## YARN架构包含的元素：
yarn_architecture.gif
-
ResourceManager:RM
（1）整个集群同一个时间提供服务的只有一个RM,负责集群的资源统一调度和管理。
（2）处理客户端的请求：提交一个作业，杀死一个作业
（3）监控我们的NM.
-
NodeManager:NM
（1）集群中有多个nm，负责自身节点的资源管理和使用
（2）定时向RM汇报本节点的是使用情况。
（3）接收来自rm的各种命令，如启动Container
-
ApplicationMaster: AM
（1）每个应用程序对应一个AM：MR ,Spark ,负责应用程序的管理。
（2）为每个应用程序向RM申请资源，分配给内部的Task,
（3）需要与NM通信，启动/停止Task，AM也运行在Container里面。
-
Container：
（1）封装了cpu，memory的容器，程序都是在此容器内部进行。
（2）也就是说其实是一个运行任务的环境的抽象。
-
client：
（1）提交作业
（2）查看任务的进度
（3）杀死作业
### ## 直接如何配置单个节点的yarn。。。
屏幕快照 2019-02-25 下午10.01.59.png
本身的hdfs安装路径：/usr/local/hadoop/hadoop-2.6.0-cdh5.7.0
YARN on a Single Node(单节点的配置)
跟随下面四步骤即可：
一. Configure parameters as follows
1.etc/hadoop/mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
2.etc/hadoop/yarn-site.xml:
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
以上是2个需要配置的文件。
二.接下来可以启动了。
$ sbin/start-yarn.sh
三. 验证
1）jps的方式：
NodeManager
ResourceManager
2）网页查看的方式：
http://localhost（地址）:8088/
如果是阿里云记得8088加入安全组。
四. 此时见可以执行maoreduce的任务了，可以先用官方提供的例子测试一下。
我们到
/usr/local/hadoop/hadoop-2.6.0-cdh5.7.0/share/hadoop/mapreduce
这个路径下找到包含执行程序的jar包
jarName:hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar
用hadoop jar 命令
此处比如计算pi的值
hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 3 4
上述执行结果会得到pi的值。
五.关闭 yarn
$ sbin/stop-yarn.sh
