🧶 Yarn - что это и как связано с Hadoop

🔍Yarn - это распределенная система управления ресурсами, специально разработанная для работы с Hadoop. Она отвечает за планирование и управление ресурсами в кластере Hadoop.

Yarn позволяет эффективно использовать ресурсы кластера и запускать приложения параллельно. Он имеет несколько основных компонентов:

• ResourceManager - отвечает за планирование ресурсов и управление запуском приложений
• NodeManager - управляет индивидуальными узлами кластера и отслеживает доступные ресурсы
• ApplicationMaster - координирует запуск, мониторинг и управление приложениями в кластере

Чтобы использовать Yarn с Hadoop, вы должны настроить его на своем кластере и предоставить ему необходимые ресурсы для выполнения задач. Вот пример команды, которую вы можете использовать для запуска приложения в Yarn:

yarn application -run -appType MAPREDUCE -appMaster com.example.MyAppMaster -jar myapp.jar -input input/ -output output/
    

Что такое Yarn и Hadoop?

Добро пожаловать в мир распределенной обработки данных! В этой статье мы рассмотрим, что такое Yarn и Hadoop, и как они работают вместе.

Что такое Hadoop?

Hadoop - это фреймворк для обработки больших данных. Он разработан для эффективной обработки и хранения данных в распределенной среде. Hadoop состоит из двух основных компонентов - Hadoop Distributed File System (HDFS) и Apache MapReduce.

HDFS представляет собой распределенную файловую систему, которая разбивает данные на блоки и распределяет их по узлам в кластере. HDFS обеспечивает отказоустойчивость и высокую пропускную способность для работы с данными.

Apache MapReduce - это модель программирования и исполнительная среда для параллельной обработки данных в Hadoop. Он разделяет обработку входных данных на независимые задачи, которые затем выполняются параллельно на узлах кластера.

Что такое Yarn?

Yarn - это сокращение от "Yet Another Resource Negotiator" (Еще один участник в торгах ресурсами). Он является основной частью фреймворка Hadoop, начиная с версии 2.0.

Главная цель Yarn - предоставить платформу для эффективного управления вычислительными ресурсами и планирования задач в Hadoop-кластере. Yarn работает в среде, где много узлов и каждый узел предоставляется набором ресурсов, таких как CPU и память.

Основная идея Yarn - это предоставление вычислительного времени в кластере различным приложениям. Он действует как посредник между ресурсами кластера и приложениями, определяя, какие ресурсы предоставлять и когда. Это позволяет множеству приложений работать параллельно на одном кластере Hadoop.

Как Yarn работает с Hadoop?

Когда пользователь отправляет задачу для выполнения в Hadoop-кластере, Yarn распределяет ресурсы и планирует выполнение задачи. Он разбивает большие задачи на более мелкие, называемые контейнерами, и распределяет их по узлам кластера. Каждый контейнер получает свою долю ресурсов, которые могут быть использованы для выполнения задачи.

Yarn также отслеживает прогресс выполнения задачи и контролирует ее временные ограничения. Если узел кластера выходит из строя или задача выполняется с ошибкой, Yarn автоматически перезапускает задачу на другом доступном узле. Это обеспечивает отказоустойчивость и непрерывность работы приложений в Hadoop.

Пример кода в Hadoop с использованием Yarn

Давайте рассмотрим простой пример кода в Hadoop, который использует Yarn для выполнения задачи.

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;
import java.util.StringTokenizer;

public class WordCount {

  public static class TokenizerMapper
       extends Mapper<Object, Text, Text, IntWritable>{

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }

  public static class IntSumReducer
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values,
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

В приведенном выше примере мы реализуем класс WordCount, который является классическим примером в Hadoop. Он подсчитывает количество вхождений каждого слова в заданных текстовых файлах.

Класс TokenizerMapper занимается разделением строк на слова и отправкой их в качестве выходных данных. Класс IntSumReducer получает все выходные данные от Mapper'а для каждого слова и суммирует их, чтобы получить общее количество вхождений каждого слова.

Затем мы настраиваем конфигурацию задачи, указываем входные и выходные пути, запускаем задачу и ожидаем ее завершения.

Заключение

В этой статье мы рассмотрели, что такое Yarn и Hadoop, и как они работают вместе для обработки больших данных. Yarn играет важную роль в управлении ресурсами кластера, в то время как Hadoop обеспечивает распределенное хранение и обработку данных.

Пример кода показывает, как использовать Yarn в Hadoop для выполнения задачи подсчета количества слов в текстовых файлах. Это только начало погружения в мир Hadoop и больших данных. Успехов в изучении!