Hadoop原理与机制4-1：YARN工作机制

• 1 工作机制

1. MapReduce程序提交到客户端所在的节点。
2. YARN Runner向ResourceManager申请一个Application。
3. RM将该应用程序的资源路径返回给YARN Runner。
4. 该程序将运行所需资源提交到HDFS上。
5. 程序资源提交完毕后，申请运行mrAppMaster。
6. ResourceManager将用户的请求初始化成一个Task。
7. 其中一个NodeManager领取到Task任务。
8. 该NodeManager创建容器Container，并产生MRAppmaster。
9. Container从HDFS上拷贝资源到本地。
10. MapReduce Appmaster向ResourceManager申请运行maptask资源。
11. ResourceManager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。
12. MapReduce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。
13. MrAppMaster等待所有maptask运行完毕后，向RM申请容器，运行Reduce task。
14. Reduce Task向MapTask获取相应分区的数据。
15. 程序运行完毕后，MapReduce会向ResourceManager申请注销自己。

• 2 作业提交全过程

1. 作业提交

   1. client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。

   2. client向ResourceManager申请一个作业id。

   3. ResourceManager给client返回该job资源的提交路径和作业id。

   4. client提交jar包、切片信息和配置文件到指定的资源提交路径。

   5. client提交完资源后，向RM申请运行MapReduce AppMaster。

2. 作业初始化

   1. 当ResourceManager收到client的请求后，将该job添加到容量调度器中。

   2. 某一个空闲的NodeManager领取到该job。

   3. 该NodeManager创建Container，并产生MapReduce Appmaster。

   4. 下载client提交的资源到本地。

3. 任务分配
   1. MapReduce Appmaster向ResourceManager申请运行多个MapTask任务资源。
   2. ResourceManager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

   1. MapReduce 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MapYask，MapTask对数据分区排序。

   2. MrAppMaster等待所有MapTask运行完毕后，向ResourceManager申请容器，运行ReduceTask。

   3. ReduceTask向MaTask获取相应分区的数据。

   4. 程序运行完毕后，MapReduce 会向ResourceManager申请注销自己。

5. 进度和状态更新

   1. YARN中的任务将其进度和状态(包括counter)返回给应用管理器, 客户端每秒(通过mapreduce.client.progressmonitor.pollinterval设置)向应用管理器请求进度更新, 展示给用户。

6. 作业完成

   1. 除了向应用管理器请求作业进度外, 客户端每5分钟都会通过调用waitForCompletion()来检查作业是否完成。时间间隔可以通过mapreduce.client.completion.pollinterval来设置。作业完成之后, 应用管理器和container会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户核查。

• 3 HDFS与MapReduce之间的作业提交