YARN 安装3.3.4

# YARN 安装

HDFS 装好以后，下一层就是 YARN。它负责集群资源管理和任务调度，后面的 MapReduce2、Tez、Hive、Flink、Spark 都会用到它。

本次安装有一个很重要的细节：选择 YARN 时，Ambari Plus 会自动把 MapReduce2 纳入依赖。因此现场安装向导会显示 已选服务 2，一次完成 YARN 和 MAPREDUCE2 两个服务。本文先把 YARN 的安装链路讲清楚，MapReduce2 的角色和确认方式单独放到下一篇。

本次角色分配如下：

主机	YARN 角色
`hadoop1.test.com`	`RESOURCEMANAGER`、`NODEMANAGER`、`YARN_CLIENT`
`hadoop2.test.com`	`NODEMANAGER`、`YARN_CLIENT`
`hadoop3.test.com`	`NODEMANAGER`、`YARN_CLIENT`

提示

YARN 安装前请先确认 HDFS 已经运行中。YARN 的 Service Check 会使用 HDFS，如果 HDFS 还没稳定，YARN 页面可能装完了，检查任务却过不去。

# 1. 选择 YARN 服务

进入 服务与组件，点击 新增服务，勾选 YARN。

选择 YARN 服务

页面顶部会提示本次安装同时处理 YARN、MapReduce2。这是正常现象，不需要手动取消 MapReduce2；后续 MapReduce2 的 HistoryServer 和 Client 会在同一个安装向导里落地。

# 2. 分配 Master 角色

Master 分配页里，YARN 的核心角色是 RESOURCEMANAGER：

组件	分配主机
`RESOURCEMANAGER`	`hadoop1.test.com`

分配 YARN Master

我这里把 ResourceManager 放在 hadoop1.test.com。在单 ResourceManager 的演示环境里，这样后面查看 YARN UI、排查队列和看应用状态都比较集中。

同一个页面还会看到 HISTORYSERVER，它属于 MapReduce2。这里先保留默认分配，下一篇再单独讲它。

# 3. 分配 NodeManager 和 Client

Slave 与 Client 分配页里，YARN 需要看两类：

角色	本次分配
`NODEMANAGER`	`hadoop1.test.com`、`hadoop2.test.com`、`hadoop3.test.com`
`YARN_CLIENT`	`hadoop1.test.com`、`hadoop2.test.com`、`hadoop3.test.com`

分配 YARN Slave 和 Client

NodeManager 是实际承接容器运行的节点。教程环境三台都安装 NodeManager，后续跑 MapReduce、Tez、Hive 或 Spark 测试任务时，资源池会更完整。

Client 组件建议三台都装。这样无论在哪台机器上执行 yarn application -list、mapred job -list 这类命令，都不需要临时补客户端包。

# 4. 查看自动推荐配置

进入自定义配置页后，页面显示 待填写 0，说明没有必填项需要额外补充。

YARN 推荐配置

这里可以重点看三类配置：

配置	说明
`yarn.nodemanager.resource.memory-mb`	单台 NodeManager 可提供给容器的总内存。
`yarn.scheduler.minimum-allocation-mb`	单个容器最小内存。
`yarn.scheduler.maximum-allocation-mb`	单个容器最大内存。

演示环境可以先保留推荐值。生产环境建议结合机器内存、HDFS DataNode 内存、Spark/Hive 作业模型重新估算，避免把系统内存全部交给 YARN。

# 5. 确认安装清单

确认页里要看清楚本次新增服务和角色分配：

检查项	本次结果
新增服务	`YARN`、`MAPREDUCE2`
YARN Master	`RESOURCEMANAGER -> hadoop1.test.com`
YARN Slave	`NODEMANAGER -> hadoop1.test.com, hadoop2.test.com, hadoop3.test.com`
YARN Client	三台主机都安装
配置校验	必填项已填写