Hadoop_Yarn实践 (三) =＞ (Yarn的基础架构、原理、容量/公平调度器、Tool接口、Yarn常用命令、核心参数)

Hadoop_HDFS、Hadoop_MapReduce、Hadoop_Yarn 实践 (三)

一、Hadoop_HDFS

二、Hadoop_MapReduce

三、Hadoop_Yarn

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，运行在操作系统之上的应用程序。

1、Yarn资源调度

1.1、基础架构

1.2、Yarn的工作调度机制（Job提交过程）

提交过程—>Yarn

提交过程—>MapReduce

1.3、Yarn 调度器和调度算法

目前，Hadoop 作业调度器主要有三种：先进先出调度器（FIFO）、容量调度器（Capacity Scheduler）和公平调度器（Fair Scheduler）。

• Apache Hadoop3.3.1 默认的资源调度器是 Capacity Scheduler。
• CDH 框架默认调度器是 Fair Scheduler。

yarn-default.xml 文件查看默认参数：

  <property><description>The class to use as the resource scheduler.</description><name>yarn.resourcemanager.scheduler.class</name><value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value></property>

1.3.1、先进先出调度器（FIFO）

优点：简单易懂
缺点：不支持多队列并发，生产环境很少使用

1.3.2、容量调度器（CapacityScheduler）默认

1、CapacityScheduler 是 Yahaoo 开发的多以用户调度器。

• 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。
• 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。
• 灵活性：如果一个队列中的资源有剩余，可以暂时共享给哪些需要资源的队列，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。
• 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，该调度器会对统一用户提交的作业所占资源进行限定。

2、容量调度器资源分配算法：

1.3.3、公平调度器（Fair Scheduler）

1、Fair Scheduler 是 Facebook 开发的多用户调度器。

1）与容量调度器相同点

• 多队列：支持多队列多作业
• 容量保证：管理员可以为每个队列设置资源最低保证和资源使用上限
• 灵活性：如果一个队列中的资源有剩余，可以暂时共享给哪些需要资源的队列，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
• 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，该调度器会对统一用户提交的作业所占资源进行限定。

2）与容量调度器不同点

• 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

• 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(默认)、DRF

1 、公平调度器：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

2、公平调度器分配方式设置为：FIFO

• 公平调度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。

3、公平调度器分配方式设置为：FAIR（默认）

4、公平调度器分配方式设置为：FDRF策略

2、公平调度器资源分配算法（Fair Scheduler）

1.4、Yarn常用命令

hadoop-3.3.1]$ cd /var/opt/hadoopSoftware/hadoop-3.3.1# 运行一个任务
hadoop-3.3.1]$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.jar wordcount /tinput /toutput1

查看任务：

1、使用监控页面查看

# YARN的ResourceManager
http://hadoop2:8088

2、使用Yarn命令查看

# 1、列出所有 Application
$ yarn application -list# 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）
$ yarn application -list -appStates FINISHED# 3、Kill 掉 Application
$ yarn application -kill <Application-Id># 4、查询 Application 日志
$ yarn logs -applicationId <Application-Id># 5、查询 Container 日志（contaiinerId 可以通过步骤 6、进行查看）
$ yarn logs -applicationId <ApplicationId> -contaiinerId <ContainerId># 6、查看尝试运行的任务
$ yarn applicationattempt -list <ApplicationId># 7、打印 ApplicationAttempt 状态
$ yarn applicationattempt -status <ApplicationAttemptId># 8、查看当前app一共有多少个容器
$ yarn container -list <ApplicationAttemptId># 9、查看当前 Container 状态
$ yarn container -status <ContainerId># 10、查看node节点状态
$ yarn node -list -all# 11、加载队列配置（动态更新yarn配置）
$ yarn rmadmin -refreshQueues# 12、打印队列信息
$ yarn queue -status <QueueName>
eg: yarn queue -status default   
Queue Information :
Queue Name : defaultState : RUNNINGCapacity : 100.00%Current Capacity : .00%Maximum Capacity : 100.00%Default Node Label expression : <DEFAULT_PARTITION>Accessible Node Labels : *Preemption : disabledIntra-queue Preemption : disabled

