目录
一、YARN
1、概述
①、YARN(Yet Another Resource Negotiator - 迄今另一个资源调度器) - 负责任务管理和资源调度
②、YARN是Hadoop2.X开始出现的，也是Hadoop2.X中最重要的特性之一。也正是因为YARN的出现，导致Hadoop1.X和Hadoop2.X不兼容
③、产生原因
2、YARN的结构
①、主进程ResourceManager
②、从进程NodeManager
③、辅助进程ApplicationMaster
二、YARN的执行流程
1、当ResourceManager收到客户端提交的任务之后，会先将这个任务临时存储下来，等待NodeManager的心跳
2、当ResourceManager收到NodeManager的心跳之后，会在心跳响应中将Job任务返回给NodeManager
3、NodeManager通过心跳响应之后，收到任务之后，就会在本节点内部开启一个ApplicationMaster进程，然后将Job任务交给这个ApplicationMaster处理
4、ApplicationMaster收到任务之后，会将Job任务来进行拆分，拆分成子任务。例如，如果是一个MapReduce程序，那么拆分成MapTask和ReduceTask
5、拆分完成之后，ApplicationMaster会给ResourceManager发送请求申请资源
6、ResourceManager收到请求之后，将请求交给内部组件ResourceScheduler处理
7、ResourceScheduler收到请求之后，会将资源的描述封装成一个Container对象返回给ApplicationMaster
8、ApplicationMaster收到资源之后，会对资源进行二次拆分，分配给具体的子任务，然后将子任务分配到不同的NodeManager上执行，并且ApplicationMaster还会监控这些子任务的执行
9、如果子任务执行失败，那么ApplicationMaster监控到之后，会自动的重启这个失败的子任务，或者会自动的将失败的子任务分配到其他的节点上重新执行
10、当Job任务结束之后，ApplicationMaster会向ResourceManager发送请求，同时请求注销自己
三、ResourceScheduler-资源调度器
在Hadoop中，目前为止，支持3种资源调度器： FIFO(先进先出)，Capacity(资源容量)以及Fair(公平资源）
1、FIFO(先进先出)
2、Capacity(资源容量)
3、Fair(公平资源)
四、完全分布式结构
1、结构
完整的hadoop至少要13个节点，我们就用三台虚拟机进行模拟搭建。
2、常见问题
①、在第一次关闭Hadoop之前，先修改stop-dfs.sh和stop-yarn.sh中的内容。将start-dfs.sh中添加的内容放到stop-dfs.sh中，将start-yarn.sh中的内容放到stop-yarn.sh中
②、在Hadoop集群中，一定要先启动Zookeeper再启动Hadoop
③、以后再次启动Hadoop，只需要通过start-all.sh即可启动
④、在执行命令的时候，出现了Name or service not known或者UnknownHost之类的异常，那么先检查主机名是否写对；再检查/etc/hostname或者是/etc/hosts文件是否配置正确
⑤、在进行ssh的时候需要输入密码，需要重新进行免密
⑥、在执行命令的时候，出现了command not found，那么先检查命令是否配置正确；然后再检查/etc/profile中的环境变量是否配置正确；最后确定对/etc/profile文件修改之后是否进行了重新生效source
⑦、在格式化的时候，出现了HA is not enabled/HA is not available之类的异常，那么说明Hadoop和当前系统出现了兼容性问题 - 重装系统
⑧、如果执行命令的时候出现了IllegalArgument之类的异常，那么说明命令或者参数写错了
⑨、如果启动之后，发现缺少了QuorumPeerMain，那么Zookeeper启动失败
⑩、如果启动之后，发现缺少了NameNode/DataNode/JournalNode/ DFSZKFailoverController进程，可以试图通过hdfs --daemon start namenode/datanode/journalnode/zkfc来单独这个进程
⑾、如果启动之后，发现缺少了ResourceManager/NodeManage进程，那么可以试图通过yarn --daemon start resourcemanager/nodemanager来单独启动这个进程，例如yarn --daemon start nodemanager
⑿、如果在启动的时候，出现process already running as xxx，那么先kill -9 xxx，然后再单独重新启动
⒀、在NameNode格式化的时候，如果格式化失败，那么改错之后，先删除掉/home/software/hadoop-3.1.3/tmp/dfs/name目录，再重新格式化
注意：
3、添加节点
①、先修改新节点的主机名
②、进行主机名和IP的映射
③、重启
④、配置免密互通
⑤、所有的主机都需要和新添加的节点进行免密
⑥、从其他节点拷贝一个Hadoop安装目录到第四个节点上
⑦、新添加的节点上，进入Hadoop的安装目录，然后删除对应的目录
⑧、新节点配置环境变量
⑨、启动DataNode与YARN
五、Federation HDFS-联邦HDFS
1、当前HDFS架构的弊端
NameNode会将元数据维系在内存中。实际开发中，一台服务器大概能腾出50G左右的内存给NameNode来使用，也就意味着一台服务器大概能存储3亿~4亿条元数据，经过计算，意味着NameNode所管理的集群大概能够存储12~15PB的数据。但是在现在的开发中，很多大型企业的数据量已经超过上百PB，原始的NameNode架构就不能满足这个需求。
NameNode无法做到程序的隔离。所有的元数据都维系在一个NameNode上，意味着如果某一个任务占用的资源比较多，那么就会影响其他在进行的任务。
所有的请求都只能访问这唯一的一个NameNode，此时NameNode的并发量就成了整个HDFS的并发瓶颈。
2、联邦HDFS
在联邦HDFS中，可以利用多个节点同时作为NameNode对外接收请求，在请求之前，需要将HDFS中的路径于NameNode之间来进行映射。每一个路径必须对应某一个NameNode。
在联邦HDFS中，所有的请求不再集中于某一个节点上而是分散到不同的节点上，从而提高了集群的并发量的上限。
因为不同路径分别对应了不同的节点，此时某一个节点上资源被过多的占用，例如节点的磁盘的IO资源占用比较多，并不会影响其他的节点的读写。
因为利用多个NameNode来实现功能，此时元数据也不再集中于一个节点上，而是分散到多个节点上，大大的提高了集群的数据量容纳的上限。
在联邦HDFS中，要求所有的NameNode的BlockPoolID必须一致。
