hadoop-yarn

Yarn是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式的操作系统平台，而MapReduce等运算程序则相当于运行于操作系统之上的应用程序。

Yarn基本架构

YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成。

目前，Hadoop作业调度器主要有三种：FIFO、Capacity Scheduler容量调度器和Fair Scheduler公平调度器。

yarn资源调度器

1）Hadoop调度器重要分为三类：

        FIFO 、Capacity Scheduler（容量调度器）和Fair Sceduler（公平调度器）。

        Apache默认的资源调度器是容量调度器；

        CDH默认的资源调度器是公平调度器。

2）区别：

        FIFO调度器：支持单队列 、先进先出   生产环境不会用。

                按照到达时间，先到先服务

        容量调度器：支持多队列，保证先进入的任务优先执行。

                支持多个队列，每个队列可配置一定的资源，每个队列采用FIFO调度策略

                为了防止同一个用户独占资源，该调度器会对统一用户所提交的资源量进行限定

                首先，计算每个队列中正在运行的任务数与其分得的计算资源的比值，选择该比值最小的队列-最闲的

                其次，按照作业优先级和提交顺序，同时考虑用户资源量限制和内存限制对队列内任务排序。

                队列中按照任务的先后顺序依次执行

        公平调度器：支持多队列，保证每个任务公平享有队列资源。

                支持多队列多用户，每个队列中的资源量可以配置，同一队列中的作业共享队列中的所有资源

                每个队列中job都会按照优先级分配资源，优先级越高，资源分配越多，但是每个job都会分配到资源

                在资源有限的情况下，理想情况下获得的资源与实际获得的资源会有一种差距，这个差距就叫做缺额

                同一队列中，job资源缺额越大，越先获得资源优先执行。作业按照缺额的高低来先后执行。

Yarn工作机制

        作业提交全过程详解

        （1）作业提交

                第1步：Client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。

                第2步：Client向RM申请一个作业id。

                第3步：RM给Client返回该job资源的提交路径和作业id。

                第4步：Client提交jar包、切片信息和配置文件到指定的资源提交路径。

                第5步：Client提交完资源后，向RM申请运行MrAppMaster。

        （2）作业初始化

                第6步：当RM收到Client的请求后，将该job添加到容量调度器中。

                第7步：某一个空闲的NM领取到该Job。

                第8步：该NM创建Container，并产生MRAppmaster。

                第9步：下载Client提交的资源到本地。

        （3）任务分配

                第10步：MrAppMaster向RM申请运行多个MapTask任务资源。

                第11步：RM将运行MapTask任务分配给另外两个NodeManager，另两个NodeManager分别领取任务并创建容器。

        （4）任务运行

                第12步：MR向两个接收到任务的NodeManager发送程序启动脚本，这两个NodeManager分别启动MapTask，MapTask对数据分区排序。

                第13步：MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。

                第14步：ReduceTask向MapTask获取相应分区的数据。

                第15步：程序运行完毕后，MR会向RM申请注销自己。