Hadoop的jobhistoryserver配置

简介

本文介绍hadoop的jobhistoryserver如何进行配置.在MRv2中我们要出查看job的log信息，需要启动jobhistory服务.

配置

jobhistory的配置信息在$HADOOP_HOME/etc/hadoop/mapred-site.xml中进行配置.
我们在该文件下加入如下信息:

<property><name>mapreduce.jobhistory.address</name><value>master:10020</value><description>MapReduce JobHistory Server IPC host:port</description></property><property><name>mapreduce.jobhistory.webapp.address</name><value>master:19888</value><description>MapReduce JobHistory Server Web UI host:port</description></property>

当我们启动jobhistoryserver服务之后，在我们的hdfs上的/tmp/hadoop-yarn/staging/history路径下会生成两个文件夹:done和done_intermediate,done文件夹下存放已经完成的job,done_intermediate文件夹下存放正在进行的job信息.

启动jobhistoryserver

启动jobhistoryserver需要在sbin目录下执行如下指令:

mr-jobhistory-daemon.sh start historyserver

然后我们执行jps,发现已经多出了JobHistoryServer这么一个进程.
同理，关闭jobhistoryserver指令如下：

mr-jobhistory-daemon.sh start historyserver

查看log

如上我们配置的jobhistoryserver的webUI的地址为19888,我们可以去web上查看我们的job执行情况以及log信息.

选择某个job之后可以去查看log信息
.想要实现这个功能，需要配置yarn的log aggregation功能.

日志聚集

日志聚集是YARN提供的日志中央化管理功能，它能将运行完成的Container/任务日志上传到HDFS上，从而减轻NodeManager负载，且提供一个中央化存储和分析机制。默认情况下，Container/任务日志存在在各个NodeManager上，如果启用日志聚集功能需要额外的配置。

• yarn.log-aggregation-enable

参数解释：是否启用日志聚集功能。

默认值：false

• yarn.log-aggregation.retain-seconds

参数解释：在HDFS上聚集的日志最多保存多长时间。

默认值：-1

• yarn.log-aggregation.retain-check-interval-seconds

参数解释：多长时间检查一次日志，并将满足条件的删除，如果是0或者负数，则为上yarn.log-aggregation.retain-seconds值的1/10。

默认值：-1

• yarn.nodemanager.remote-app-log-dir

参数解释：当应用程序运行结束后，日志被转移到的HDFS目录（启用日志聚集功能时有效）

默认值：/tmp/logs

• yarn.nodemanager.remote-app-log-dir-suffix

参数解释：远程日志目录子目录名称（启用日志聚集功能时有效）。

默认值：日志将被转移到目录yarn.nodemanager.remote−app−log−dir/{user}/${thisParam}下

• yarn.nodemanager.log.retain-seconds

可如此设置<

name>yarn.log-aggregation.retain-seconds</name><value>864000</value>

参数解释：log-aggregation为disabled时日志保存多长时间。
- yarn.nodemanager.log-dirs

可如此设置

<name>yarn.nodemanager.log-dirs</name><value>/export/servers/hadoop2.6.0/yarn_logs</value>

参数解释：yarn node 运行时日志存放地址，记录container日志，并非nodemanager日志存放地址

注意默认的resourcemanager和nodemanager的log存在地址为：
- ResourceManager日志存放位置是Hadoop安装目录下的logs目录下的yarn--resourcemanager-.log
- NodeManager日志存放位置是各个NodeManager节点上hadoop安装目录下的logs目录下的yarn--nodemanager-.log