实验四 YARN实验：部署YARN集群

shiyab配置

实验指导

4.1 实验目的

了解什么是YARN框架，如何搭建YARN分布式集群，并能够使用YARN集群提交一些简单的任务，理解YARN作为Hadoop生态中的资源管理器的意义。

4.2 实验要求

搭建YARN集群，并使用YARN集群提交简单的任务。观察任务提交的之后的YARN的执行过程。

4.3 实验原理

4.3.1 YARN概述

YARN是一个资源管理、任务调度的框架，采用master/slave架构，主要包含三大模块：ResourceManager（RM）、NodeManager（NM）、ApplicationMaster（AM）。其中，ResourceManager负责所有资源的监控、分配和管理，运行在主节点； NodeManager负责每一个节点的维护，运行在从节点；ApplicationMaster负责每一个具体应用程序的调度和协调，只有在有任务正在执行时存在。对于所有的applications，RM拥有绝对的控制权和对资源的分配权。而每个AM则会和RM协商资源，同时和NodeManager通信来执行和监控task。几个模块之间的关系如图4-1所示：

图4-1 模块间的关系

4.3.2 YARN运行流程

YARN运行流程如图4-2所示：

图4-2 YARN运行流程如图

client向RM提交应用程序，其中包括启动该应用的ApplicationMaster的必须信息，例如ApplicationMaster程序、启动ApplicationMaster的命令、用户程序等。

ResourceManager启动一个container用于运行ApplicationMaster。

启动中的ApplicationMaster向ResourceManager注册自己，启动成功后与RM保持心跳。

ApplicationMaster向ResourceManager发送请求，申请相应数目的container。

ResourceManager返回ApplicationMaster的申请的containers信息。申请成功的container，由ApplicationMaster进行初始化。container的启动信息初始化后，AM与对应的NodeManager通信，要求NM启动container。AM与NM保持心跳，从而对NM上运行的任务进行监控和管理。

container运行期间，ApplicationMaster对container进行监控。container通过RPC协议向对应的AM汇报自己的进度和状态等信息。

应用运行期间，client直接与AM通信获取应用的状态、进度更新等信息。

应用运行结束后，ApplicationMaster向ResourceManager注销自己，并允许属于它的container被收回。

4.4 实验步骤

该实验主要分为配置YARN的配置文件，启动YARN集群，向YARN几个简单的任务从而了解YARN工作的流程。

4.4.1 在master机上配置YARN

操作之前请确认HDFS已经启动，具体操作参考之前的实验内容。

指定YARN主节点，编辑文件“/usr/cstor/hadoop/etc/hadoop/yarn-site.xml”，将如下内容嵌入此文件里configuration标签间：

  1. <property>
  2. <name>yarn.resourcemanager.hostname</name>
  3. <value>master</value>
  4. </property>
  5. <property>
  6. <name>yarn.nodemanager.aux-services</name>
  7. <value>mapreduce_shuffle</value>
  8. </property>

yarn-site.xml是YARN守护进程的配置文件。第一句配置了ResourceManager的主机名，第二句配置了节点管理器运行的附加服务为mapreduce_shuffle，只有这样才可以运行MapReduce程序。

在master机上操作：将配置好的YARN配置文件拷贝至slaveX、client。

  1. [root@master ~]# cat ~/data/4/machines
  2. slave1
  3. salve2
  4. slave3
  5. client
  6. [allen@cmaster ~]# for x in `cat ~/data/4/machines` ; do echo $x ; scp /usr/cstor/hadoop/etc/hadoop/yarn-site.xml $x:/usr/cstor/hadoop/etc/hadoop/ ; done;

4.4.2 统一启动YARN

确认已配置slaves文件，在master机器上查看：

  1. [root@master ~]# cat /usr/cstor/hadoop/etc/hadoop/slaves
  2. slave1
  3. slave2
  4. slave3
  5. [root@master ~]#

YARN配置无误，统一启动YARN：

[root@master ~]# /usr/cstor/hadoop/sbin/start-yarn.sh

4.4.3 验证YARN启动成功

读者可分别在四台机器上执行如下命令，查看YARN服务是否已启动。

[root@master ~]# jps      #jps查看java进程

你会在master上看到类似的如下信息：

2347  ResourceManager

这表明在master节点成功启动ResourceManager，它负责整个集群的资源管理分配，是一个全局的资源管理系统。

而在slave1、slave2、slave3上看到类似的如下信息：

4021  NodeManager

NodeManager是每个节点上的资源和任务管理器，它是管理这台机器的代理，负责该节点程序的运行，以及该节点资源的管理和监控。YARN集群每个节点都运行一个NodeManager。

在当前的Windows机器上打开浏览器，地址栏输入master的IP和端口号8088（例：10.1.1.7:8088），即可在Web界面看到YARN相关信息。

4.4.4 在client机上提交DistributedShell任务

distributedshell，他可以看做YARN编程中的“hello world”，它的主要功能是并行执行用户提供的shell命令或者shell脚本。-jar指定了包含ApplicationMaster的jar文件，-shell_command指定了需要被ApplicationMaster执行的Shell命令。

在xshell上再打开一个client的连接，执行：

  1. [root@client ~]# /usr/cstor/hadoop/bin/yarn
  2. org.apache.hadoop.yarn.applications.distributedshell.Client -jar \
  3. /usr/cstor/hadoop/share/hadoop/yarn/hadoop-yarn-applications-distributedshell-2.7.1.jar \
  4. -shell_command uptime

4.4.5 在client机上提交MapReduce型任务

（1）指定在YARN上运行MapReduce任务

首先，在master机上，将文件“/usr/cstor/hadoop/etc/hadoop/mapred-site.xml. template”重命名为“/usr/cstor/hadoop/etc/hadoop/mapred-site.xml”。

接着，编辑此文件并将如下内容嵌入此文件的configuration标签间：

  1. <property>
  2. <name>mapreduce.framework.name</name>
  3. <value>yarn</value>
  4. </property>

最后，将master机的“/usr/local/hadoop/etc/hadoop/mapred-site.xml”文件拷贝到slaveX与client，重新启动集群。

（2）在client端提交PI Estimator任务

首先进入Hadoop安装目录：/usr/cstor/hadoop/，然后提交PI Estimator任务。

命令最后两个两个参数的含义：第一个参数是指要运行map的次数，这里是2次；第二个参数是指每个map任务，取样的个数；而两数相乘即为总的取样数。Pi Estimator使用Monte Carlo方法计算Pi值的，Monte Carlo方法自行百度。

[root@client hadoop]#  bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar pi 2 10

4.5 实验结果

（1）yarn启动之后在master上的web界面上能看到的界面。如图4-3所示：

图4-3

（2）提交DistributedShell任务之后web界面看到的界面应该是。如图4-4所示：

图4-4

（3）提交PI任务之后web界面上看到的。如图4-5所示：

图4-5

在终端能观察到的界面。如图4-6所示：

图4-6

实验记录

集群s步骤1s配置集群ssh免密h免密

步骤2 修改HDFS和YARN配置

修改HDFS和YARN配置

步骤3 启动HDFS和YARN

启动HDFS和YARN

步骤4 提交DistributedShell任务

提交DistributedShell任务

/usr/cstor/hadoop/bin/yarn

此处文档中缺少Hadoop
hadoop org.apache.hadoop.yarn.applications.distributedshell.Client  -jar \
/usr/cstor/hadoop/share/hadoop/yarn/hadoop-yarn-applications-distributedshell-2.7.1.jar \
-shell_command  uptime

步骤5 提交MapReduce任务

提交MapReduce任务

赞 (0)

相关推荐