Hadoop (十七) --------- Yarn 资源调度器

最新推荐文章于 2024-06-22 03:15:00 发布
最新推荐文章于 2024-06-22 03:15:00 发布
阅读量708 收藏 1
点赞数
分类专栏： Hadoop 文章标签： hadoop mapreduce 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51111980/article/details/125876355
版权

目录

前言

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 。

一、Yarn 基础架构

YARN 主要由 ResourceManager、NodeManager、ApplicationMaster 和 Container等组件构成。

架构图如下

在这里插入图片描述

二、Yarn 工作机制

在这里插入图片描述

  • 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。

三、作业提交全过程

HDFS、YARN、MapReduce 三者之间的关系
在这里插入图片描述
作业提交过程之 YARN

在这里插入图片描述

作业提交过程之 MapReduce & HDFS
在这里插入图片描述
作业提交全过程详解

（1）作业提交

第1步：Client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。

第2步：Client向RM申请一个作业id。

第3步：RM给Client返回该job资源的提交路径和作业id。

第4步：Client提交jar包、切片信息和配置文件到指定的资源提交路径。

第5步：Client提交完资源后，向RM申请运行MrAppMaster。

（2）作业初始化

第6步：当RM收到Client的请求后，将该job添加到容量调度器中。

第7步：某一个空闲的NM领取到该Job。

第8步：该NM创建Container，并产生MRAppmaster。

第9步：下载Client提交的资源到本地。

（3）任务分配

第10步：MrAppMaster向RM申请运行多个MapTask任务资源。

第11步：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。

（4）任务运行

第12步：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。

第13步：MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。

第14步：ReduceTask向MapTask获取相应分区的数据。

第15步：程序运行完毕后，MR会向RM申请注销自己。

（5）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。

（6）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。

四、Yarn 调度器和调度算法

目前，Hadoop 作业调度器主要有三种：

  • FIFO
  • 容量（Capacity Scheduler）
  • 公平（Fair Scheduler）

Apache Hadoop 3.1.3 默认的资源调度器是 Capacity Scheduler。CDH 框架默认调度器是Fair Scheduler。

具体设置详见：yarn-default.xml文件

<property>
    <description>The class to use as the resource scheduler.</description>
    <name>yarn.resourcemanager.scheduler.class</name>
    <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
</property>

1. 先进先出调度器 (FIFO)

FIFO调度器 (First In First Out) ：单队列，根据提交作业的先后顺序，先来先服务。

在这里插入图片描述

  • 优点：简单易懂
  • 缺点：不支持多队列，生产环境很少使用

2. 容量调度器 (Capacity Scheduler)

Capacity Scheduler 是 Yahoo 开发的多用户调度器。

特点：

在这里插入图片描述

1、多队列 ：每个队列可配置一定的资源量，每个队列采用FIFO调度策略。

2、容量保证 ：管理员可为每个队列设置资源最低保证和资源使用上限。

3、灵活性 ：如果一个队列中的资源有剩余，可以暂时共享给那些需要资源的队列，而一旦该队列有新的应用程序提交，则其他队列借调的资源会归还给该队列。

4、多租户 ：支持多用户共享集群和多应用程序同时运行。为了防止同一个用户的作业独占队列中的资源，该调度器会对同一用户提交的作业所占资源量进行限定。

容量调度器资源分配算法 ：

在这里插入图片描述

3. 公平调度器 (Fair Scheduler)

Fair Schedulere 是 Facebook 开发的多用户调度器。

特点：

在这里插入图片描述

缺额：

公平调度器设计目标是 ：在时间尺度上，所有作业获得公平的资源。

某一时刻作业应获资源和实际获取资源的差距叫 “缺额”

调度器会优先为缺额大的作业分配资源。

在这里插入图片描述

公平调度器队列资源分配方式

在这里插入图片描述

公平调度器队列资源分配方式

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

五、Yarn 常用命令

Yarn 状态的查询，除了可以在 hadoop103:8088页面查看外，还可以通过命令操作。常见的命令操作如下所示

需求： 执行 WordCount 案例，并用Yarn命令查看任务运行情况

[fancyry@hadoop102 hadoop-3.1.3]$ myhadoop.sh start
[fancyry@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

1. yarn application 查看任务

列出所有Application：

[fancyry@hadoop102 hadoop-3.1.3]$ yarn application -list
2021-02-06 10:21:19,238 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total number of applications (application-types: [], states: [SUBMITTED, ACCEPTED, RUNNING] and tags: []):0
     Application-Id	    Application-Name	   Application-Type	      User	     Queue	             State	       Final-State	       Progress	                    Tracking-URL

