Hadoop学习笔记:六、资源调度器Yarn
目标:
- 了解Yarn的基本架构
- 掌握Yarn的工作机制
- 重点:掌握Yarn的作业提交过程
- 了解Yarn的资源调度器
1 Yarn的基本架构
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操作系统之上的应用程序
-
架构示意图:
2 Yarn的工作机制
- 工作机制详解:
- MR程序提交到客户端所在的节点
- 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 上
- 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 MRAppmaster
- Container 从 HDFS 上拷贝资源到本地
- MRAppmaster 向 RM 申请运行 MapTask 资源
- RM 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
- 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 等待所有 MapTask 运行完毕后,向 RM 申请容器,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 申请注销自己
3 Yarn的作业提交过程
-
过程详解:
- 作业提交
- Client 调用 job.waitForCompletion 方法,向整个集群提交 MapReduce 作业
- Client 向 RM 申请一个作业 id
- RM 给 Client 返回该 job 资源的提交路径和作业 id
- Client 提交 jar 包、切片信息和配置文件到指定的资源提交路径
- Client 提交完资源后,向 RM 申请运行 MrAppMaster
- 作业初始化
- 当 RM 收到 Client 的请求后,将该 job 添加到容量调度器中
- 某一个空闲的 NM 领取到该 Job
- 该 NM 创建 Container,并产生 MRAppmaster
- 下载 Client 提交的资源到本地
- 任务分配
- MrAppMaster 向 RM 申请运行多个 MapTask 任务资源
- RM 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
- 任务运行
- 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等待所有MapTask运行完毕后,向RM申请容器,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 申请注销自己
- 进度和状态更新
- 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
- 作业完成
- 除了向应用管理器请求作业进度外, 客户端每 5 秒都会通过调用 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。
- 作业提交
-
结合Yarn来看MapReduce任务流程
4 Yarn的资源调度器
目前Hadoop作业调度器主要有三种:FIFO、Capacity Scheduler 和 Fair Scheduler
-
先进先出FIFO
-
容量调度器Capacity Scheduler
-
公平调度器Fair Scheduler