yarn

1.1           yarn（分布式资源管理器）

1.1.1     yarn是什么？

yarn是MapReduce第二代，将jobtracker重构呈功能分离成单独的组件。Yarn可以看作一个集群操作系统，他为应用程序提供了基本的服务来更好的利用大的、动态的、并行的基础设施资源。用任何语言编写的应用程序都能顺利用任意规模的Hadoop集群的计算和存储资源。

yarn是一种分层的集群架构，分层的本质是resourcemanager—RM。

1. 控制整个集群并管理应用程序向基础计算资源分配；
2. 将各资源（计算、内存、宽带等）进行安排给基础nodemanager（yarn的媒节点代理）

1.1.2     yarn主要架构

yarn由三个组件组成：ResourceManager（RM）、Applications Manager—ASM、NodeManager（NM）。

1.1.2.1               ResourceManager

ResourceManager（RM）是一个全局的资源管理器，负责整个系统的资源管理和分配，简称RM。

RM构成：

1. Scheduler--调度器：根据容量、队列等限制条件（如每个队列分配一定的资源，最多执行一定数量的作业等），将系统中的资源分配给各个正在运行的应用程序，该调度器是一个可插拔的组件，用户可根据自己的需要设计新的调度器。
2. Applications Manager--ASM 应用程序管理器：负责管理整个系统中所有应用程序，包括应用程序提交、与调度器协商资源以启动ApplicationMaster、监控ApplicationMaster运行状态并在失败时重新启动它等。

1.1.2.2               ApplicationMaster

ApplicationMaster是应用程序管理器，简称AM。

       AM是每个用户作业的主进程，负责管理作业生命周期，包括动态的增加或减少资源使用（container）、管理执行流程（map任务和reduce任务），处理故障和计算偏差以及执行其他的本地优化。

AM的功能

1.                  i.            与RM调度器协商以获取资源--用Container表示；
2.                ii.            将得到的任务进一步分配给内部的任务(资源的二次分配)；
3.              iii.            与NM通信以执行和监控任务；
4.               iv.            监控所有任务运行状态，并在任务运行失败时重新为任务申请资源以重启任务。

1.1.2.3               NodeManager（NM）

NM是hadoop每个节点上的资源和任务管理器，一方面，它会定时地向RM汇报本节点上的资源使用情况和各个Container的运行状态；另一方面，它接收并处理来自AM的Container启动/停止等各种请求。

1.1.2.4               Container

Container（容器）是YARN中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等，当AM向RM申请资源时，YARN会为每个任务分配一个Container，且该任务只能使用该Container中描述的资源。

单个节点上可以有多个Container。系统中的每个节点可以认为是有内存和CPU的最小容量的多个

Container组成。AM可以请求任何Container来占据最小容量的整数倍的资源。

注释：Container是绑定到特定集群节点的一组资源逻辑组合，可以理解为一个容器。

1.1.3     RM与NM的关系

RM与NM通过心跳通信，RM与每个节点上的NM进程交互。NM负责本地资源的监控，故障报告以及container生命周期的管理（如启动和杀死作业）。RM依赖NM来维护集群的全局视图。

在启动时，NM向RM注册，然后发送包含自身状态的心跳，并等待来自RM的指令。NM的主要目标是管理RM分配给他的应用Container。

1.1.4     Yarn的作业流程

AM与RM、NM是通过可扩展网络协议进行通信的，AM向RM发出资源请求（包括本地化偏好—HDFS的使用、container属性等），当一个资源被调度给一个AM时，RM为该资源生成一个租约，供AM通过心跳获取。Container通过特定协议与AM通信来报告状态和健康信息以及接受框架特定的指令。如下图所示yarn的作业流程

客户端提交作业申请

1. 客户端向ResourceManager（后续简称RM）提交作业申请。
2. RM根据申请内容返回相关的信息（例如根据input的路径，返回对应的文件元数据，还有作业资源的提交路径）。
3. 客户端根据RM返回的信息生成资源文件（job.split、job.xml、app.jar）并将资源文件提交至提交路径（一般存放在hdfs上）
4. 资源文件提交完毕，向RM申请运行applicationMaster（后续简称AM）。

2）RM处理用户请求

RM将用户的请求打包为task，放置调度队列，根据当前yarn的调度模式进行调度（YARN提供的三种任务调度策略：FIFO Scheduler，Capacity Scheduler 和 Fair Scheduler）。

3）NodeManager从队列中获取task。

创建contianer容器启动AM和下载资源文件。

4）AM向RM申请运行mapTask容器，RM将请求再打包为task放置调度队列。

其它NM获取到task后会再创建contianer容器并下载资源文件，contianer中的mapTask任务由AM负责监控和调度。

5）AM向maptask发送程序启动命令。

6）contianer运行mapTask

7）当各节点mapTask运行完毕后，AM重复4的步骤（这次申请运行reduceTask）。

程序运行完成后，AM向RM注销自己。

Hadoop1与Hadoop yarn的区别