Yarn三大组件介绍

 ResourceManager

lResourceManager负责整个集群的资源管理和分配，是一个全局的资源管理系统。

lNodeManager以心跳的方式向ResourceManager汇报资源使用情况（目前主要是CPU和内存的使用情况）。RM只接受NM的资源回报信息，对于具体的资源处理则交给NM自己处理。

lYARN Scheduler根据application的请求为其分配资源，不负责application job的监控、追踪、运行状态反馈、启动等工作。

NodeManager

lNodeManager是每个节点上的资源和任务管理器，它是管理这台机器的代理，负责该节点程序的运行，以及该节点资源的管理和监控。YARN集群每个节点都运行一个NodeManager。

lNodeManager定时向ResourceManager汇报本节点资源（CPU、内存）的使用情况和Container的运行状态。当ResourceManager宕机时NodeManager自动连接RM备用节点。

lNodeManager接收并处理来自ApplicationMaster的Container启动、停止等各种请求。

ApplicationMaster

l用户提交的每个应用程序均包含一个ApplicationMaster，它可以运行在ResourceManager以外的机器上。

l负责与RM调度器协商以获取资源（用Container表示）。

l将得到的任务进一步分配给内部的任务(资源的二次分配)。

l与NM通信以启动/停止任务。

l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。

l当前YARN自带了两个ApplicationMaster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，并在AM运行失败时候启动它。RM不负责AM内部任务的容错，任务的容错由AM完成。

 

总结： 

角色

• ResourceManager(RM):主角色 统一入口 调度资源
• Nodemanager(NM)：负责每台机器具体的资源管理
• ApplicationMaster(AM):程序内部的老大 负责程序执行的监督管理 资源申请

 

转载于:https://www.cnblogs.com/TiePiHeTao/p/66b3f9a60ed97359681c7cb97f1e3627.html