hadoop_yarn-site.xml

hadoop3.2.3的高可用集群yarn-site.xml配置实例

xml 复制代码
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>


	<property>
	    <!-- 指定Resource Manager的主机名,这里将Resource Manager的主机名设置为"master" -->
	    <name>yarn.resourcemanager.hostname</name>
	    <value>master</value>
	</property>
	
	<property>
		<!-- 启用Resource Manager的高可用性(HA)功能 -->
 		<name>yarn.resourcemanager.ha.enabled</name>
		<value>true</value>
    </property>
	
	<property>
		<!-- 指定用于HA的ZooKeeper集群的地址,这里使用了三个Kafka节点作为ZooKeeper服务,端口为2181 -->
    	<name>ha.zookeeper.quorum</name>
   		<value>kafka-1:2181,kafka-2:2181,kafka-3:2181</value>
	</property>
	
	<property>
		<!-- 指定YARN集群的ID,用于区分不同的YARN集群,这里设置为"myyarn" -->
		<name>yarn.resourcemanager.cluster-id</name>
		<value>myyarn</value>
	</property>
		
	<property>
		<!-- 指定YARN集群中Resource Manager的ID列表,这里有两个Resource Manager,分别为rm1和rm2 -->
		<name>yarn.resourcemanager.ha.rm-ids</name>
		<value>rm1,rm2</value>
	</property>
	
	<property>
		<!-- 指定ID为rm1的Resource Manager的主机名,这里设置为"namenode-1" -->
		<name>yarn.resourcemanager.hostname.rm1</name>
		<value>namenode-1</value>
	</property>
	
	<property>
		<!-- 指定ID为rm2的Resource Manager的主机名,这里设置为"namenode-2" -->
		<name>yarn.resourcemanager.hostname.rm2</name>
		<value>namenode-2</value>
	</property>
	
	<property>
		<!-- 指定ID为rm1的Resource Manager的Web应用地址,这里设置为"namenode-1:8088" -->
		<name>yarn.resourcemanager.webapp.address.rm1</name>
		<value>namenode-1:8088</value>
    </property>
	
	<property>
		<!-- 指定ID为rm2的Resource Manager的Web应用地址,这里设置为"namenode-2:8088" -->
		<name>yarn.resourcemanager.webapp.address.rm2</name>
		<value>namenode-2:8088</value>
	</property>
	
	<property>
		<!-- 指定YARN ResourceManager使用的ZooKeeper集群地址 -->
		<name>yarn.resourcemanager.zk-address</name>
		<value>kafka-1:2181,kafka-2:2181,kafka-3:2181</value>
	</property>
	
	<property>
		<!-- 指定Hadoop集群使用的ZooKeeper集群地址,这里与YARN使用了相同的ZooKeeper集群 -->
		<name>hadoop.zk.address</name>
		<value>kafka-1:2181,kafka-2:2181,kafka-3:2181</value>
	</property>

  <property>
		<!-- 指定NodeManager上运行的辅助服务列表,这里包括MapReduce的shuffle服务和Spark的shuffle服务 -->
		<name>yarn.nodemanager.aux-services</name>
		<value>mapreduce_shuffle,spark_shuffle</value>
  </property>
  	
	<property>
		<!-- 启用日志聚合功能,使得YARN能够收集并聚合各个节点的日志,方便后续查看和分析 -->
		<name>yarn.log-aggregation-enable</name>
		<value>true</value>
  </property>

	<property>
		<!-- 指定日志服务器的URL,用于访问聚合后的日志 -->
		<name>yarn.log.server.url</name>
		<value>http://datanode-7:19888/jobhistory/logs</value>
	</property>

	<property>
		<!-- 禁用NodeManager对物理内存的检查,避免因为内存不足而导致任务失败 -->
		<name>yarn.nodemanager.pmem-check-enabled</name>
		<value>false</value>
    </property>
	
	<property>
		<!-- 禁用NodeManager对虚拟内存的检查,同样是为了避免因为内存不足而导致任务失败 -->
		<name>yarn.nodemanager.vmem-check-enabled</name>
		<value>false</value>
	</property>

	<property>
		<!-- 指定YARN ResourceManager的地址,客户端和NodeManager需要通过这个地址与ResourceManager通信 -->
  		<name>yarn.resourcemanager.address</name>
  		<value>namenode-1:8032</value>
	</property>
	
	<property>
		<!-- 指定YARN ResourceTracker的地址,NodeManager需要通过这个地址向ResourceTracker报告资源使用情况 -->
  		<name>yarn.resourcemanager.resource-tracker.address</name>
  		<value>namenode-1:8031</value>
	</property>
	
	<property>
		<!-- 指定ID为rm1的ResourceManager的Scheduler地址,用于任务调度 -->
		<name>yarn.resourcemanager.scheduler.address.rm1</name>
		<value>namenode-1:8030</value>
    </property>
	
	<property>
		<!-- 指定ID为rm2的ResourceManager的Scheduler地址,同样用于任务调度 -->
		<name>yarn.resourcemanager.scheduler.address.rm2</name>
		<value>namenode-2:8030</value>
	</property>

	<property>
		<!-- 指定Spark shuffle服务的端口号,NodeManager上的Spark shuffle服务会监听这个端口以接收来自其他节点的shuffle数据 -->
		<name>spark.shuffle.service.port</name>
		<value>7337</value>
	</property>
	
	<property>
		<!-- 指定Spark shuffle服务在YARN NodeManager上的实现类 -->
		<name>yarn.nodemanager.aux-services.spark_shuffle.class</name>
		<value>org.apache.spark.network.yarn.YarnShuffleService</value>
	</property>

