wordpress网站标题,网站建设预付费入什么科目,花型图案设计网站,如何建个人摄影网站文章目录 一、Yarn资源调度器1、架构2、Yarn工作机制3、HDFS、YARN、MR关系4、作业提交之HDFSMapReduce 二、Yarn调度器和调度算法1、先进先出调度器#xff08;FIFO#xff09;2、容量调度器#xff08;Capacity Scheduler#xff09;3、公平调度器#xff08;Fair … 文章目录 一、Yarn资源调度器1、架构2、Yarn工作机制3、HDFS、YARN、MR关系4、作业提交之HDFSMapReduce 二、Yarn调度器和调度算法1、先进先出调度器FIFO2、容量调度器Capacity Scheduler3、公平调度器Fair Scheduler3.1 调度器原理3.22 资源分配方式 三、修改Yarn集群1、Yarn配置2、多队列提交3、向集群中提交任务 一、Yarn资源调度器
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于操作系统之上的应用程序。
1、架构
YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成。 2、Yarn工作机制 MR程序提交到客户端所在的节点。YarnRunner向ResourceManager申请一个Application。RM将该应用程序的资源路径返回给YarnRunner。该程序将运行所需资源提交到HDFS上。程序资源提交完毕后申请运行mrAppMaster。RM将用户的请求初始化成一个Task。其中一个NodeManager领取到Task任务。该NodeManager创建容器Container并产生MRAppmaster。Container从HDFS上拷贝资源到本地。MRAppmaster向RM 申请运行MapTask资源。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。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MapTaskMapTask对数据分区排序。MrAppMaster等待所有MapTask运行完毕后向RM申请容器运行ReduceTask。ReduceTask向MapTask获取相应分区的数据。程序运行完毕后MR会向RM申请注销自己。
3、HDFS、YARN、MR关系 4、作业提交之HDFSMapReduce 1作业提交 第1步Client调用job.waitForCompletion方法向整个集群提交MapReduce作业。第2步Client向RM申请一个作业id。第3步RM给Client返回该job资源的提交路径和作业id。第4步Client提交jar包、切片信息和配置文件到指定的资源提交路径。第5步Client提交完资源后向RM申请运行MrAppMaster。 2作业初始化 第6步当RM收到Client的请求后将该job添加到容量调度器中。第7步某一个空闲的NM领取到该Job。第8步该NM创建Container并产生MRAppmaster。第9步下载Client提交的资源到本地。 3任务分配 第10步MrAppMaster向RM申请运行多个MapTask任务资源。第11步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。 4任务运行 第12步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MapTaskMapTask对数据分区排序。第13步MrAppMaster等待所有MapTask运行完毕后向RM申请容器运行ReduceTask。第14步ReduceTask向MapTask获取相应分区的数据。第15步程序运行完毕后MR会向RM申请注销自己。 5进度和状态更新 YARN中的任务将其进度和状态(包括counter)返回给应用管理器, 客户端每秒(通过mapreduce.client.progressmonitor.pollinterval设置)向应用管理器请求进度更新, 展示给用户。 6作业完成 除了向应用管理器请求作业进度外, 客户端每5秒都会通过调用waitForCompletion()来检查作业是否完成。时间间隔可以通过mapreduce.client.completion.pollinterval来设置。作业完成之后, 应用管理器和Container会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户核查。
二、Yarn调度器和调度算法
目前Hadoop作业调度器主要有三种FIFO、容量Capacity Scheduler和公平Fair Scheduler。 Apache Hadoop3.1.3默认的资源调度器是Capacity Scheduler。 CDH框架默认调度器是Fair Scheduler。
详见yarn-default.xml文件
propertydescriptionThe class to use as the resource scheduler./descriptionnameyarn.resourcemanager.scheduler.class/name
valueorg.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler/value
/property1、先进先出调度器FIFO
FIFO调度器First In First Out单队列根据提交作业的先后顺序先来先服务。
优点简单易懂。缺点不支持多队列生产环境很少使用。 2、容量调度器Capacity Scheduler
Capacity Scheduler是Yahoo开发的多用户调度器。 3、公平调度器Fair Scheduler
3.1 调度器原理
Fair Schedulere是Facebook开发的多用户调度器。 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 3.22 资源分配方式
有3种资源分配方式FIFO策略、 Fair 策略、 DRF策略。
1、FIFO策略
公平调度器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。
2、Fair 策略
Fair 策略默认是一种基于最大最小公平算法实现的资源多路复用方式默认情况下每个队列内部采用该方式分配资源。这意味着如果一个队列中有两个应用程序同时运行则每个应用程序可得到1/2的资源如果三个应用程序同时运行则每个应用程序可得到1/3的资源。 2作业资源分配
不加权关注点是Job的个数
需求有一条队列总资源12个, 有4个job对资源的需求分别是:
