MapReduce+yarn

分布式计算框架MapReduce（离线批处理）

特点：

　　易于编程

　　良好的扩展性

　　高容错性

　　海量数据的离线处理

不擅长场景

实时计算、流式计算、DAG计算

YARN架构

1 RM(ResourceManager) + N NM(NodeManager)

ResourceManager的职责：一个集群active状态的RM只有一个，负责整个集群（分布式）的资源管理和调度

1）处理客户端的请求（启动/杀死）

2）启动/监控ApplicationMaster（一个作业对应一个AM）

3）监控NM

4）系统的资源分配和调度

NodeManager的职责：整个集群中有N个，负责单个节点的资源管理和使用以及task的运行情况

1）定期向RM汇报本节点的资源使用请求和各个Container的运行状态

2）接收并处理RM的Container启停的各种命令

3）单个节点的资源管理和任务管理

ApplicationMaster：每个应用/作业对应一个，负责应用程序的管理

1）数据切分

2）为应用程序向RM申请资源（container），并分配给内部任务

3）与RM通信以启停task，task是运行在container中的

4）task的监控和容错

Container：

对任务运行情况的描述：cpu、memory、环境变量

YARN执行流程

1）用户向YARN提交作业

2）RM为该作业分配第一个container（AM）

3）RM会与对应的NM通信，要求NM在这个container上启动应用程序的AM

4）AM首先向RM注册，然后AM将为各个任务申请资源，并监控运行情况

5）AM采用轮询的方式通过RPC协议向RM申请和领取资源

6）AM申请到资源后，便和相应的NM通信，要求NM启动任务

7）NM启动我们作业对应的task

yarn环境搭建

mapred-site.xml

yarn-site.xml

启动yarn：sbin/start-yarn.sh

验证是否启动成功

jps

web:hadoop001(localhost):8088

停止yarn：sbin/stop-yarn.sh

提交mr作业到yarn上运行：wc

hadoop jar