	<property>
		<!-- 指定YARN NodeManager可用的物理内存总量(以MB为单位) -->
		<name>yarn.nodemanager.resource.memory-mb</name>
		<value>98304</value>
  	</property>
	
  	<property>
		<!-- 指定YARN Scheduler为单个容器分配的最小内存量(以MB为单位) -->
		<name>yarn.scheduler.minimum-allocation-mb</name>
		<value>1024</value>
  	</property>
	
	<property>
		<!-- 指定YARN Scheduler在增加容器内存分配时的增量(以MB为单位) -->
		<name>yarn.scheduler.increment-allocation-mb</name>
		<value>1024</value>
	</property>
	
  	<property>
		<!-- 指定YARN Scheduler为单个容器分配的最大内存量(以MB为单位) -->
		<name>yarn.scheduler.maximum-allocation-mb</name>
		<value>98304</value>
  	</property>

  	<property>
		<!-- 指定MapReduce ApplicationMaster(AM)所需的内存资源量(以MB为单位) -->
		<name>yarn.app.mapreduce.am.resource.mb</name>
		<value>18432</value>
  	</property>
	
  	<property>
		<!-- 指定MapReduce ApplicationMaster(AM)启动时的JVM参数,这里设置了最大堆内存为14745MB -->
		<name>yarn.app.mapreduce.am.command-opts</name>
		<value>-Xmx14745m</value>
  	</property>

  	<property>
		<!-- 指定YARN NodeManager可用的CPU虚拟核心数 -->
  		<name>yarn.nodemanager.resource.cpu-vcores</name>
  		<value>48</value>
  	</property>
	
	<property>
		<!-- 指定YARN Scheduler为单个容器分配的最小CPU虚拟核心数 -->
		<name>yarn.scheduler.minimum-allocation-vcores</name>
		<value>1</value>
	</property>
	
	<property>
		<!-- 指定YARN Scheduler在增加容器CPU分配时的增量(以虚拟核心为单位) -->
		<name>yarn.scheduler.increment-allocation-vcores</name>
		<value>1</value>
	</property>
	
  	<property>
		<!-- 指定YARN Scheduler为单个容器分配的最大CPU虚拟核心数 -->
  		<name>yarn.scheduler.maximum-allocation-vcores</name>
  		<value>48</value>
  	</property>

	<property>  
		<!-- 指定一个文件路径,该文件包含要排除的主机列表。这些主机将不会被用于运行MapReduce任务。 -->
		<name>mapred.hosts.exclude</name>  
		<value>/home/hadoop/hadoop/etc/hadoop/yarn.exclude</value>   
	</property>
	
	<property>
		<!-- 这个配置项设置了YARN应用程序运行时所需的类路径,包括Hadoop各个组件的库和配置文件。 -->
		<name>yarn.application.classpath</name>
		<value>/home/hadoop/hadoop-3.2.3/etc/hadoop, 					<!-- YARN应用程序的类路径配置,包括Hadoop配置文件的路径 -->
			   /home/hadoop/hadoop-3.2.3/share/hadoop/common/lib/*, 	<!-- Hadoop通用库的依赖jar包路径 -->
			   /home/hadoop/hadoop-3.2.3/share/hadoop/common/*, 		<!-- Hadoop通用库的路径 -->
			   /home/hadoop/hadoop-3.2.3/share/hadoop/hdfs/lib/*,		<!-- HDFS库的依赖jar包路径 -->
			   /home/hadoop/hadoop-3.2.3/share/hadoop/hdfs/*, 			<!-- HDFS库的路径 -->
			   /home/hadoop/hadoop-3.2.3/share/hadoop/mapreduce/lib/*, 	<!-- MapReduce库的依赖jar包路径 -->
			   /home/hadoop/hadoop-3.2.3/share/hadoop/mapreduce/*, 		<!-- MapReduce库的路径 -->
			   /home/hadoop/hadoop-3.2.3/share/hadoop/yarn/lib/*, 		<!-- YARN库的依赖jar包路径 -->
			   /home/hadoop/hadoop-3.2.3/share/hadoop/yarn/* 			<!-- YARN库的路径 -->
		</value>
 	 </property>

</configuration>
相关推荐
大师兄带你刨AI30 分钟前
「AI产业」| 《中国信通院&华为:智能体技术和应用研究报告》
大数据·人工智能
武子康39 分钟前
大数据-31 ZooKeeper 内部原理 Leader选举 ZAB协议
大数据·后端·zookeeper
zkmall1 小时前
ZKmall模块商城批发电商平台搭建方案,多商户支持 + 订单管理功能全覆盖
大数据·人工智能
桂成林2 小时前
Hive UDF 开发实战:MD5 哈希函数实现
hive·hadoop·哈希算法
Edingbrugh.南空2 小时前
Flink Postgres CDC 环境配置与验证
大数据·flink
isNotNullX3 小时前
什么是数据分析?常见方法全解析
大数据·数据库·数据仓库·人工智能·数据分析
小袁拒绝摆烂3 小时前
ElasticSearch快速入门-1
大数据·elasticsearch·搜索引擎
点控云4 小时前
智能私域运营中枢:从客户视角看 SCRM 的体验革新与价值重构
大数据·人工智能·科技·重构·外呼系统·呼叫中心
zkmall5 小时前
企业电商解决方案哪家好?ZKmall模块商城全渠道支持 + 定制化服务更省心
大数据·运维·重构·架构·开源
随缘而动,随遇而安9 小时前
第八十八篇 大数据中的递归算法:从俄罗斯套娃到分布式计算的奇妙之旅
大数据·数据结构·算法