Hadoop组件之间的关系
![](https://i-blog.csdnimg.cn/blog_migrate/2a5a253b087d97fd860c1f2ad380ef74.png)
Yarn的介绍
1、Yarn是Hadoop2.x版本引入的一个新组件
2、Yarn本身没有资源,是来管理集群资源,为分布式计算提供合理的资源分配方案
3、Yarn可以让集群的资源能够统一,高效率给分配
4、Yarn本身也是一个集群:
主节点:ResourceManager
从节点:NodeManager
Yarn的集群架构
角色
一、client:
1、作用就是提交任务
2、既可以提交MapReduce任务,也可以提交Spark任务
二、ResourceManager
1、ResourceManager负责整个集群的资源管理和分配,是一个全局的资源管理系统。
2、NodeManager以心跳的方式向ResourceManager汇报资源使用情况(目前主要是CPU和内存的使用情况)。
3、ResourceManager会根据任务的请求为其分配资源,但是不负责具体任务的监控、追踪、运行状态等工作。
任务的状态由App Master进程来监控
三、NodeManager
1、NodeManager是每个节点上的资源和任务管理器,它来监控每台机器的资源使用情况
2、NodeManager定时向ResourceManager汇报本节点资源(CPU、内存)的使用情况和Container的运行状态。
3、NodeManager接收并处理来自ApplicationMaster的Container启动、停止等各种请求。
四、Container
0、该组件只有在执行任务的时候才会启动,jps是看不到的
1、Container是一个资源容器
2、Container可以理解为一个类,用来封装资源信息,相当于批条或者银票
class Container{
int 内存;
int cpu核数;
String host;
}
-- 批条或者银票
ArrayList
{
new Container(1G, 2核cpu,node1);
new Container(1G, 2核cpu,node2);
new Container(1G,1核cpu,node3);
}
五、ApplicationMaster ( App Master)
1、该组件只有在执行任务时,才会启动
2、客户端每提交一个任务,Yarn会自动的启动一个App Master
3、App Master就相当于一个任务的监工,或者包工头,负责整个Job任务执行状态的监控
Yarn执行任务的流程
![](https://i-blog.csdnimg.cn/blog_migrate/64b97be7cec79f6d9a098b3ef4052fec.png)
Yarn的调度策略
队列调度器(FIFO Scheduler)
1、特点:哪个任务先来,先分配其所有需要的资源
2、缺点是大的应用可能会占用所有集群资源,这就导致其它应用被阻塞。
3、该调度方式基本不用
容量调度器(Capacity Scheduler) -Apache默认的调度策略
1、该调度器会将整个集群资源分成几个队列
2、不同的开发组只需要使用自己的资源队列即可,可以实现资源隔离
3、这个调度器是Hadoop默认的调度器
4、容量调度器默认有一个root根队列,下边有一个default子队列
5、调度器的使用是通过yarn-site.xml配置文件中的
yarn.resourcemanager.scheduler.class参数进行配置的,默认采用Capacity Scheduler调度器。
<property>
<name>yarn.resourcemanager.scheduler.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacitySchedulere>
</property>
6、我们可以通过定义队列来实现资源隔离
资源隔离
<没有default队列>
<?xml version="1.0"?>
<configuration>
<!-- 分为两个队列,分别为prod和dev -->
<property>
<name>yarn.scheduler.capacity.root.queues</name>
<value>prod,dev</value>
</property>
<!-- 设置prod队列40% -->
<property>
<name>yarn.scheduler.capacity.root.prod.capacity</name>
<value>40</value>
</property>
<!-- 设置dev队列60% -->
<property>
<name>yarn.scheduler.capacity.root.dev.capacity</name>
<value>60</value>
</property>
<!-- 设置dev队列可使用的资源上限为75% -->
<property>
<name>yarn.scheduler.capacity.root.dev.maximum-capacity</name>
<value>75</value>
</property>
<!-- dev继续分为两个队列,分别为eng和science -->
<property>
<name>yarn.scheduler.capacity.root.dev.queues</name>
<value>eng,science</value>
</property>
<!-- 设置eng队列50% -->
<property>
<name>yarn.scheduler.capacity.root.dev.eng.capacity</name>
<value>50</value>
</property>
<!-- 设置science队列50% -->
<property>
<name>yarn.scheduler.capacity.root.dev.science.capacity</name>
<value>50</value>
</property>
</configuration>
====================================================================
<有Default队列>
<?xml version="1.0"?>
<configuration>
<!-- 分为两个队列,分别为prod和dev -->
<property>
<name>yarn.scheduler.capacity.root.queues</name>
<value>default,prod,dev</value>
</property>
<!-- 设置default队列80% -->
<property>
<name>yarn.scheduler.capacity.root.default.capacity</name>
<value>80</value>
</property>
<!-- 设置prod队列10% -->
<property>
<name>yarn.scheduler.capacity.root.prod.capacity</name>
<value>10</value>
</property>
<!-- 设置prod队列可使用的资源上限为80% -->
<property>
<name>yarn.scheduler.capacity.root.prod.maximum-capacity</name>
<value>80</value>
</property>
<!-- 设置dev队列10% -->
<property>
<name>yarn.scheduler.capacity.root.dev.capacity</name>
<value>10</value>
</property>
<!-- 设置dev队列可使用的资源上限为75% -->
<property>
<name>yarn.scheduler.capacity.root.dev.maximum-capacity</name>
<value>75</value>
</property>
<!-- dev继续分为两个队列,分别为eng和science -->
<property>
<name>yarn.scheduler.capacity.root.dev.queues</name>
<value>eng,science</value>
</property>
<!-- 设置eng队列50% -->
<property>
<name>yarn.scheduler.capacity.root.dev.eng.capacity</name>
<value>50</value>
</property>
<!-- 设置science队列50% -->
<property>
<name>yarn.scheduler.capacity.root.dev.science.capacity</name>
<value>50</value>
</property>
</configuration>
配置为需要重启yarn:
stop-yarn.sh
start-yarn.sh
公平调度器(Fair Scheduler)
该调度器会将整个资源平均分配给job,所有执行的Job一视同仁
Yarn的关键参数
#以下参数都是在yarn-site.xml中配置
设置container分配最小内存
yarn.scheduler.minimum-allocation-mb 1024 给应用程序container分配的最小内存
设置container分配最大内存
yarn.scheduler.maximum-allocation-mb 8192 给应用程序container分配的最大内存
设置每个container的最小虚拟内核个数
yarn.scheduler.minimum-allocation-vcores 1 每个container默认给分配的最小的虚拟内核个数
设置每个container的最大虚拟内核个数
yarn.scheduler.maximum-allocation-vcores 32 每个container可以分配的最大的虚拟内核的个数
设置NodeManager可以分配的内存大小
yarn.nodemanager.resource.memory-mb 8192 nodemanager 可以分配的最大内存大小,默认8192Mb
定义每台机器的内存使用大小
yarn.nodemanager.resource.memory-mb 8192
定义交换区空间可以使用的大小
交换区空间就是讲一块硬盘拿出来做内存使用,这里指定的是nodemanager的2.1倍
yarn.nodemanager.vmem-pmem-ratio 2.1