一 yarn简介
Yarn(Yet Another Resource Negotiator)是Hadoop集群的资源管理系统,它是一个通用资源管理系统,可为上层应用提供统一的资源管理和调度,它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。
二 YARN的核心思想
将JobTracker和TaskTracker进行分离,它由下面几大构成组件:
a. 一个全局的资源管理器 ResourceManager
b.ResourceManager的每个节点代理 NodeManager
c. 表示每个应用的 ApplicationMaster
d. 每一个ApplicationMaster拥有多个Container在NodeManager上运行
二Yarn的组件及架构
ResourceManager(RM)
RM是一个全局的资源管理器,负责整个系统的资源管理和分配。它主要由两个组件构成:调度器(Scheduler)和应用程序管理器(Applications Manager,ASM)。
调度器 调度器根据容量、队列等限制条件(如每个队列分配一定的资源,最多执行一定数量的作业等),将系统中的资源分配给各个正在运行的应用程序。需要注意的是,该调度器是一个“纯调度器”,它不再从事任何与具体应用程序相关的工作,比如不负责监控或者跟踪应用的执行状态等,也不负责重新启动因应用执行失败或者硬件故障而产生的失败任务,这些均交由应用程序相关的ApplicationMaster完成。调度器仅根据各个应用程序的资源需求进行资源分配,而资源分配单位用一个抽象概念“资源容器”(Resource Container,简称Container)表示,Container是一个动态资源分配单位,它将内存、CPU、磁盘、网络等资源封装在一起,从而限定每个任务使用的资源量。此外,该调度器是一个可插拔的组件,用户可根据自己的需要设计新的调度器,YARN提供了多种直接可用的调度器,比如Fair Scheduler和Capacity Scheduler等。
应用程序管理器应用程序管理器负责管理整个系统中所有应用程序,包括应用程序提交、与调度器协商资源以启动ApplicationMaster、监控ApplicationMaster运行状态并在失败时重新启动它等。
ApplicationMaster(AM)
用户提交的每个应用程序均包含一个AM,主要功能包括:
与RM调度器协商以获取资源(用Container表示);
将得到的任务进一步分配给内部的任务(资源的二次分配);
与NM通信以启动/停止任务;
监控所有任务运行状态,并在任务运行失败时重新为任务申请资源以重启任务。
当前YARN自带了两个AM实现,一个是用于演示AM编写方法的实例程序distributedshell,它可以申请一定数目的Container以并行运行一个Shell命令或者Shell脚本;另一个是运行MapReduce应用程序的AM—MRAppMaster。
注:RM只负责监控AM,在AM运行失败时候启动它,RM并不负责AM内部任务的容错,这由AM来完成。
NodeManager(NM)
NM是每个节点上的资源和任务管理器,一方面,它会定时地向RM汇报本节点上的资源使用情况和各个Container的运行状态;另一方面,它接收并处理来自AM的Container启动/停止等各种请求。
Container
Container是YARN中的资源抽象,它封装了某个节点上的多维度资源,如内存、CPU、磁盘、网络等,当AM向RM申请资源时,RM为AM返回的资源便是用Container表示。YARN会为每个任务分配一个Container,且该任务只能使用该Container中描述的资源。
注:1. Container不同于MRv1中的slot,它是一个动态资源划分单位,是根据应用程序的需求动态生成的。
2. 现在YARN仅支持CPU和内存两种资源,且使用了轻量级资源隔离机制Cgroups进行资源隔离。
YARN的资源管理和执行框架都是按主/从范例实现的——Slave ---节点管理器(NM)运行、监控每个节点,并向集群的Master---资源管理器(RM)报告资源的可用性状态,资源管理器最终为系统里所有应用分配资源。
特定应用的执行由ApplicationMaster控制,ApplicationMaster负责将一个应用分割成多个任务,并和资源管理器协调执行所需的资源,资源一旦分配好,ApplicationMaster就和节点管理器一起安排、执行、监控独立的应用任务。
需要说明的是, YARN不同服务组件的通信方式采用了事件驱动的异步并发机制,这样可以简化系统的设计。
三 YARN安装:
分布式计算程序(比如mapreduce程序)的运行调度平台;
它本身也是一个分布式系统:主节点--> ResourceManager ,从节点--> NodeManager
安装:
配置文件:设置yarn.resourcemanager.hostname 为其中一台机器
配置好后 远程传给其他的机器
vi /root/apps/hadoop-2.8.1/etc/hadoop/yarn-site.xm
<property>
<name>yarn.resourcemanager.hostname</name>
<value>wangzhihua1</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.resource.cpu-vcores</name>
<value>2</value>
</property>
启动:
start-yarn.sh 注意:一定要在配置成ResourceManager的节点上执行该脚本!