1.5、Yarn生产环境核心参数配置

（根据自身服务器容量以及app需求进行配置）

# 自定义配置文件位置$HADOOP_HOME/etc/hadoop/yarn-site.xml
# 默认配置文件位置$HADOOP_HOME/share/doc/hadoop/hadoop-yarn/hadoop-yarn-common/yarn-default.xml1）ResourceManager相关
# 配置调度器，默认是容量调度器（大公司资源够要求性能好，可以选择公平调度器）<property><name>yarn.resourcemanager.scheduler.class</name><value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value></property># ResourceManager 处理调度器接口的线程数 默认50<property><name>yarn.resourcemanager.scheduler.client.thread-count</name><value>50</value></property>2）NodeManager相关
# 是否启用自动检测节点功能，让yarn自己检查硬件进行配置 默认false<property><name>yarn.nodemanager.resource.detect-hardware-capabilities</name><value>false</value></property># 是否将虚拟核数当作CPU核数 默认false<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># 默认为1，表示一个物理cpu当做一个vcore使用，如果我们已经预留给了服务器cpu的话，那我们这里可以调整问题2或者3<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><value>1.0</value></property># NodeManager使用的内存 默认8G<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><value>-1</value></property># NodeManager 为系统保留多少内存（为非yarn进程保留的物理内存量，单位为MB）<property><description>Amount of physical memory, in MB, that is reserved for non-YARN processes. This configuration is only used if yarn.nodemanager.resource.detect-hardware-capabilities is set to true and yarn.nodemanager.resource.memory-mb is -1. If set to -1, this amount is calculated as 20% of (system memory - 2*HADOOP_HEAPSIZE)</description><name>yarn.nodemanager.resource.system-reserved-memory-mb</name><value>-1</value></property># 是否开启 物理内存 检查限制container 默认打开<property><description>Whether physical memory limits will be enforced forcontainers.</description><name>yarn.nodemanager.pmem-check-enabled</name><value>true</value></property># 是否开启 虚拟内存 检查限制container 默认打开 （一般会关闭虚拟内存检测，因为java和centos78在分配虚拟内存是会有些冲突所以一般会关闭这个参数）<property><description>Whether virtual memory limits will be enforced forcontainers.</description><name>yarn.nodemanager.vmem-check-enabled</name><value>true</value></property># 虚拟内存 与 物理内存比例 默认2.1<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 is allowed to exceed this allocation by this ratio.</description><name>yarn.nodemanager.vmem-pmem-ratio</name><value>2.1</value></property>3）Container 相关
# 容器的最小内存 默认1G<property><description>The minimum allocation for every container request at the 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><value>1024</value></property># 容器的最大内存 默认8G<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><value>8192</value></property># 容器的最小CPU核数 默认1个<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><value>1</value></property># 容器的最大CPU核数 默认4个<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><value>4</value></property>

修改参数后分发到所有服务器，然后重启即可

hadoop1 $ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml# 停止
hadoop1 $ myhadoop stop
# 启动
hadoop1 $ myhadoop start

2、Yarn案例实操

2.1、配置多队列的容量调度器

在生产环境怎么创建队列？

• A、调度器默认就1个 default 队列，不能满足生产要求。

• B、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)

• C、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

创建多队列的好处？

• A、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。

• B、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，比如 双11、6.18等

  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）

2.1.1、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%。

在文件位置$HADOOP_HOME/etc/hadoop/capacity-scheduler.xml 中配置如下：

  <!-- 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><!-- 降低default队列资源额定容量为40%，默认100% --><property><name>yarn.scheduler.capacity.root.default.capacity</name><value>40</value></property><!-- 降低default队列资源最大容量为60%，默认100% --><property><name>yarn.scheduler.capacity.root.default.maximum-capacity</name><value>60</value></property>（2）为新加队列添加必要属性：<!-- 为新加队列添加必要属性：指定hive队列的资源额定容量 --><property><name>yarn.scheduler.capacity.root.hive.capacity</name><value>60</value></property><!-- 用户最多可以使用队列多少资源，1表示 --><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>80</value></property><!-- 启动hive队列 --><property><name>yarn.scheduler.capacity.root.hive.state</name><value>RUNNING</value></property><!-- 哪些用户有权向队列提交作业 --><property><name>yarn.scheduler.capacity.root.hive.acl_submit_applications</name><value>*</value></property><!-- 哪些用户有权操作队列，管理员权限（查看/杀死） --><property><name>yarn.scheduler.capacity.root.hive.acl_administer_queue</name><value>*</value></property><!-- 哪些用户有权配置提交任务优先级 --><property><name>yarn.scheduler.capacity.root.hive.acl_application_max_priority</name><value>*</value></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。 --><property><name>yarn.scheduler.capacity.root.hive.maximum-application-lifetime</name><value>-1</value></property><!-- 如果application没指定超时时间，则用default-application-lifetime作为默认值 --><property><name>yarn.scheduler.capacity.root.hive.default-application-lifetime</name><value>-1</value></property>

分发配置文件，然后重启 Yarn 或者执行yarn rmadmin -refreshQueues刷新队列，http://hadoop2:8088 就可以看到两条队列：

hadoop1 $ xsync $HADOOP_HOME/etc/hadoop/capacity-scheduler.xml
hadoop1 $ yarn rmadmin -refreshQueues

