(MapReduce:Master/Slave架构,1个JobTracker带多个TaskTracker)
- JobTracker: 负责资源管理和作业调度,任务分配
- TaskTracker:定期向JT汇报本节点的健康状况、资源使用情况、作业执行情况;接收来自JT的命令:启动任务/杀死任务
在1中;资源叫slot;每台节点只有获取到了slot才可以启动多少个map和多少个reduce;不能够指定cpu资源;启动后也不可更改资源。比较粗糙;难以共享集群资源。
MapReduce V1 执行job流程
2. 资源利用率(CPU;内存;存储IO-集群之间的数据交互)&运维成本,如下图:
3. 催生了YARN的诞生
YARN:不同计算框架可以共享同一个HDFS集群上的数据,享受整体的资源调度
XXX on YARN的好处:(XXX: Spark/MapReduce/Storm/Flink)
与其他计算框架共享集群资源,按资源需要分配,进而提高集群资源的利用率
YARN概述
- 从Hadoop 2.0开始出现了Yarn
- Yet Another Resource Negotiator (另一个种资源协调者)
- 通用的资源管理系统
- 为上层应用提供统一的资源管理和调度
ResurceManager(RM):
RM是一个全局的资源管理器,集群只有一个,负责整个系统的资源管理和分配,包括处理客户端请求、启动/监控APP master、监控nodemanager、资源的分配与调度。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)。
- 为上层应用提供统一的资源管理和调度
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。
YARN架构
YARN架构:
- ResourceManager: RM(通常会另外部署一个standby来解决单点故障)
- 一个集群只有一个,全局的资源管理器
- 处理客户端的请求: 提交一个作业、杀死一个作业
- 监控Node Manger,汇总上报的资源
- 根据请求分配资源
- NodeManager: NM
- 每个从属节点一个
- 管理自身所属节点的资源
- 监控资源使用情况(cpu, memory, disk,network)并向Resource Manager汇报
- 接收并处理来自RM的各种命令:启动Container
- 处理来自AM的命令
- 单个节点的资源管理
- ApplicationMaster: AM
- 每个应用程序对应一个:MR、Spark,负责应用程序的管理
- 为应用程序向RM申请资源(core、memory),分配给内部task
- 需要与NM通信:启动/停止task,task是运行在container里面,AM也是运行在container里面
- Container
- 封装了CPU、Memory等资源的一个容器
- 是一个任务运行环境的抽象
- Client
- 提交作业
- 查询作业的运行进度
- 杀死作业
通常NodeManager会和DataNode混合部署,why?
可以从内存、cpu、磁盘的使用来讲。
Yarn 基本思想
- 在MapReduce V1中
- JobTracker = 资源管理器 + 任务调度器
- 在Yarn中做了切分
- 资源管理
- 让ResourceManager负责
- 任务调度
- 让ApplicationMaster负责
- 每个作业启动一个
- 根据作业切分任务tasks
- 向Resource Manager申请资源
- 与NodeManager协作,将分配申请到的资源给内部任务tasks
- 让ApplicationMaster负责
- 资源管理