job1-1, job2-2 , job3-6, job4-5第一次算: 12 / 4 3 job1: 分3 -- 多2个 job2: 分3 -- 多1个job3: 分3 -- 差3个job4: 分3 -- 差2个第二次算: 3 / 2 1.5 job1: 分1job2: 分2job3: 分3 -- 差3个 -- 分1.5 -- 最终: 4.5 job4: 分3 -- 差2个 -- 分1.5 -- 最终: 4.5第n次算: 一直算到没有空闲资源加权关注点是Job的权重
需求有一条队列总资源16有4个job
对资源的需求分别是:
job1-4 job2-2 job3-10 job4-4
每个job的权重为:
job1-5 job2-8 job3-1 job4-2第一次算: 16 / (5812) 1job1: 分5 -- 多1job2: 分8 -- 多6job3: 分1 -- 少9job4: 分2 -- 少2 第二次算: 7 / (12) 7/3job1: 分4job2: 分2job3: 分1 -- 分7/32.33 --少6.67job4: 分2 -- 分14/3(4.66) --多2.66第三次算:2.66/12.66 job1: 分4job2: 分2job3: 分3.33 -- 分2.66/1 -- 分6job4: 分4
第n次算: 一直算到没有空闲资源3、DRF策略
DRFDominant Resource Fairness我们之前说的资源都是单一标准例如只考虑内存也是Yarn默认的情况。但是很多时候我们资源有很多种例如内存CPU网络带宽等这样我们很难衡量两个应用应该分配的资源比例。
那么在YARN中我们用DRF来决定如何调度假设集群一共有100 CPU和10T 内存而应用A需要2 CPU, 300GB应用B需要6 CPU100GB。则两个应用分别需要A2%CPU, 3%内存和B6%CPU, 1%内存的资源这就意味着A是内存主导的, B是CPU主导的针对这种情况我们可以选择DRF策略对不同应用进行不同资源CPU和内存的一个不同比例的限制。
三、修改Yarn集群
1、Yarn配置
资源配置 从1G数据中统计每个单词出现次数。服务器3台每台配置4G内存4核CPU4线程。 1G / 128m 8个MapTask1个ReduceTask1个mrAppMaster。 平均每个节点运行10个 / 3台 ≈ 3个任务4 3 3
修改yarn-site.xml配置参数如下
!-- 选择调度器默认容量 --
propertydescriptionThe class to use as the resource scheduler./descriptionnameyarn.resourcemanager.scheduler.class/namevalueorg.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler/value
/property!-- ResourceManager处理调度器请求的线程数量,默认50如果提交的任务数大于50可以增加该值但是不能超过3台 * 4线程 12线程去除其他应用程序实际不能超过8 --
propertydescriptionNumber of threads to handle scheduler interface./descriptionnameyarn.resourcemanager.scheduler.client.thread-count/namevalue8/value
/property!--
是否将虚拟核数当作CPU核数默认是false采用物理CPU核数
--
propertydescriptionFlag to determine if logical processors(such ashyperthreads) should be counted as cores. Only applicable on Linuxwhen yarn.nodemanager.resource.cpu-vcores is set to -1 andyarn.nodemanager.resource.detect-hardware-capabilities is true./descriptionnameyarn.nodemanager.resource.count-logical-processors-as-cores/namevaluefalse/value
/property!-- 是否让yarn自动检测硬件进行配置默认是false如果该节点有很多其他应用程序建议手动配置。如果该节点没有其他应用程序可以采用自动 --
propertydescriptionEnable auto-detection of node capabilities such asmemory and CPU./descriptionnameyarn.nodemanager.resource.detect-hardware-capabilities/namevaluefalse/value
/property!--
Core转成Vcore的个数虚拟核数和物理核数乘数默认是1.0
hadoop中的vcore不是真正的core通常vcore的个数设置为逻辑cpu个数的1~5倍。
--
propertydescriptionMultiplier 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./descriptionnameyarn.nodemanager.resource.pcores-vcores-multiplier/namevalue1.0/value
/property!-- NodeManager使用内存数默认8G修改为4G内存 --
propertydescriptionAmount of physical memory, in MB, that can be allocated for containers. If set to -1 andyarn.nodemanager.resource.detect-hardware-capabilities is true, it isautomatically calculated(in case of Windows and Linux).In other cases, the default is 8192MB./descriptionnameyarn.nodemanager.resource.memory-mb/namevalue4096/value
/property!-- nodemanager的CPU核数不按照硬件环境自动设定时默认是8个修改为4个 --
