tonglin0325的个人主页

Hadoop学习笔记——配置文件

下载hadoop的原生版本,版本选择2.6.0,下载地址

1
2
https://archive.apache.org/dist/hadoop/common/hadoop-2.6.0/hadoop-2.6.0.tar.gz

解压后可以看到

其中配置文件在 /etc/hadoop目录下

 

 

解压后默认的配置文件都是空的,需要自行配置,下面为配置文件的作用

其中比较重要的是前4个配置文件,分别为core-site.xml,hdfs-site.xml,mapred-site.xml,yarn-site.xml

可以**参考文档**,该文档的版本为4.3.0**,:**Hadoop参数汇总

默认的配置文件可以参考官方文档

1
2
https://hadoop.apache.org/docs/r2.6.0/

左下角有配置的链接

 

1.core-site.xml

Hadoop全局配置参数,例如HDFS和MapReduce常用的I/O设置等

1
2
https://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-common/core-default.xml

配置含义和调优建议可以参考

1
2
http://tonglin0325.github.io/xml/hadoop/2.6.0/core-default.xml

 

2.hdfs-site.xml

 

hdfs配置文件

1
2
https://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml

配置含义和调优建议可以参考

1
2
http://tonglin0325.github.io/xml/hadoop/2.6.0/hdfs-default.xml

 

3.mapred-site.xml

mapreduce配置文件

1
2
https://hadoop.apache.org/docs/r2.6.0/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml

配置含义和调优建议可以参考

1
2
http://tonglin0325.github.io/xml/hadoop/2.6.0/mapred-default.xml

 

4.yarn-site.xml

  YARN是Hadoop 2.0中的资源管理系统,它的基本设计思想是将MRv1中的JobTracker拆分成了两个独立的服务:一个全局的资源管理器ResourceManager每个应用程序特有的ApplicationMaster

其中ResourceManager负责整个系统的资源管理和分配,而ApplicationMaster负责单个应用程序的管理。

  YARN总体上仍然是master/slave结构,在整个资源管理框架中,resourcemanager为master,nodemanager是slave。Resourcemanager负责对各个nademanger上资源进行统一管理和调度。当用户提交一个应用程序时,需要提供一个用以跟踪和管理这个程序的ApplicationMaster,它负责向ResourceManager申请资源,并要求NodeManger启动可以占用一定资源的任务。由于不同的ApplicationMaster被分布到不同的节点上,因此它们之间不会相互影响。

  YARN的基本组成结构,YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等几个组件构成。

  ResourceManager是Master上一个独立运行的进程,负责集群统一的资源管理、调度、分配等等;NodeManager是Slave上一个独立运行的进程,负责上报节点的状态;App Master和Container是运行在Slave上的组件,Container是yarn中分配资源的一个单位,包涵内存、CPU等等资源,yarn以Container为单位分配资源。

  Client向ResourceManager提交的每一个应用程序都必须有一个Application Master,它经过ResourceManager分配资源后,运行于某一个Slave节点的Container中,具体做事情的Task,同样也运行与某一个Slave节点的Container中。RM,NM,AM乃至普通的Container之间的通信,都是用RPC机制。

1、Resourcemanager

  RM是一个全局的资源管理器,集群只有一个,负责整个系统的资源管理和分配,包括处理客户端请求、启动/监控APP master、监控nodemanager、资源的分配与调度。它主要由两个组件构成:调度器(Scheduler)应用程序管理器(Applications Manager,ASM)

(1) 调度器 Scheduler

          调度器根据容量、队列等限制条件(如每个队列分配一定的资源,最多执行一定数量的作业等),将系统中的资源分配给各个正在运行的应用程序。需要注意的是,该调度器是一个“纯调度器”,它不再从事任何与具体应用程序相关的工作,比如不负责监控或者跟踪应用的执行状态等,也不负责重新启动因应用执行失败或者硬件故障而产生的失败任务,这些均交由应用程序相关的ApplicationMaster完成。调度器仅根据各个应用程序的资源需求进行资源分配,而资源分配单位用一个抽象概念“资源容器”(Resource Container,简称Container)表示,Container是一个动态资源分配单位,它将内存、CPU、磁盘、网络等资源封装在一起,从而限定每个任务使用的资源量。此外,该调度器是一个可插拔的组件,用户可根据自己的需要设计新的调度器,YARN提供了多种直接可用的调度器,比如Fair Scheduler和Capacity Scheduler等。

(2) 应用程序管理器 Applications Manager

            应用程序管理器负责管理整个系统中所有应用程序,包括应用程序提交、与调度器协商资源以启动ApplicationMaster、监控ApplicationMaster运行状态并在失败时重新启动它等。

2、ApplicationMaster(AM)

       管理YARN内运行的应用程序的每个实例。

功能:

  数据切分

  为应用程序申请资源并进一步分配给内部任务。

  任务监控与容错

  负责协调来自resourcemanager的资源,并通过nodemanager监视容器的执行和资源使用情况。

3、NodeManager(NM)

Nodemanager整个集群有多个,负责每个节点上的资源和使用。

功能:

  单个节点上的资源管理和任务。

  处理来自于resourcemanager的命令。

  处理来自域app master的命令。

  Nodemanager管理着抽象容器,这些抽象容器代表着一些特定程序使用针对每个节点的资源。

  Nodemanager定时地向RM汇报本节点上的资源使用情况和各个Container的运行状态(cpu和内存等资源)

4、****Container

  Container是YARN中的资源抽象,它封装了某个节点上的多维度资源,如内存、CPU、磁盘、网络等,当AM向RM申请资源时,RM为AM返回的资源便是用Container表示的。YARN会为每个任务分配一个Container,且该任务只能使用该Container中描述的资源。需要注意的是,Container不同于MRv1中的slot,它是一个动态资源划分单位,是根据应用程序的需求动态生成的。目前为止,YARN仅支持CPU和内存两种资源,且使用了轻量级资源隔离机制Cgroups进行资源隔离。

功能:

  对task环境的抽象

        描述一系列信息

        任务运行资源的集合(cpu、内存、io等)

        任务运行环境

参考:YARN架构设计详解

yarn配置文件

1
2
https://hadoop.apache.org/docs/r2.6.0/hadoop-yarn/hadoop-yarn-common/yarn-default.xml

配置含义和调优建议可以参考

1
2
http://tonglin0325.github.io/xml/hadoop/2.6.0/yarn-default.xml

 

5.httpfs-site.xml

httpfs模块配置文件

 

6.capacity-scheduler.xml

配置了yarn资源调度器运行中的各项参数

 

7.hadoop-policy.xml

用于配置服务级别授权

 

8.kms-acls.xml

 

9.kms-site.xml