1大数据解决的问题？
海量数据的存储：hadoop->分布式文件系统HDFS
海量数据的计算：hadoop->分布式计算框架MapReduce
2什么是MapReduce?
分布式程序的编程框架，java->ssh ssm ，目的：简化开发！
是基于hadoop的数据分析应用的核心框架。
mapreduce的功能：将用户编写的业务逻辑代码和自带默认组件整合成一个完整的
分布式运算程序，并发的运行在hadoop集群上。
3 MapReduce的优缺点
优点：
（1）易于编程
（2）良好的拓展性
（3）高容错性
（4）适合处理PB级别以上的离线处理
缺点：
（1）不擅长做实时计算
（2）不擅长做流式计算（mr的数据源是静态的）
（3）不支持DAG（有向图）计算（spark）
MapReduce核心编程思想图：
4自动化调度平台yarn(mr程序的运行平台)
mr程序应该在多台机器上运行启动，而且要先执行maptask，等待每个maptask都处理完成后
还要启动很多个reducetask，这个过程要用户手动调用任务不太现实，
需要一个自动化的任务调度平台->hadoop当中2.x中提供了一个分布式调度平台-YARN
Yarn任务提交流程图
5搭建yarn集群
（1）修改配置文件 yarn-site.xml
<property>
<name>yarn.resourcemanager.hostname</name>
<value>bigdata11</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
（2）然后复制到每台机器 $PWD 当前目录
scp yarn-site.xml [email protected]:$PWD
scp yarn-site.xml [email protected]:$PWD
（3）修改slaves文件（之前配置了就不用再配了）
然后在bigdata11上，修改hadoop的slaves文件，列入要启动nodemanager的机器
然后将bigdata11到所有机器的免密登陆配置好
（4）脚本启动yarn集群：
启动：
sbin/start-yarn.sh
停止：
sbin/stop-yarn.sh
（5）访问web端口
启动完成后，可以在windows上用浏览器访问resourcemanager的web端口：
http://bigdata11:8088
原文地址：https://www.cnblogs.com/hidamowang/p/10801337.html