propertydescriptionNumber of vcores that can be allocatedfor containers. This is used by the RM scheduler when allocatingresources for containers. This is not used to limit the number ofCPUs used by YARN containers. If it is set to -1 andyarn.nodemanager.resource.detect-hardware-capabilities is true, it isautomatically determined from the hardware in case of Windows and Linux.In other cases, number of vcores is 8 by default./descriptionnameyarn.nodemanager.resource.cpu-vcores/namevalue4/value
/property!-- 容器最小内存默认1G --
propertydescriptionThe 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./descriptionnameyarn.scheduler.minimum-allocation-mb/namevalue1024/value
/property!-- 容器最大内存默认8G修改为2G --
propertydescriptionThe maximum allocation for every container request at the RM in MBs. Memory requests higher than this will throw an InvalidResourceRequestException./descriptionnameyarn.scheduler.maximum-allocation-mb/namevalue2048/value
/property!-- 容器最小CPU核数默认1个 --
propertydescriptionThe 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./descriptionnameyarn.scheduler.minimum-allocation-vcores/namevalue1/value
/property!-- 容器最大CPU核数默认4个修改为2个 --
propertydescriptionThe maximum allocation for every container request at the RM in terms of virtual CPU cores. Requests higher than this will throw anInvalidResourceRequestException./descriptionnameyarn.scheduler.maximum-allocation-vcores/namevalue2/value
/property!-- 虚拟内存检查默认打开修改为关闭 --
propertydescriptionWhether virtual memory limits will be enforced forcontainers./descriptionnameyarn.nodemanager.vmem-check-enabled/namevaluefalse/value
/property!-- 虚拟内存和物理内存设置比例,默认2.1 --
propertydescriptionRatio 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./descriptionnameyarn.nodemanager.vmem-pmem-ratio/namevalue2.1/value
/property重启Yarn集群
./sbin/stop-yarn.sh
./sbin/start-yarn.sh登录页面查看资源修改http://hadoop102:8088/cluster 关闭虚拟内存检查 2、多队列提交
配置参数
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%。
修改capacity-scheduler.xml配置
!-- 指定多队列增加hive队列 --
propertynameyarn.scheduler.capacity.root.queues/namevaluedefault,hive/valuedescriptionThe 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% --
propertynameyarn.scheduler.capacity.root.default.capacity/namevalue40/value
/property!-- 降低default队列资源最大容量为60%默认100% --
propertynameyarn.scheduler.capacity.root.default.maximum-capacity/namevalue60/value
/property添加capacity-scheduler.xml配置
!-- 指定hive队列的资源额定容量 --
propertynameyarn.scheduler.capacity.root.hive.capacity/namevalue60/value
/property!-- 用户最多可以使用队列多少资源1表示所有 --
propertynameyarn.scheduler.capacity.root.hive.user-limit-factor/namevalue1/value
/property!-- 指定hive队列的资源最大容量 --
propertynameyarn.scheduler.capacity.root.hive.maximum-capacity/namevalue80/value
/property!-- 启动hive队列 --
propertynameyarn.scheduler.capacity.root.hive.state/namevalueRUNNING/value
/property!-- 哪些用户有权向队列提交作业 --
propertynameyarn.scheduler.capacity.root.hive.acl_submit_applications/namevalue*/value
/property!-- 哪些用户有权操作队列管理员权限查看/杀死 --
propertynameyarn.scheduler.capacity.root.hive.acl_administer_queue/namevalue*/value