yarn任务监控
生产环境大多数任务都会提交到yarn上去运行,所有如何获取任务在yarn上的状态以及信息,非常重要。如果能获取任务在yarn上的状态和信息,那么我们就能及时发现任务出现的问题。我们可以通过java或者python去获取yarn任务的信息。
java版
第一步:把yarn-site.xml文件导入到监控系统(meavn工程)的resources文件下
第二步:编写监控代码
public class YarnUtil {
//获取任务的applicationId
public static String getAppId(String jobName) {
YarnClient client = YarnClient.createYarnClient();
Configuration conf = new Configuration();
client.init(conf);
client.start();
EnumSet<YarnApplicationState> appStates = EnumSet.noneOf(YarnApplicationState.class);
if (appStates.isEmpty()) {
appStates.add(YarnApplicationState.RUNNING);
appStates.add(YarnApplicationState.ACCEPTED);
appStates.add(YarnApplicationState.SUBMITTED);
}
List<ApplicationReport> appsReport = null;
try {
//返回EnumSet<YarnApplicationState>中个人任务状态的所有任务
appsReport = client.getApplications(appStates);
} catch (YarnException | IOException e) {
e.printStackTrace();
}
assert appsReport != null;
for (ApplicationReport appReport : appsReport) {
//获取任务名
String jn = appReport.getName();
String applicationType = appReport.getApplicationType();
if (jn.equals(jobName) && "Apache Flink".equals(applicationType)) {
try {
client.close();
} catch (IOException e) {
e.printStackTrace();
}
return appReport.getApplicationId().toString();
}
}
try {
client.close();
} catch (IOException e) {
e.printStackTrace();
}
return null;
}
//根据任务的applicationId去获取任务的状态
public static YarnApplicationState getState(String appId) {
YarnClient client = YarnClient.createYarnClient();
Configuration conf = new Configuration();
client.init(conf);
client.start();
ApplicationId applicationId = ApplicationId.fromString(appId);
YarnApplicationState yarnApplicationState = null;
try {
ApplicationReport applicationReport = client.getApplicationReport(applicationId);
yarnApplicationState = applicationReport.getYarnApplicationState();
} catch (YarnException | IOException e) {
e.printStackTrace();
}
try {
client.close();
} catch (IOException e) {
e.printStackTrace();
}
return yarnApplicationState;
}
public static void main(String[] args) throws IOException, InterruptedException {
YarnApplicationState state = getState("application_1551855530546_0046");
System.out.println(state);
System.out.println(state == YarnApplicationState.RUNNING);
}
}
yarn上的任务有如下几个状态:在源码的YarnApplicationState枚举的类中定义,我们可以更具获取任务的applicationId去获取任务的状态。
注意事项
1.client.getApplications(appStates):是为了返回appStates中所包含状态的所有任务,可以设置只返回哪几种状态的任务列表
2. ApplicationReport appReport:是返回的任务 ,我们可以通过任务实例appReport获取任务的所有信息,也就是yarn界面上任务的所有信息,队列 ,applicationId,任务名。。。。。
Python版本
编写监控脚本 yarn-monitor.py
# coding=utf-8
import commands
import getpass
import optparse
import sys
import time
from util import send_mail, phone_call, send_message
# 监控yarn上的flink程序
class YarnMonitor(object):
def __init__(self):
self._option_parser = optparse.OptionParser()
self._option_parser.add_option("--app", help=u"应用程序列表,以逗号分隔", dest="user_app")
self._option_parser.add_option("--phone", help=u"手机号", dest="phone")
self._option_parser.add_option("--user_mail", help=u"接收邮箱账号,逗号分隔", dest="user_mail")
self._option_parser.add_option("--title", help=u"邮箱标题", dest="title")
(self._opt, arg) = self._option_parser.parse_args()
self.user_app = self._opt.user_app
self.phone = self._opt.phone
self.user_mail = self._opt.user_mail.replace(',', ';')
self.title = self._opt.title
def yarn_monitor(self):
is_call = True
# \n分隔的app—name列表
apps = commands.getoutput(
"yarn application -list -appTypes SPARK -appStates RUNNING|awk -F ' ' '{print $2}'|sed '1,2d'")
app_list = apps.split('\n')
for app in self.user_app.split(','):
if app not in app_list:
if is_call:
is_call = False
phone_call.multi_phone_called(self.phone)
send_message.multi_sms_send(self.phone, 'time : %s\nuser : %s\n%s program is dead' % (
cur_datetime, getpass.getuser(), app))
send_mail.send_mail(self.user_mail, '', '', self.title, 'html',
'<font color="red">时间:%s<br>用户:%s<br>%s program is dead</font>' % (
cur_datetime, getpass.getuser(), app), 'high', '')
if __name__ == '__main__':
cur_datetime = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
print cur_datetime
ym = YarnMonitor()
ym.yarn_monitor()
启动脚本:
#!/bin/bash
source /etc/profile
source /home/wangzh03/.bash_profile
python /data/wangzh/project/cloud_platform_script/monitor_yarn/yarn-monitor.py \
--app RTC_RedisDcSyncHbase,RTC_redisWc,RTC_CheckFieldUpdate \
--phone 176010842321,4234811560811 \
--user_mail xxxx@mssssn \
--title flink报警
扫一扫加入大数据公众号和技术交流群,了解更多大数据技术,还有免费资料等你哦
扫一扫加入大数据公众号和技术交流群,了解更多大数据技术,还有免费资料等你哦
扫一扫加入大数据公众号和技术交流群,了解更多大数据技术,还有免费资料等你哦