框架MapReduce

 

2什么是MapReduce?

 

分布式程序的编程框架，java->ssh ssm ，目的：简化开发！

是基于hadoop的数据分析应用的核心框架。

mapreduce的功能：将用户编写的业务逻辑代码和自带默认组件整合成一个完整的

分布式运算程序，并发的运行在hadoop集群上。

 

3 MapReduce的优缺点

 

优点：

（1）易于编程

（2）良好的拓展性

（3）高容错性

（4）适合处理PB级别以上的离线处理

 

缺点：

（1）不擅长做实时计算

（2）不擅长做流式计算（mr的数据源是静态的）

（3）不支持DAG（有向图）计算（spark）

 

MapReduce核心编程思想图：

 

 

4自动化调度平台yarn(mr程序的运行平台)

 

mr程序应该在多台机器上运行启动，而且要先执行maptask，等待每个maptask都处理完成后

还要启动很多个reducetask，这个过程要用户手动调用任务不太现实，

需要一个自动化的任务调度平台->hadoop当中2.x中提供了一个分布式调度平台-YARN

 

Yarn任务提交流程图

 

 

5搭建yarn集群

 

（1）修改配置文件 yarn-site.xml

<property>

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

<value>bigdata11</value>

</property>

 

<property>

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

<value>mapreduce_shuffle</value>

</property>

 

（2）然后复制到每台机器  $PWD 当前目录

scp yarn-site.xml [email protected]:$PWD

scp yarn-site.xml [email protected]:$PWD

 

（3）修改slaves文件（之前配置了就不用再配了）

 

然后在bigdata11上，修改hadoop的slaves文件，列入要启动nodemanager的机器

然后将bigdata11到所有机器的免密登陆配置好

 

（4）脚本启动yarn集群：

启动：

sbin/start-yarn.sh

停止：

sbin/stop-yarn.sh

 

（5）访问web端口

启动完成后，可以在windows上用浏览器访问resourcemanager的web端口：

http://bigdata11:8088