Índice:

Como você mata um trabalho MapReduce?
Como você mata um trabalho MapReduce?

Vídeo: Como você mata um trabalho MapReduce?

Vídeo: Como você mata um trabalho MapReduce?
Vídeo: Entenda de uma vez por todas o que é MapReduce - O que é Hadoop? (Parte 3) 2024, Abril
Anonim

trabalho hadoop - matar job_id and yarn application - matar application_id ambos os comandos são usados para matar uma trabalho correndo em Hadoop . Se você estiver usando MapReduce Versão 1 (MR V1) e você deseja matar uma trabalho correndo em Hadoop , então você pode usar trabalho hadoop - matar job_id para matar uma trabalho e vai matar tudo empregos (em execução e na fila).

Com relação a isso, como você mata um trabalho de fio?

Para Matar uma trabalho , na linha de comando, execute cURL para apontar para o servidor HDInsight e a id do aplicativo e PUT para alterar o estado para MORTO , efetivamente matando a Trabalho de fio . Nota: para caracteres especiais, descobri que poderia usar um caractere de escape antes do caractere especial na senha.

Além disso, como você mata um trabalho de faísca? Para interromper a execução do aplicativo Spark:

  1. copie e cole o ID do aplicativo do agendador do Spark, por exemplo, application_1428487296152_25597.
  2. conecte-se ao servidor que deve iniciar o trabalho.
  3. yarn application -kill application_1428487296152_25597.

Portanto, como você mata um trabalho de colmeia?

Mate o Jobid com uma das opções abaixo

  1. Selecione o Jobid em Running Jobs e clique no botão Kill Selected Jobs.
  2. Clique no link Jobid, role para baixo e clique no link Kill this job.

Como o Hadoop verifica trabalhos de longa duração?

Aqui estão as etapas:

  1. Faça login no Ambari.
  2. Clique em YARN (em Serviços)
  3. Clique em Links rápidos.
  4. Clique na UI do gerenciador de recursos.
  5. Por padrão, você verá uma lista de todos os trabalhos enviados.
  6. Clique em "Jobs -> Running" no menu do lado esquerdo. Ele irá mostrar a você todos os trabalhos que estão sendo executados atualmente.
  7. Em seguida, clique em classificar por StartTime.

Recomendado: