一、YARN概述
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。
二、YARN的重要概念
- yarn并不清楚用户提交的程序 运行机制
- yarn只提供运算资源的调度(用户程序向yarn申请资源,yarn就负责分配资源)
- yarn中的主管角色叫ResourceManager
- yarn中具体提供运算资源的角色叫NodeManager
- yarn其实就与运行的用户程序完全解耦,这就意味着yarn上可以运行各种类型的分布式运算程序(MapReduce只是其中一种),比如MapReduce、storm程序、spark程序等等。
- 所以,spark、storm等运算框架都可以整合在yarn上运行,只要他们各自的框架中有符合yarn规范的资源请求机制即可。
- yarn就成为一个通用的资源调度平台,从此,企业中以前存在的各种运算集群都可以整合在一个物理集群上,提高资源利用率,方便数据共享。
三、YARN工作机制
1) yarn运行机制
2)工作机制详解
- MR程序提交到客户端所在节点。
- yarnrunner向Resourcemanager申请一个application。
- rm将该应用程序的资源路径返回给yarnrunner。
- 该程序将运行所需资源提交到HDFS。
- 程序资源提交完毕后,申请运行mrAppMaster。
- RM将用户的请求初始化成一个task。
- 其中一个NodeManager领取到task任务。
- 该NodeManager创建容器Container,并产生MPAPPmaster。
- Container从HDFS上拷贝资源到本地。
- MRAppmaster向RM申请运行maptask容器。
- RM将运行maptask任务分配给另外两个NodeManager,另外两个NodeManager分别领悟任务并创建容器。
- 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。
- MRAppmaster向RM申请2个容器,运行reducetask。
- reducetask向maptask获取相应分区的数据
- 程序运行完毕后,MR会向RM注销自己。