Hadoop集群运行情况

两个网页查看集群情况

1. master:8088查看mapreduce任务的执行情况。有任务ID，任务运行状态，任务执行程度。
2. localhost:50070查看HDFS目录，查看DataNode信息，集群信息。

文件存储位置

在datanode节点下，在目录/usr/local/hadoop/tmp/dfs/data/current/下可以找到存储的文件

一般一个文件一个块，文件占用小于块容量的时候。9个小文件，9个块。

日志信息

运行文件内容过滤任务。grep。

• 先和ResourceManager建立连接
• 读取9个块
• 9个切片，几个切片几个map任务
• 确定jobID，并向YARN发送jobID
• 查询job，通过master:8088
• 执行mapreduce任务
• 显示map进度，reduce进度

出现map没跑到100%，就有reduce跑的情况

这里是有一个阈值，当map任务完成到阈值，就会启动reduce任务。当一个map运行结束时，reduce就会从jobtracker中获得该信息（map运行结束，tasktracker会得到消息，把消息发送给jobtracker）。reduce获取信息后，就开始工作。

mapreduce.job.reduce.slowstart.completedmaps
//当maptask完成的比例达到该值后，才会为reducetask申请资源，不然会出现资源给reducetask申请了，map没资源可用
yarn.app.mapreduce.am.job.reduce.rampup.limit
//在maptask完成前，最多启动的reducetask
yarn.app.mapreduce.am.job.reduce.preemption.limit
//maptask需要资源但无法获取资源时，可以抢占reduce资源的比例

完成job任务后，会显示各个参数信息

File System Counters

读取的字节数
写入的字节数

Job Counters

死去的map数
开启的map数
开启的reduce数

Map-Reduc Framework

map 输入的记录数，几行
map 输出的记录数
combine 输入的行数
combine 输出的行数
reduce 输入组数
reduce 输入的行数
reduce 输出行数

grep

• 对9个文件，9个块，分成9个map输入。
  过滤含dfs[a-z.]+开头的行记录。
• 将含dfs[a-z.]+的行记录输出到本地磁盘，共有5个。
• 再由一个mapreduce任务，把5个记录汇集到同一个文件。可能有些记录在slave1，有些在slave2。
• 把最后任务结果上传到datanode