浅谈Yarn

一、Yarn的架构

二、作业提交流程

1> 作业提交
	1. client调用job.waitForCompletion方法，向集群提交MapReduce作业
	2. client向ResourceManager申请一个Application
	3. RM给Client返回该job资源的提交路径和作业id
	4. Client提交jar包、切片信息和配置文件到指定的资源提交路径
	5. Client提交资源完后，向RM申请运行MRAppMaster
2> 作业初始化
	6. 当RM收到Client的请求后，将该job添加到容量调度器中
	7. 某一个空闲的NM领取到该job
	8. 该NM创建Container，并产生MRAppmaster
	9. 下载job资源到本地
3> 任务分配
	10. MRAppMaster向RM申请运行多个MapTask任务资源
	11. RM将运行MapTask任务分配给另外的NodeManager，NodeManager分别领取任务并创建容器
4> 任务运行
	12. MR向接收到任务的NodeManager发送程序启动脚本，使其启动MapTask
	13. MRAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask
	14. ReduceTask向MapTask获取相应分区的数据（由MRAppMaster调度）
	15. 程序运行完毕后，MR回向RM申请注销自己

• 客户端每5秒会通过调用waitForCompletion()来检查作业是否完成。时间间隔可以通过mapreduce.client.completion.pollinterval来设置。

三、资源调度器

• 目前，Hadoop作业调度器主要有三种：FIFO、Capacity Scheduler和Fair Scheduler。Hadoop3.1.3默认的资源调度器是Capacity Scheduler。

具体设置在yarn-defalut.xml文件

<property>
    <description>The class to use as the resource scheduler.</description>
    <name>yarn.resourcemanager.scheduler.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
</property>

1.先进先出调度器（FIFO）

FIFO调度器的特点就是单队列，所有的Job按照客户端提交的先后顺序，先到先服务

弊端： 如果当前队列中有一个大的Job，非常消耗资源，那么这个Job之后的其他Job都需要付额外的等待时间，造成集群的资源利用率不足。

2.容量调度器（CapacityScheduler）

• 选择占用最小、优先级高的先执行，依此类推

• 容量调度器的本质是多个FIFO的队列组成

• Hadoop默认使用就是容量调度器

• 每个队列中第一个任务并行运行

• 特点： 容量
  ①每个队列可以配置一定的容量，空闲的资源可以匀给其他队列临时使用
  ②可以配置每个job使用的容量的限制，防止一个大的job独占所有资源
  ③可以配置每个用户可以使用的容量限制，防止当个用户占用所有资源

• 优点： ①配置灵活，及时刷新即可
  ②资源利用率高
  ③安全，可以配置每个队列的访问用户限制

3.公平调度器（FairScheduler）

• 所有的 job 具有相同的资源
• 支持多队列多作业，每个队列可以单独配置
• 同一队列的作业按照其优先级分享整个队列的资源，并发执行
• 每个作业可以设置最小资源值，调度器会保证作业获得其以上的资源
• 公平调度器设计目标是：在时间尺度上，所有作业获得公平的资源。某一时刻作业应获资源和实际获取资源的差距叫“缺额”
• 调度器会优先为缺额大的作业分配资源

四、任务的推测执行

1.定义

一个作业由若干个Map任务和Reduce任务构成。因硬件老化、软件Bug等，某些任务可能运行非常慢。此时会为拖后腿任务启动一个备份任务，同时运行。谁先运行完，则采用谁的结果。

2.执行推测任务的前提条件

1. 每个Task只能有一个备份任务
2. 当前Job已完成的Task必须不小于0.05（5%）
3. 开启推测执行参数设置。mapred-site.xml文件中默认是打开的。

<property>
  	<name>mapreduce.map.speculative</name>
  	<value>true</value>
  	<description>If true, then multiple instances of some map tasks may be executed in parallel.</description>
</property>

<property>
  	<name>mapreduce.reduce.speculative</name>
  	<value>true</value>
  	<description>If true, then multiple instances of some reduce tasks may be executed in parallel.</description>
</property>

3.不能启用推测执行机制情况

1. 任务间存在严重的负载倾斜
2. 特殊任务，比如任务向数据库中写数据

4.推测执行算法原理