Hadoop相关技术

一.Hadoop 的优化与发展

1.1 局限与不足

• 抽象层次低，需要人工编码；
• 表达能力有限；
• 开发者自己管理作业之间的依赖关系；
• 难于看到程序的整体的逻辑；
• 执行迭代操作效率低;
• 实时性差；
• 资源浪费；

1.2 改进与提升

• 对MapReduce 和HDFS两大核心组件进行改进；
  
• 不断丰富Hadooｐ组件，包括Pig,Tez,Spark和Kafka等。
  

二.HDFS2.0的新特性

2.1 HDFS HA:解决单点故障问题。

2.2 HDFS Federation

• 存在的问题
  

• 解决方式：HDFS Federation
  

  • 解决单名称节点存在的问题，解决了HDFS 的集群扩展性问题，性能更高效，具有良好的隔离性。
  • 各自管理字节的命名空间；

三.新一代资源管理调度管家YARN

3.1 MapReduce 1.0 的缺陷

• 存在单点故障；
  
• JobTracker 任务过重；
• 容易出现内存溢出；
• 资源划分不合理, Map Slot和Reduce Slot;

3.2 YARN 设计思路

分离出资源管理功能,单独形成YARN，MapReduce 2.0变成了运行在YARN 上的纯粹的计算框架。

• ResourceManager：负责资源管理；
• ApplicationMaster：负责任务调度和任务监控；

YARN 是一个资源管理调度框架。

3.3 YARN 体系结构

• ResourceManager:全局资源管理器,负责整个系统的资源管理与分配，两大核心组件如下；

  • 调度器Scheduler;
    • 接收来自ApplicationMaster的应用程序资源请求，把集群中的资源以“容器”的形式分配给提出申请的应用程序，容器的选择通常会考虑应用程序所要处理的数据的位置，进行就近选择从而实现“计算向数据靠拢”；
    • 容器（Container）作为动态资源分配单位，每个容器都封装了一定数量的ＣＰＵ、内存、磁盘等资源，从而限定每个应用程序可以使用的资源数量。
    • 调度器被设计成一个可插拔的组件，YARN不仅自身是提供了许多种直接可用的调度器，也允许用户根据自己的需求重新设计调度器。
  • 应用程序管理器Applications Manager
    
  • 负责系统中所有应用程序的管理工作，主要包括应用程序提交、与调度器协商资源以启动ApplicationMaster、监控ApplicationMaster 运行状态并在失败是重新启动等；

• ApplicationMaster
  

  • ResourceManager接收用户提交的作业，按照作业的上下文信息以及NodeManager收集来的容器状态信息，启动调度过程，为用户作业启动一个ApplicationMaster;
  • 功能：
    • 当用户提交作业时，ApplicationMaster与ResourceManager协商获取资源；
    • ResourceManager会以容器的形式为ApplicationMaster分配资源；
    • 把获取的资源进一步分配给内部的各个任务(Map任务和Reduce 任务)实现资源的“二次分配”；
    • 与NodeManager保持交互通信，进行应用程序的启动、运行、监控和停止，监控申请到的资源的使用情况；
    • 对所用任务的执行进度的和状态进行监控，并在任务发生失败时执行失败恢复(即重新申请资源重启任务)；
    • 定时向ResourceManager发送“心跳”信息，报告资源的使用情况和应用的进程信息；
    • 当作业完成时，ApplicationMaster向　ResourceManager注销容器，执行周期完成；

• NodeManager
  

  • NodeManager 是驻留在YARN集群中的每个节点上的代理，主要负责如下工作：
    • 容器生命周期管理；
    • 监控每个容器的资源使用情况；
    • 以“心跳"的方式与ResourceManager保持通信；
    • 向ResourceManager汇报作业的资源使用情况和每个容器的而运行状态；
    • 跟踪节点健康状况；
    • 接收来自ApplicationMaster的启动\停止容器的各种请求；
      

• 部署情况：
  

3.4 YARN 工作流程

• 用户编写客户端应用程序，向YARN 提交应用程序；
• YARN 中的REsourceManager负责接收和处理来自客户端的请求，为用程序分配一个容器，在该容器中启动一个ApplicationMaster;
• ApplicationMaster 被创建后会首先向ResourceManager注册；
• ApplicationMaster 采用轮询的方式向ResourceManager申请资源；
• ResourceManager以容器的形式向提出申请的ApplicationMaster分配资源；
• 在容器中启动任务；
• 各个任务向　ApplicationMaster 汇报自己的状态和进度；
• 应用程序运行完成后ApplicationMaster向ResourceManager的应用程序管理器注销并关闭自己；

3.5 YARN框架与MapReduce1.0框架的对比分析

3.6 YARN 发展目标

四.Hadoop 中代表性的组件

4.1 Pig 组件

4.2 Tez 组件

4.3 Spark 和　Kafka组件