hadoop 怎么看 是否有yarn

Hadoop如何判断是否有YARN

Hadoop是一个开源的分布式计算平台，用于处理大规模数据。YARN（Yet Another Resource Negotiator）是Hadoop的一个资源管理系统，用于协调集群中的计算资源。在Hadoop中，可以通过一些方法来判断是否有YARN，并进行相关操作。

检查是否安装YARN

首先，我们需要检查Hadoop集群中是否已经安装了YARN。可以通过以下命令检查Hadoop版本：

hadoop version

如果输出中包含类似以下内容，则表示已经安装了YARN：

Hadoop 3.2.x
Subversion  -r 12345678
Compiled by user username on 2020-01-01T00:00Z
Compiled with protoc 3.8.0

检查是否启用YARN

即使安装了YARN，也需要检查Hadoop集群是否启用了YARN。可以通过以下命令检查Hadoop配置文件中是否启用了YARN：

cat $HADOOP_HOME/etc/hadoop/mapred-site.xml | grep yarn

如果输出中包含以下内容，则表示已经启用了YARN：

<property>
  <name>mapreduce.framework.name</name>
  <value>yarn</value>
</property>

使用YARN提交作业

如果YARN已经安装且启用，可以使用YARN来提交作业。以下是一个使用Java编写的WordCount示例程序，可以提交到YARN上运行：

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCount {
  public static class TokenizerMapper
       extends Mapper<Object, Text, Text, IntWritable>{

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }

  public static class IntSumReducer
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values,
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

以上示例是使用MapReduce模型编写的WordCount程序。在使用YARN提交作业时，需要将程序打包成jar，并使用以下命令提交作业：

hadoop jar wordcount.jar WordCount input output

其中，wordcount.jar是打包好的程序，WordCount是程序的入口类，input是输入文件路径，output是输出文件路径。

类图

下面是一个简化的Hadoop中与YARN相关的类图：

classDiagram
    class Hadoop {
        +version: String
        +checkYarn(): boolean
        +submitJob(job: Job): void
    }

在类图中，Hadoop类具有版本和一些方法，包括检查YARN是否存在和提交作业。

关系图

下面是一个简化的Hadoop中与YARN相关的关系图：

erDiagram
    Hadoop ||..|| YARN: has
    Hadoop ||..|| MapReduce: uses
    Hadoop ||..|> FileSystem: uses

在关系图中，Hadoop与YARN之间存在关系，