10.Yarn概述

如果说HDFS是存储，则Yarn就是cpu和内存，mapreduce就是程序。

1.基础架构 

复习：

1.Container就是一个容器，其中封装了需要使用的内存与cpu

2.每当提交一个job,就会产生一个appMaster(总指挥),app Master负责其他container里面的MapTask和ReduceTask.

3.NodeManager是一个开关，真正跑任务的是appMaster.

2.Yarn工作机制

步骤解读：

- （0）MR程序提交到客户端所在的节点。

- （1）YarnRunner向ResourceManager申请一个Application。

- （2）RM将该应用程序的资源路径返回给YarnRunner。

- （3）该程序将运行所需资源提交到HDFS上。

- （4）程序资源提交完毕后，申请运行mrAppMaster。

- （5）RM将用户的请求初始化成一个Task。

- （6）其中一个NodeManager领取到Task任务。

- （7）该NodeManager创建容器Container，并产生MRAppmaster。

- （8）Container从HDFS上拷贝资源到本地。

- （9）MRAppmaster向RM 申请运行MapTask资源。

- （10）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。

- （11）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。

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

- （13）ReduceTask向MapTask获取相应分区的数据。

- （14）程序运行完毕后，MR会向RM申请注销自己。

3.Hadoop三驾马车的关系

4.Yarn调度器

 hadoop默认调度器有三种：先进先出调度器，容量调度器，公平调度器

1.FIFO

先进先出调度器

   

缺点：任务先到先执行，没有任务优先级一说

2.Capacity Scheduler

容量调度器

3.Fair Scheduler

公平调度器

 关于缺额的解释：

       如上图，一个队列有20%的资源，跑四个任务，每个任务占比5%；这时候新加入一个任务，

理论上是五个人评价分配资源，但是实际上，当job5想要加入的时候，前面4个已经开始跑了，job5并不会里面得到资源。所以

某一时刻上，一个job应该获得的资源和实际获得资源的差据叫缺额

调度器会优先为缺额大的job分配资源：也就是说前面job释放的资源会优先提供给job5.但是每一个job都会有最小资源的保证

只要一直向缺额大的job分配资源，最终整个资源会达到动态平衡的状态

 ps.理论上的资源也不是平均分的，而是根据job的需求和优先级（权重）确定

ps.资源调度器的修改在yarn-default.xml文件中：

 5.Yarn常见配置

在yarn-site.xml里面配置，套用以下格式去改

<property><name>   需要添加的名称    </name><value>  需要添加的值      </value>
</property>

1.ResourceManager性能相关

2.Yarn集群资源配置（NodeManager）

2.1 自动配置（用的少）

ps.虚拟核数就是骗yarn,让他以为job有更多资源 

2.2 手动配置

3.Yarn容器资源配置 

4.Yarn容器内存限制

ps.2.1的意思就是我允许你申请1G内存，但是你最大可以申请到2.1G的虚拟内存

 5.容量调度器相关配置

ps.为什么默认值是0.1而不是1：如果appMaster占用的资源太多，那么mapTask和reduceTask的运行就会有问题 

6. 多队列配置  

多对列的使用案例：

ps.容量调度器只有一条Default队列,是一条单队列的调度器，在实际使用中会出现单个任务阻塞整个队列的情况。因此就需要我们按照业务种类配置多条任务队列。

  在capacity-scheduler.xml进行如下配置：

ps.就是把defualt的内容复制一下，改成hive,然后修改value即可

1.指定多队列，增加hive队列

<property><name>yarn.scheduler.capacity.root.queues</name><value>default,hive</value><description>The queues at the this level (root is the root queue).</description>
</property>

  2.降低default队列资源额定容量为40%，提升hive队列资源额定容量为60%

<property><name>yarn.scheduler.capacity.root.default.capacity</name><value>40</value>
</property><property><name>yarn.scheduler.capacity.root.hive.capacity</name><value>60</value>
</property>

3.配置hive队列的其他属性

<property><name>yarn.scheduler.capacity.root.hive.user-limit-factor</name><value>1</value>
</property>
<!-- 指定hive队列的资源最大容量 -->
<property><name>yarn.scheduler.capacity.root.hive.maximum-capacity</name><value></value>
</property><property><name>yarn.scheduler.capacity.root.hive.state</name><value>RUNNING</value>
</property><property><name>yarn.scheduler.capacity.root.hive.acl_submit_applications</name><value>*</value>
</property><property><name>yarn.scheduler.capacity.root.hive.acl_administer_queue</name><value>*</value>
</property><property><name>yarn.scheduler.capacity.root.hive.acl_application_max_priority</name><value>*</value>
</property><property><name>yarn.scheduler.capacity.root.hive.maximum-application-lifetime</name><value>-1</value>
</property><property><name>yarn.scheduler.capacity.root.hive.default-application-lifetime</name><value>-1</value>
</property>

 配置完成后，将hadoop102的配置同步到其他两台机器：

xsync / opt/ module/hadoop-3.1.3/ etc/hadoop/

最后重启集群即可

结果如下：

4. 最后在driver中声明

5.提交命令

向default提交命令：

hadoop jar \
/opt/module/hadoop-3.1.3\
/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar \
wordcount \
/input \
/xxx3

向hive提交命令：

hadoop jar \
/opt/module/hadoop-3.1.3\
/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar \
wordcount \
-Dmapreduce.job.queuename=hive \
/input \
/xxx4