2.1.2、向配置的Hive队列提交任务

1）hadoop jar 的方式

# 修改提交任务的方式，默认是default。eg：向Hive队列提交任务
hadoop-3.3.1]$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.jar wordcount -D mapreduce.job.queuename=hive /input /output2

2）打 jar 包的方式（推荐）

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，在Driver中声明即可：

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Jobboolean b = job.waitForCompletion(true);System.exit(b ? 0 : 1);}
}

• 需求2：配置队列优先级

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。

1）修改yarn-site.xml文件，增加以下参数

hadoop1 $ vim $HADOOP_HOME/etc/hadoop/yarn-site.xml
<property><name>yarn.cluster.max-application-priority</name><value>5</value>
</property>

2）同步并重启yarn

hadoop1 $ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xmlhadoop2 $ $HADOOP_HOME/sbin/stop-yarn.shhadoop2 $ $HADOOP_HOME/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。

hadoop1 hadoop-3.3.1]$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.jar pi 5 2000000

4）再次重新提交优先级高的任务（可以通过yarn监控页面查看任务执行的优先级 http://hadoop2:8088）

hadoop2 hadoop-3.3.1]$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.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hadoop-3.3.1]$ yarn application -appID application_1611133087930_0009 -updatePriority 5

2.2、公平调度器案例

2.2.1、需求：

创建两个队列，分别是 test 和fancyry（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，fancyry提交的任务到 root.group.fancyry 队列运行 (注：group为用户所属组)。

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)。

2.2.2、配置多队列的公平调度器

修改 $HADOOP_HOME/etc/hadoop/yarn-site.xml 文件，加入以下参数

    <property><name>yarn.resourcemanager.scheduler.class</name><value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value><description>配置使用公平调度器</description></property><property><name>yarn.scheduler.fair.allocation.file</name><value>/var/opt/hadoopSoftware/hadoop-3.3.1/etc/hadoop/fair-scheduler.xml</value><description>指明公平调度器队列分配配置文件</description></property><property><name>yarn.scheduler.fair.preemption</name><value>false</value><description>禁止队列间资源抢占</description></property>

添加公平调度器文件 fair-scheduler.xml （队列test）

$HADOOP_HOME/etc/hadoop/fair-scheduler.xml

<?xml version="1.0"?>
<allocations><!-- 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 --><queueMaxAMShareDefault>0.5</queueMaxAMShareDefault><!-- 单个队列最大资源的默认值 test atguigu default --><queueMaxResourcesDefault>4096mb,4vcores</queueMaxResourcesDefault><!-- 增加一个队列test --><queue name="test"><!-- 队列最小资源 --><minResources>2048mb,2vcores</minResources><!-- 队列最大资源 --><maxResources>4096mb,4vcores</maxResources><!-- 队列中最多同时运行的应用数，默认50，根据线程数配置 --><maxRunningApps>4</maxRunningApps><!-- 队列中Application Master占用资源的最大比例（服务器性能好的话一般配置0.1就够了） --><maxAMShare>0.5</maxAMShare><!-- 该队列资源权重,默认值为1.0 --><weight>1.0</weight><!-- 队列内部的资源分配策略 --><schedulingPolicy>fair</schedulingPolicy></queue><!-- 增加一个队列 leojiang --><queue name="leojiang" type="parent"><!-- 队列最小资源 --><minResources>2048mb,2vcores</minResources><!-- 队列最大资源 --><maxResources>4096mb,4vcores</maxResources><!-- 队列中最多同时运行的应用数，默认50，根据线程数配置 --><maxRunningApps>4</maxRunningApps><!-- 该队列资源权重,默认值为1.0 --><weight>1.0</weight><!-- 队列内部的资源分配策略 --><schedulingPolicy>fair</schedulingPolicy></queue><!-- 任务队列分配策略,可配置多层规则,从第一个规则开始匹配,直到匹配成功 --><queuePlacementPolicy><!-- 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--><rule name="specified" create="false"/><!-- 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 name="nestedUserQueue" create="true"><rule name="primaryGroup" create="false"/></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 --><rule name="reject" /></queuePlacementPolicy>
</allocations>

tips:

maxAMShare：限制可用于运行应用程序主节点的队列公平份额的比例。此属性只能用于叶队列。例如，如果设置为 1.0f，则叶队列中的 AM 最多可以占用 100% 的内存和 CPU 公平份额。值 -1.0f 将禁用此功能，并且不会检查 amShare。默认值为 0.5f。

2.2.3、分发配置并重启Yarn

hadoop1 $ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml 
hadoop1 $ xsync $HADOOP_HOME/etc/hadoop/fair-scheduler.xmlhadoop2 $ $HADOOP_HOME/sbin/stop-yarn.shhadoop2 $ $HADOOP_HOME/sbin/start-yarn.sh

