本篇内容介绍了“Hadoop的ResourceManager怎么恢复”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
公司主营业务：成都网站制作、成都网站建设、移动网站开发等业务。帮助企业客户真正实现互联网宣传，提高企业的竞争能力。成都创新互联公司是一支青春激扬、勤奋敬业、活力青春激扬、勤奋敬业、活力澎湃、和谐高效的团队。公司秉承以“开放、自由、严谨、自律”为核心的企业文化，感谢他们对我们的高要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。成都创新互联公司推出耀州免费做网站回馈大家。
当ResourceManager 挂掉重启后，为了使之前的任务能够继续执行，而不是重新执行。势必需要yarn记录应用运行过程的状态。
运行状态可以存储在
ZooKeeper
FileSystem 比如hdfs
LevelDB
使用zookeeper做为状态存储的典型配置为
Enable RM to recover state after starting. If true, then yarn.resourcemanager.store.class must be specified yarn.resourcemanager.recovery.enabled true The class to use as the persistent store. yarn.resourcemanager.store.class org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore Comma separated list of Host:Port pairs. Each corresponds to a ZooKeeper server (e.g. "127.0.0.1:3000,127.0.0.1:3001,127.0.0.1:3002") to be used by the RM for storing RM state. This must be supplied when using org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore as the value for yarn.resourcemanager.store.class hadoop.zk.address 127.0.0.1:2181
基于zookeeper实现active 和standby 的多个ResourceManager之间的自动故障切换。 active Resource Manager只能有一个，而standby 可以有多个
为了防止故障自动转移时的脑裂，推荐上面的ResourceManager recovery 状态存储使用也使用zk。 同时关闭zk的zookeeper.DigestAuthenticationProvider.superDigest配置，避免zk的管理员访问到YARN application/user credential information
一个demo配置如下
yarn.resourcemanager.ha.enabled true yarn.resourcemanager.cluster-id cluster1 yarn.resourcemanager.ha.rm-ids rm1,rm2 yarn.resourcemanager.hostname.rm1 master1 yarn.resourcemanager.hostname.rm2 master2 yarn.resourcemanager.webapp.address.rm1 master1:8088 yarn.resourcemanager.webapp.address.rm2 master2:8088 hadoop.zk.address zk1:2181,zk2:2181,zk3:2181
文档：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/ResourceManagerHA.html
基于Label，将一个Yarn管理的集群，划分为多个分区。不同的queue可以使用不同的分区。
文档：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/NodeLabel.html
对Node Manager定义一组属性值，使得应用程序能够基于这些属性值，来选择Node Mananger， 并将其应用的container部署到上面
文档：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/NodeAttributes.html
集群中运行应用的application master 需要提供一些web ui给ResourceManager， 以便其统一管理。但集群中可能有恶意应用，提供了具有安全风险的web ui. 为了降低安全风险，yarn 使用一个名为Web Application Proxy的应用。拥有接管Application Master提供给的web ui链接，将请求中的cookies 进行剥离，同时将不安全的链接标记出来。
默认情况下Web Application Proxy 是作为Resource Manager的一部分启动。不需要单独配置。如果要单独部署，需要额外配置。 文档：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/WebApplicationProxy.html
能够存储和查询当前、历史的应用执行信息。TimeLine Server中的存储数据结构为
timeline Domain 对应一个用户的应用列表
Time Entity 定义一个应用
Timeline Events定义该应用的执行事件，比如应用启动，应用执行，应用结束等
Timeline Server分为V1和V2版本，V1版本将数据存储在levelDb中，v2版将数据存储在hbase中
文档：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/TimelineServer.html
https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/WritingYarnApplications.html
yarn为了保证应用的运行安全，有一系列的机制先限制应用的权限之类的
文档：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/YarnApplicationSecurity.html
前面说了ResourceMananger 需要重启后，能从原地继续执行任务。Node Mananger在挂掉重启后，也需要有相应的恢复特性。 其具体的配置，参见文档。
文档：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/NodeManager.html
Node Mananger的健康检查服务，其提供两种健康检查器
Disk Checker 检查node manager的磁盘健康状况，并基于此上报给Resource Manager
External Health Script 管理员可以指定一些自定义的健康检查脚本，供Node Manager的 Health Checker Service调用
yarn使用linux的CGroups实现资源隔离和控制，相关配置见文档： https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/NodeManagerCgroups.html
将各应用container 限制在提交他的用户权限下，不同用户提交的应用container 不能访问彼此的文件、文件夹。具体配置 文档：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/SecureContainer.html
有两种方式：
normal 直接把要移除的节点从集群中摘除