/property!-- 哪些用户有权配置提交任务优先级 --
propertynameyarn.scheduler.capacity.root.hive.acl_application_max_priority/namevalue*/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。
--
propertynameyarn.scheduler.capacity.root.hive.maximum-application-lifetime/namevalue-1/value
/property!-- 如果application没指定超时时间则用default-application-lifetime作为默认值 --
propertynameyarn.scheduler.capacity.root.hive.default-application-lifetime/namevalue-1/value
/property分发修改后配置文件或者修改ResourceManger所在节点配置
重启Yarn集群或者刷新配置
yarn rmadmin -refreshQueues登录页面查看队列更新http://hadoop102:8088/cluster/scheduler 3、向集群中提交任务
package com.example.demo.wordcount;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class WCDriver2 {public static void main(String[] args) throws Exception {System.out.println(args[0]);System.out.println(args[1]);//1.创建Job实例Configuration conf new Configuration();//可以设置参数conf.set(mapreduce.job.queuename, hive);Job job Job.getInstance(conf);//2.给Job赋值//2.1关联本程序的jar---如果是本地运行不用设置。如果是在集群上运行打jar包放在集群上一定要设置job.setJarByClass(WCDriver2.class);//2.2设置Mapper和Reducer类job.setMapperClass(WCMapper.class);job.setReducerClass(WCReducer.class);//2.3设置Mapper输出的Key,value的类型job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(LongWritable.class);//2.4设置最终输出的key,value的类型在这是Reducer输出的key,value的类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(LongWritable.class);//2.5设置输入和输出路径FileInputFormat.setInputPaths(job, new Path(args[0]));//注意输出的目录必须不存在FileOutputFormat.setOutputPath(job, new Path(args[1]));//3.提交Jobboolean b job.waitForCompletion(true);System.out.println( b);}
}pom文件打包方式
?xml version1.0 encodingUTF-8?
project xmlnshttp://maven.apache.org/POM/4.0.0 xmlns:xsihttp://www.w3.org/2001/XMLSchema-instancexsi:schemaLocationhttp://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsdmodelVersion4.0.0/modelVersiongroupIdcom.example/groupIdartifactIddemo/artifactIdversion0.0.1-SNAPSHOT/versionnamedemo/namedescriptiondemo/descriptionpropertiesjava.version1.8/java.version/propertiesdependenciesdependencygroupIdorg.apache.hadoop/groupIdartifactIdhadoop-client/artifactIdversion3.1.3/version/dependencydependencygroupIdjunit/groupIdartifactIdjunit/artifactIdversion4.12/version/dependencydependencygroupIdorg.slf4j/groupIdartifactIdslf4j-log4j12/artifactIdversion1.7.30/version/dependency/dependenciesbuildpluginspluginartifactIdmaven-compiler-plugin/artifactIdversion3.6.1/versionconfigurationsource1.8/sourcetarget1.8/target/configuration/pluginpluginartifactIdmaven-assembly-plugin/artifactIdconfigurationdescriptorRefsdescriptorRefjar-with-dependencies/descriptorRef/descriptorRefs/configurationexecutionsexecutionidmake-assembly/idphasepackage/phasegoalsgoalsingle/goal/goals/execution/executions/plugin/plugins/build
/project登录服务器执行脚本
demo-0.0.1.jar 运行的jar包服务器所在全路径com.example.demo.wordcount.WCDriver2 全类名运行jar包中的哪个类/input 数据的输入路径HDFS/output :数据的输出路径HDFS
hadoop jar demo-0.0.1.jar com.example.demo.wordcount.WCDriver2 /input /output
