【Hadoop】（三）资源管理器 YARN 和分布式计算框架 MapReduce_云祁框架v4

2401_84186067

于 2024-05-06 17:19:45 发布

阅读量591

点赞数 8

分类专栏：程序员文章标签： hadoop mapreduce 大数据

本文链接：https://blog.csdn.net/2401_84186067/article/details/138501722

版权

程序员专栏收录该内容

112 篇文章 0 订阅

订阅专栏

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

map数量由切片决定的 , reduce 数据由人来决定的
左边矩形 Map Task( 块/block ) , 小矩形 map方法
右边矩形 Reduce Task( 分区/partition ) , 小矩形 Reduce 方法

微观角度
Shuffle阶段数据从Map输出到Reduce输入的过程
在这里插入图片描述

Shuffler<洗牌>：框架内部实现机制(数据分发)
补充: 面试问如何理解shuffle?(在MapReduce环境下)
1.shuffle就是在reduce启动后 ,在map中拉回属于自己的数据的过程(动作角度)
2.如果面试官说不对,就说是从map输出完数据之后, 算出属于的分区号 /reduce开始 ,一直到拉取并计算数据这一整个过程(逻辑角度)
shuffle :动作 :拷贝 ; 逻辑: 数据规划,整理,拉取
分布式计算节点数据流转：连接MapTask与 ReduceTask
Reduce分组和排序强依赖 Map输出的结果: .Reduce没有排序的能力, 只是对map的结果做归并

理解运行原理角色模型：

Map：
读懂数据
映射为KV模型
并行分布式
计算向数据移动: / 移动计算
Reduce：
数据全量/分量加工
Reduce中可以包含不同的key
相同的Key汇聚到一个Reduce中
相同的Key调用一次reduce方法
排序实现key的汇聚
K,V使用自定义数据类型
作为参数传递，节省开发成本，提高程序自由度
Writable序列化：使能分布式程序数据交互
Comparable比较器：实现具体排序（字典序，数值序等）

5. 块、切片、 map 、reduce 、组、分区、输出文件之间的关系

在这里插入图片描述

6. 计算框架

计算框架 Map
在这里插入图片描述
计算框架Reduce

计算框架MR图例演示

二、Hadoop 2.x-MapReduce

Apache Hadoop YARN （Yet Another Resource Negotiator，另一种资源协调者）是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。

1. Hadoop YARN

在这里插入图片描述

2 .Hadoop2 MR在Yarn上运行流程

在这里插入图片描述
1、YARN：解耦资源与计算

ResourceManager /RM
主，核心
集群节点资源管理
NodeManager /NM
向RM汇报资源
管理Container生命周期
计算框架中的角色都以Container表示
Container：【节点NM，CPU,MEM,I/O大小，启动命令】
默认NodeManager启动线程监控Container大小，超出申请资源额度，kill
支持Linux内核的Cgroup

2、MR ：

MR-ApplicationMaster-Container
作业为单位，避免单点故障，负载到不同的节点
创建Task需要和RM申请资源（Container）
Task-Container

3.、Client：

RM-Client：请求资源创建AM
AM-Client：与AM交互

3. YARN

Apache Hadoop YARN （Yet Another Resource Negotiator，另一种资源协调者）是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。
Hadoop 2.0新引入的资源管理系统，直接从MRv1演化而来的。

核心思想：
将MRv1中JobTracker的资源管理和任务调度两个功能分开，分别由ResourceManager和ApplicationMaster进程实现

ResourceManager：
负责整个集群的资源管理和调度

ApplicationMaster：
负责应用程序相关的事务，比如任务调度、任务监控和容错等
YARN的引入，使得多个计算框架可运行在一个集群中 ,每个应用程序对应一个ApplicationMaster
目前多个计算框架可以运行在YARN上，比如MapReduce、Spark、Storm等