Gracefully 等待节点上的任务执行完毕后摘除 文档：https://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/GracefulDecommission.html
yarn一般只在对应的Node manager有资源时，才会将一个任务对应的container 分配到该NM. 但开启Opportunistic Containers后，即便对应的node manager没有资源，也会将contaienr 分配到NM，等到NM空闲时，马上开始执行，是为机会主义者。这在一定程度能提高集群的资源利用率。 文档：
部署用户。按照Hadoop官方的建议。yarn相关组件，使用yarn用来管理 
启动RM
$HADOOP_HOME/bin/yarn --daemon start resourcemanager
启动NM
$HADOOP_HOME/bin/yarn --daemon start nodemanager
启动proxyServer
$HADOOP_HOME/bin/yarn --daemon start proxyserver
切换到mapred用户下，启动historyserver
$HADOOP_HOME/bin/mapred --daemon start historyserver
yarn本身由多个组件组成，且有些组件还有多个节点，比如nodemanager，一次启动去到多个机器上执行是件很繁琐的事情。hadoop发型包，提供了sbin/start-yarn.sh 和 sbin/stop-yarn.sh两个脚本去启停yarn相关的所有组件：比如nodemanager、resourcemanager、proxyserver 。
他实现的原理是，基于hadoop安装包中的/opt/hadoop-3.2.1/etc/hadoop/workers文件，去登录到相应的机器，完成组件的执行。workers中定义了所有datanode的机器host。 登录方式是基于SSH的免密登录方式，具体配置参见：https://www.cnblogs.com/niceshot/p/13019823.html
如果发起脚本执行的机器，本身也需要部署一个nodemanager。那么他需要配置自己对自己的SSH免密登录
通yarn-site.xml ， 脚本已经可以知道resource manager的组件机器。所以workers文件中，只需要设置所有的node manager的机器host
一般yarn的node manager会跟hdfs的 datanode部署在一起，所以hdfs的批量启停，也是用的这个workers文件。
但上面说的$HADOOP_HOME/bin/mapred --daemon start historyserver不属于，只属于mapreduce，所以还是要单独启停，通过yarn的相关脚本是不能管理它的。之所以将这个historyserver放到yarn的文档中来写，是为了偷懒，没单独搞一个mr的wend
在yarn的管理界面，发现提交的sql，执行有以下错误
yarn错误 错误: 找不到或无法加载主类 org.apache.hadoop.mapreduce.v2.app.MRAppMaster
问题原因是，yarn的类路径有问题。通过hadoop官方的yarn-default.xml文件得知，yarn加载的类路径配置yarn.application.classpath的默认值为
$HADOOP_CONF_DIR, $HADOOP_COMMON_HOME/share/hadoop/common/*, $HADOOP_COMMON_HOME/share/hadoop/common/lib/*, $HADOOP_HDFS_HOME/share/hadoop/hdfs/*, $HADOOP_HDFS_HOME/share/hadoop/hdfs/lib/*, $HADOOP_YARN_HOME/share/hadoop/yarn/*, $HADOOP_YARN_HOME/share/hadoop/yarn/lib/* For Windows: %HADOOP_CONF_DIR%, %HADOOP_COMMON_HOME%/share/hadoop/common/*, %HADOOP_COMMON_HOME%/share/hadoop/common/lib/*, %HADOOP_HDFS_HOME%/share/hadoop/hdfs/*, %HADOOP_HDFS_HOME%/share/hadoop/hdfs/lib/*, %HADOOP_YARN_HOME%/share/hadoop/yarn/*, %HADOOP_YARN_HOME%/share/hadoop/yarn/lib/*
路径中的许多环境变量都没有配置。解决办法有2
将对应的环境变量配置上，以使yarn的默认配置能够正常加载上。推荐这种
使用hadoop classpath命令，看下hadoop使用的类路径都有哪些，将其拷贝出来，在yarn-site.xml中配置，举例
org.apache.hadoop.yarn.exceptions.InvalidAuxServiceException: The auxService:mapreduce_shuffle does not exist at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method) at
原因，这是因为mr使用了mapreduce_shuffle辅助服务，但yarn没有配置。 解决办法，同样是修改yarn-site.xml，在其中加入以下配置
yarn.nodemanager.aux-services mapreduce_shuffle yarn.nodemanager.aux-services.mapreduce_shuffle.class org.apache.hadoop.mapred.ShuffleHandler
ontainer [pid=26153,containerID=container_e42_1594730232763_0121_02_000006] is running 598260224B beyond the 'VIRTUAL' memory limit. Current usage: 297.5 MB of 1 GB physical memory used; 2.7 GB of 2.1 GB virtual memory used. Killing container. Dump of the process-tree for container_e42_1594730232763_0121_02_000006 : |- PID PPID PGRPID SESSID CMD_NAME USER_MODE_TIME(MILLIS) SYSTEM_TIME(MILLIS) VMEM_USAGE(BYTES) RSSMEM_USAGE(PAGES) FULL_CMD_LINE
错误的意思是，yarn分配给container的虚拟内存，超过了限制。原因是，一个container使用的内存，除了物理内存，还可以使用操作系统的虚拟内存，也即硬盘。
container分为两种类型，map 和reduce。 决定map的container的物理内存大小为mapreduce.map.memory.mb 决定reduce的物理内存为mapreduce.reduce.memory.mb 决定map container所能申请的虚拟内存大小的公式是：mapreduce.map.memory.mb * yarn.nodemanager.vmem-pmem-ratio 决定reduce container所能申请的虚拟内存带下是公式是：mapreduce.reduce.memory.mb * yarn.nodemanager.vmem-pmem-ratio。
所以要解决虚拟内存超限有两个办法：
增大container的物理内存大小。即增大mapreduce.map.memory.mb 或 mapreduce.reduce.memory.mb
增大虚拟内存申请的比率yarn.nodemanager.vmem-pmem-ratio
“Hadoop的ResourceManager怎么恢复”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！
