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
- 每个Task只能有一个备份任务
- 当前Job已完成的Task必须不小于0.05(5%)
- 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
- 任务间存在严重的负载倾斜
- 特殊任务,比如任务向数据库中写数据