3.MapReduce—搭建集群

节点结构

HOST	NN	JN	DN	ZKFC	ZK	RM	NM
tongyuzhe1	*	*		*
tongyuzhe2	*	*	*	*	*		*
tongyuzhe3		*	*		*	*	*
tongyuzhe4			*		*	*	*

DN和NM时一一对应的
YARN和HDFS没有启动先后关系

单机情况必须配置项

mapreduce on yarn 

mapred-site.xml

<property>
	<name>mapreduce.framework.namename>
	<value>yarnvalue>
property>

yarn-site.xml

<property>
	<name>yarn.nodemanager.aux-servicesname>
	<value>mapreduce_shufflevalue>
property>

HA下添加

yarn-site.xml

<property>
	<name>yarn.resourcemanager.ha.enabledname>
	<value>truevalue>
property>


<property>
	<name>yarn.resourcemanager.zk-addressname>
	<value>tongyuzhe2:2181,tongyuzhe3:2181,tongyuzhe4:2181value>
property>


<property>
	<name>yarn.resourcemanager.cluster-idname>
	<value>maprecude1value>
property>


<property>
	<name>yarn.resourcemanager.ha.rm-idsname>
	<value>rm1,rm2value>
property>


<property>
	<name>yarn.resourcemanager.hostname.rm1name>
	<value>tongyuzhe3value>
property>
<property>
	<name>yarn.resourcemanager.hostname.rm2name>
	<value>tongyuzhe4value>
property>

为什么HDFS拥有ZKFC：

因为要向前兼容，没有过多的改NN，通过新增了角色 zkfc

为什么Yarn没有类似ZKFC的角色：

1.因为是新增角色，是直接在RM进程中增加了HA的模块，不需要向前兼容，没有历史遗留问题。
2.所以还是Yarn方式好，不需要考虑单独ZKFC进程挂掉的情况。
3.全都放在一个进程里，要活一起活，要死一起死。

tongyuzhe1

cd $HADOOP_HOME/etc/hadoop

# 得到mapred-site.xml文件
cp mapred-site.xml.template   mapred-site.xml

scp mapred-site.xml yarn-site.xml tongyuzhe2:`pwd`
scp mapred-site.xml yarn-site.xml tongyuzhe3:`pwd`
scp mapred-site.xml yarn-site.xml tongyuzhe4:`pwd`

#可以不用管，搭建hdfs时候已经改过了
vi slaves

#启动Yarn
start-yarn.sh

tongyuzhe3~4:

#启动resourcemanager
yarn-daemon.sh start resourcemanager

#访问Yarn节点
http://tongyuzhe3:8088
http://tongyuzhe4:8088

MR 官方案例WordCount

MapReduce on YARN的运行方式：

#创建输入文件夹
hdfs dfs -mkdir -p /data/wc/input

#生成文件
for i in `seq 100000`;do echo "hello mbs $i" >> data.txt;done

#上传文件，并将块大小设置为1048576B
hdfs dfs -D dfs.blocksize=1048576 -put data.txt /data/wc/input

cd $HADOOP_HOME

#mapreduce程序文件夹
cd share/hadoop/mapreduce

#运行MR程序
hadoop jar hadoop-mapreduce-examples-2.6.5.jar wordcount /data/wc/input /data/wc/output

#结果
_SUCCESS #标志成功的文件

#数据文件
part-r-00000 r:reduce文件
part-m-00000 m:map文件

Idea程序打包

#打包
Maven-->Lifecycle-->clean

#运行MR
hadoop jar BigData-1.0-0.1.jar work.tongyuzhe.mapreduce.MyWordCount

#Idea下载源码文档
Maven-->下载箭头-->Download S.. and D..

#自动整理代码格式
Code-->Reformat Code

存储层将字符串切割问题都处理好了，不需要我们关心，技术发展是越来越易与人使用的

windows下编程

#在win下部署hadoop，此版本为2.6.5
1.解压hadoop-2.6.5.tar.gz至C:\Program Personal\
2.将soft\bin的win文件覆盖至上一步C:\Program Personal\hadoop-2.6.5\bin目录下
3.将刚才覆盖bin目录下的hadoop.dll，复制到c:\windwos\system32\
4.配置环境变量HADOOP_HOME C:\Program Personal\hadoop-2.6.5

#修改mapred-site.xml为集群模式
<property>
	<name>mapreduce.framework.name</name>
	<value>yarn</value>
</property>

#或是覆盖，修改Yarn为本地模式
#写在Configuration conf下方
conf.set("mapreduce.framework.name","local");

#让框架知道是windows异构平台
conf.set("mapreduce.app-submission.cross-platform","true");

#上传Jar包的位置
#写在Job.getInstance(conf)下方
job.setJar("C:\\Program Personal\\IntelliJ IDEA 2020.1\\Projects\\BigData\\target\\BigData-1.0-0.1.jar");

#获取xml中mapreduce.framework.name属性
conf.get("mapreduce.framework.name")

main(String[] args)中的args可以添加参数

例如hadoop jar hadoop-mapreduce-examples-2.6.5.jar wordcount /data/wc/input /data/wc/output
里面后接的参数，都是要依赖args接受

在程序里我们也可以取到

// 工具类帮我们把-D 等等的属性直接set到conf，会留下commandOptions
GenericOptionsParser parser = new GenericOptionsParser(conf, args);
//othargs[0]:输入目录
//othargs[1]:输出目录
String[] othargs = parser.getRemainingArgs();

有两类参数，一类带 -D，一类不带
带 -D的是系统参数，例如上传块切割大小
不带的是自定义参数，例如输入输出目录

例如：#上传文件，并将块大小设置为1048576B
hdfs dfs -D dfs.blocksize=1048576 -put data.txt /data/wc/input

例如：
//设置Reduce并行度
job.setNumReduceTasks(2);
通过Ctrl进入源代码会发现"mapreduce.job.reduces"

这样我们就可以设置-D的系统参数
-D mapreduce.job.reduces=2 /data/wc/input /data/wc/output

通过GenericOptionsParser(conf, args);会自动将参数赋值

所以我们甚至可以只写配置文件读取加载，网页控制配置参数

每次提交更改系统参数建议重新打Jar包

参数在：点编译锤子右面项目，Edit Configurations，Program arguments。填写