【Hadoop】（三）资源管理器 YARN 和分布式计算框架 MapReduce_云祁框架v4(2)

2401_84615578

于 2024-05-10 21:53:46 发布

阅读量628

点赞数 20

分类专栏：程序员文章标签：大数据面试学习

本文链接：https://blog.csdn.net/2401_84615578/article/details/138683440

版权

程序员专栏收录该内容

51 篇文章 0 订阅

订阅专栏

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

前言

Hadoop MapReduce / MR 是一个软件计算框架，可以轻松地编写应用程序，以可靠，容错的方式并行处理大型硬件集群（数千个节点）上的大量数据（多达TB数据集）。

一、MapReduce 介绍

1. 基本介绍

MapReduce框架由一个主资源管理器，一个集群节点一个工作器NodeManager和每个应用程序MRAppMaster组成（请参阅YARN体系结构指南）。应用程序通过适当的接口和/或抽象类的实现来指定输入/输出位置和供应图，并减少功能。这些以及其他作业参数构成作业配置。然后，Hadoop 作业客户端将作业（jar /可执行文件等）和配置提交给ResourceManager，然后由ResourceManager负责将软件/配置分发给工作人员，安排任务并对其进行监视，为工作提供状态和诊断信息，客户。

计算节点和存储节点是相同的，也就是说，MapReduce框架和Hadoop分布式文件系统（HDFS）在同一组节点上运行。此配置使框架可以在已经存在数据的节点上有效地调度任务，从而在整个群集中产生很高的聚合带宽。

尽管Hadoop框架是用Java实现的，但MapReduce应用程序不必用Java编写。
Hadoop Streaming是一个实用程序，它允许用户使用任何可执行程序（例如Shell实用程序）作为映射器和/或reducer创建和运行作业。

2. MR 数据流程方向

输入(格式化k,v)数据集 -> map映射成一个中间数据集(k,v) -> reduce

3. MR 核心思想

相同的key为一组，调用一次reduce方法，方法内迭代这一组数据, 进行计算(sum count max min)

4. MR运行原理

宏观角度
InputSplit（输入分片）
在这里插入图片描述
MapReduce 作业通常将输入数据集拆分为独立的块，这些任务由Map Task以完全并行的方式进行处理。框架对map的输出进行排序，然后将其输入到reduce任务。通常，作业的输入和输出都存储在文件系统中。该框架负责安排任务，监视任务并重新执行失败的任务。

注意 :
一个切片对应一个Map
切片以一条记录为单位调用一次Map
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> {


![img](https://img-blog.csdnimg.cn/img_convert/ff183b54faa0ba755449eea68c604a5f.png)
![img](https://img-blog.csdnimg.cn/img_convert/c732ed06f07127c58ab5acc934a13d1a.png)

**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](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**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！**

**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](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**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！**

2401_84615578

关注

20
点赞
踩
30

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(2)

Hadoop MapReduce / MR 是一个软件计算框架，可以轻松地编写应用程序，以可靠，容错的方式并行处理大型硬件集群（数千个节点）上的大量数据（多达TB数据集）。MapReduce框架由一个主资源管理器，一个集群节点一个工作器NodeManager和每个应用程序MRAppMaster组成（请参阅YARN体系结构指南）。应用程序通过适当的接口和/或抽象类的实现来指定输入/输出位置和供应图，并减少功能。这些以及其他作业参数构成作业配置。
复制链接

扫一扫