使用Yarn本地部署Hadoop

修改配置文件

首先修改mapred-sit.xml文件：

cd /usr/local/hadoop/etc/hadoop
mv mapred-site.xml.template mapred-site.xml

修改为：

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

修改配置文件yarn-site.xml：

<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
        </property>
</configuration>

重新启动

start-dfs.sh 和 start-yarn.sh命令启动hadoop和yarn：

开启历史服务器，才能在Web中查看任务运行情况：

mr-jobhistory-daemon.sh start historyserver

再查看进程，多出NodeManager和ResourceManager两个进程：

如果以后在伪分布式模式下启动Hadoop的时候不想启动Yarn，务必把配置文件mapred-site.xml重命名为mapred-site.xml.template

使用Yarn本地部署Spark

修改配置文件

cd /usr/local/spark/conf
vim spark-env.sh

添加：

export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop

这样Spark就可以跑在YARN上了，也没必要启动spark的master和slaves服务，因为是靠yarn进行任务调度，所以直接提交任务即可：

spark-shell --master yarn-client

提示ERROR，这是由于JAVA8的问题，具体参考这里。

首先需要关闭hadoop和yarn：

stop-dfs.sh
stop-yarn.sh

在/usr/local/hadoop/etc/hadoop/目录下修改yarn-site.xml文件：

<property>
    <name>yarn.nodemanager.pmem-check-enabled</name>
    <value>false</value>
</property>

<property>
    <name>yarn.nodemanager.vmem-check-enabled</name>
    <value>false</value>
</property>

再次启动，成功：

在shell中运行例子：

val textFile = sc.textFile("hdfs://localhost:9000/user/hadoop/input/k-means.dat")
textFile.first()

成功！

使用yarn查看作业

在浏览器中查看

在浏览器中输入lcoalhost:8088，在yarn中查看任务：

会发现spark的任务会提交到yarn，而无需启动master和slave节点。

使用hadoop提交

cd /usr/local/hadoop
hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar grep input output/yarn ‘dfs[a-z.]+’

作业运行成功，在yarn中查看任务：

但是，无论该任务是否成功，在yarn中查看，只能知道这个container是否运行完，因此，需要通过logs进行查看任务的具体运行情况。

使用spark提交

只需要在master节点中添加master即可，例如：

spark-submit  --class StuScore --master yarn StuScore-1.0.jar

注意：如果是自己编写的程序，不要在程序中将sparkcontext指定为local

查看yarn logs

在yarn-env.sh中查看log的目录：

默认目录在/usr/local/hadoop/logs里面：

可以发现application的log都存放在里面，现在可以根据web上展示的applicationID选择需要查看的log

关于yarn的log，可参考这里。