三、MapReduce 原理分析

在这里插入图片描述
在MapReduce整个过程可以概括为以下过程：

输入 --> map --> shuffle --> reduce -->输出

流程简介：

通过map task读文件，使用TextInputFormat（）方法一次读入整行文件，输入文件会被切分成多个块，每一块都有一个map task。

补充面试问题：

	 \* block块大小的设置:
     \* HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在Hadoop2.x版本中是128M，老版本中是64M。
     \*
     \* 为什么是128MB:
     \* block块的大小主要取决于磁盘传输速率.
     \* 一般hdfs的寻址时间为10ms左右.
     \* 当寻址时间为传输时间的1%时为最佳状态,因此传输时间大概在1s左右.
     \* 机械硬盘文件顺序读写的速度为100MB/s,普通固态为500MB/s,pcie固态的速度可以达到2000MB/s,因此块的大小可以分别设为128MB,512MB,2048MB.
     \*
     \* block块的大小主要取决于磁盘传输速率.
     \*
     \*
     \* 先将所有的块读出来 判断能否按照计算机生成的块分割（存在部分块的尾端文件没读完就结束） 通过InputSplit的指针 在最后的位置判断有没有读完
     \* 生成逻辑代码块（可能少于或者大于等于128M）

	/\*\*
 \* extends MyMapper<>
 \* 参数：
 \* LongWritable 第几行的行号
 \* Text 每一行读出的数据 因为 string不能改变大小 拼接序列化比较麻烦（比如拼接int） 所以新写入的一个类，底层是StringBuffer
 \* Text 最后输出的每一个 key
 \* IntWritable 输出的每一个key的个数
 \* /
public class WCMapper extends Mapper<LongWritable,Text,Text, IntWritable> {
 private Text out = new Text();
 // 每个单词都传输个数为1
 private IntWritable one = new IntWritable(1);

 @Override
 protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
 /\*\*
 \* 对参数的几个数据的处理与返回方法
 \* value 拿到的每一行的数据 先转成string进行分割
 \*/

        String[] splits = value.toString().split(" ");
        for (String word : splits) {
            // 将分割好的 每个string 再转成 text
            out.set(word);
            // 存储 每一个 key 和 个数
            context.write(out,one);
        }
    }
}

OutPutCollector 将收集到的（k，v）写入到环形缓冲区，然后由缓冲区写到磁盘上。默认的缓冲区大小是100M，溢出的百分比是0.8，也就是说当缓冲区中达到80M的时候就会往磁盘上写。如果map计算完成后的中间结果没有达到80M，最终也是要写到磁盘上的，因为它最终还是要形成文件。

在spill溢出前，会对数据进行分区和排序，即在缓冲区对每个（k，v）键值对hash一个partition值，值相同则在同一个区，同一分区根据key来排序。不同分区在缓冲区根据partition和key值进行排序。

多个溢出的文件再通过merge合并，采用归并排序，合并成一个大的分区且区内有序的溢出文件。

reduce task 根据自己的分区号，到各自的map task节点拷贝相同的partition的数据到reduce task磁盘工作目录，再通过merge归并排序成一个有序的大文件。

public class WCReduce extends Reducer<Text, IntWritable,Text,IntWritable> {
    /\*\*
 \* 参数：
 \* Text ：传输过来的key
 \* IntWritable : 传输过来的个数
 \* Text : 统计的每一个key
 \* IntWritable : 统计好的个数
 \*/

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        /\*\*
 \* Iterable<IntWritable> values 可以理解成按key分好组的数组
 \*/

        int sum = 0;
        for (IntWritable num : values) {
            sum+=num.get();
        }
        context.write(key,new IntWritable(sum));
    }
}


![img](https://img-blog.csdnimg.cn/img_convert/629be033885c90b89c212f124fb53492.png)
![img](https://img-blog.csdnimg.cn/img_convert/38cbb7787a001f94e08845aac850abdd.png)
![img](https://img-blog.csdnimg.cn/img_convert/e5f433be3ae592b11d386e42f8faa071.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**

903)]
[外链图片转存中...(img-6KedzOV4-1714987172904)]

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**

2401_84186067

关注

8
点赞
踩
18

收藏

觉得还不错? 一键收藏
0
评论
【Hadoop】（三）资源管理器 YARN 和分布式计算框架 MapReduce_云祁框架v4

通过map task读文件，使用TextInputFormat（）方法一次读入整行文件，输入文件会被切分成多个块，每一块都有一个map task。
复制链接

扫一扫