2.2.4、测试提交任务

1、页面刷新可以看到新的调度器

# YARN的ResourceManager
http://hadoop2:8088

2、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

hadoop2 hadoop-3.3.1]$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.jar pi -D mapreduce.job.queuename=root.test 1 1

3、提交任务时不指定队列，按照配置规则，任务会到root队列，用哪个用户登录运行就在那个用户下

hadoop2 hadoop-3.3.1]$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.jar pi 1 1

3、Yarn 的 Tool 接口案例

回顾：World count 案例

hadoop2 hadoop-3.3.1]$ hadoop jar helloworld-maven-java.jar com.leojiang.mapreduce.wordcount2.WordCountDriver /input /output

期望可以动态传参，结果报错，误认为是第一个输入参数。

hadoop2 hadoop-3.3.1]$ hadoop jar helloworld-maven-java.jar com.leojiang.mapreduce.wordcount2.WordCountDriver -Dmapreduce.job.queuename=root.test /input /output2

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

1、新建Maven项目YarnDemo，pom如下：

pom.xml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"><modelVersion>4.0.0</modelVersion><groupId>com.leojiang.yarn</groupId><artifactId>YarnDemo</artifactId><version>1.0-SNAPSHOT</version><properties><maven.compiler.source>8</maven.compiler.source><maven.compiler.target>8</maven.compiler.target></properties><dependencies><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.13</version><!--            main文件下无法使用，如果相要使用需要修改为 compile --><!--            <scope>test</scope>--><scope>compile</scope></dependency><dependency><groupId>org.slf4j</groupId><artifactId>slf4j-log4j12</artifactId><version>1.7.30</version></dependency><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-client</artifactId><version>3.3.4</version></dependency></dependencies></project>

2、创建包名 com.leojiang.yarn

3、创建类 WordCount 并实现 Tool 接口

package com.leojiang.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;// Alt + enter 实现相关的方法
public class WordCount implements Tool {private Configuration conf;// 核心驱动（conf 需要传入）@Overridepublic 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;}@Overridepublic void setConf(Configuration conf) {this.conf = conf;}@Overridepublic Configuration getConf() {return conf;}// mapperpublic static class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {private Text outK = new Text();private IntWritable outV = new IntWritable(1);@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {// 获取一行String line = value.toString();
//            String[] words = line.split("");// 去除首尾空格String tline = line.trim();// s表示匹配任何空白字符，+表示匹配一次或多String[] words = tline.split("\\s+");for (String word : words) {outK.set(word);context.write(outK, outV);}}}// reducerpublic static class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {private IntWritable outV = new IntWritable();@Overrideprotected 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、创建WordCountDriver类

package com.leojiang.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 {// 创建配置Configuration conf = new Configuration();switch (args[0]) {case "wordcount":tool = new WordCount();break;default:throw new RuntimeException("no such tool" + args[0]);}// 执行程序int run = ToolRunner.run(conf, tool, Arrays.copyOfRange(args, 1, args.length));System.exit(run);}
}

5、打包

6、拷贝jar包到Linux服务器上

7、运行测试

查看 Driver 类的全列名 com.leojiang.yarn.WordCountDriver

在 HDFS 上准备输入文件 /input 目录，向集群提交该 Jar 包

hadoop1 hadoop-3.3.1]$  yarn jar $HADOOP_HOME/test-jar/YarnDemo-1.0-SNAPSHOT.jar com.leojiang.yarn.WordCountDriver wordcount /input /output4

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：

hadoop1 hadoop-3.3.1]$  yarn jar $HADOOP_HOME/test-jar/YarnDemo-1.0-SNAPSHOT.jar com.leojiang.yarn.WordCountDriver wordcount -Dmapreduce.job.queuename=root.test /input /output5

4、总结

1、Yarn的工作机制

2、Yarn的调度器

1）FIFO、容量、公平

2）apache默认调度器 =》容量； CDH默认调度器= =》公平

3）公平、容量 默认有一个default，需要创建多队列

多队列：

• 中小企业：hive spark flink mr
• 中大企业：业务模块：登录、注册、购物车、营销
• 好处：解耦降低风险 双11、618 降级使用

4）每个调度器的特点：

• 相同点：支持多队列、可以借资源、支持多用户

• 不同点：

  容量调度器：优先满足先进来的任务执行
  公平调度器：在队列里面的任务，公平享有队列资源

5）生产环境怎么选：

• 中小企业：对并发度要求不高，选择容量
• 中大企业：对并发度要求比较高，选择公平

3、开发需要掌握的重点

1）队列原理

2）Yarn常用命令

3）核心参数配置

4）配置容量调度器和公平调度器

5）tool接口的使用

（END）