根据 Application 状态过滤：yarn application -list -appStates (所有状态：ALL、NEW、NEW_SAVING、SUBMITTED、ACCEPTED、RUNNING、FINISHED、FAILED、KILLED)

[fancyry@hadoop102 hadoop-3.1.3]$ yarn application -list -appStates FINISHED
2021-02-06 10:22:20,029 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total number of applications (application-types: [], states: [FINISHED] and tags: []):1
                Application-Id	    Application-Name	    Application-Type	      User	     Queue	             State	       Final-State	       Progress	                       Tracking-URL
application_1612577921195_0001	          word count	           MAPREDUCE	   fancyry	   default	          FINISHED	         SUCCEEDED	           100%	 http://hadoop102:19888/jobhistory/job/job_1612577921195_0001

2. yarn logs 查看日志

查询 Application 日志：yarn logs -applicationId 

[fancyry@hadoop102 hadoop-3.1.3]$ yarn logs -applicationId application_1612577921195_0001

查询 Container 日志：yarn logs -applicationId <ApplicationId> -containerId <ContainerId> 

[fancyry@hadoop102 hadoop-3.1.3]$ yarn logs -applicationId application_1612577921195_0001 -containerId container_1612577921195_0001_01_000001

3. yarn applicationattempt 查看尝试运行的任务

列出所有 Application 尝试的列表： yarn applicationattempt -list <ApplicationId>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn applicationattempt -list application_1612577921195_0001
2021-02-06 10:26:54,195 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total number of application attempts :1
         ApplicationAttempt-Id	               State	                    AM-Container-Id	                       Tracking-URL
appattempt_1612577921195_0001_000001	            FINISHED	container_1612577921195_0001_01_000001	http://hadoop103:8088/proxy/application_1612577921195_0001/

打印ApplicationAttemp状态： yarn applicationattempt -status <ApplicationAttemptId>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn applicationattempt -status appattempt_1612577921195_0001_000001
2021-02-06 10:27:55,896 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Application Attempt Report : 
	ApplicationAttempt-Id : appattempt_1612577921195_0001_000001
	State : FINISHED
	AMContainer : container_1612577921195_0001_01_000001
	Tracking-URL : http://hadoop103:8088/proxy/application_1612577921195_0001/
	RPC Port : 34756
	AM Host : hadoop104
	Diagnostics :

4. yarn container 查看容器

列出所有Container： yarn container -list <ApplicationAttemptId>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn container -list appattempt_1612577921195_0001_000001
2021-02-06 10:28:41,396 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total number of containers :0
                  Container-Id	          Start Time	         Finish Time	               State	                Host	   Node Http Address

打印Container状态： yarn container -status <ContainerId>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn container -status container_1612577921195_0001_01_000001
2021-02-06 10:29:58,554 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Container with id 'container_1612577921195_0001_01_000001' doesn't exist in RM or Timeline Server.

注：只有在任务跑的途中才能看到 container 的状态

5. yarn node 查看节点状态

列出所有节点： yarn node -list -all

[fancyry@hadoop102 hadoop-3.1.3]$ yarn node -list -all

2021-02-06 10:31:36,962 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total Nodes:3
         Node-Id	     Node-State	Node-Http-Address	Number-of-Running-Containers
 hadoop103:38168	        RUNNING	   hadoop103:8042	                           0
 hadoop102:42012	        RUNNING	   hadoop102:8042	                           0
 hadoop104:39702	        RUNNING	   hadoop104:8042	                           0

6. yarn rmadmin 更新配置

加载队列配置：yarn rmadmin -refreshQueues

[fancyry@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshQueues
2021-02-06 10:32:03,331 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8033

7. yarn queue 查看队列

打印队列信息： yarn queue -status <QueueName>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn queue -status default
2021-02-06 10:32:33,403 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Queue Information : 
Queue Name : default
	State : RUNNING
	Capacity : 100.0%
	Current Capacity : .0%
	Maximum Capacity : 100.0%
	Default Node Label expression : <DEFAULT_PARTITION>
	Accessible Node Labels : *
	Preemption : disabled
	Intra-queue Preemption : disabled

六、Yarn 生产环境核心参数

在这里插入图片描述

在森林中麋了鹿
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
YARN 资源调度器
weixin_48649930的博客
11-24 1386
1.基本架构 资源调度器是 YARN 中最核心的组件之一，且是插拔式的，它定义了一整套接口规范以便用户可按照需要实现自己的调度器。 YARN 自带了 FIFO，Capacity Scheduler，Fair Scheduler 三种常用资源调度器，用户也可以按照接口规范编写一个新的资源调度器。 可通过参数 yarn.resourcemanager.scheduler.class 设置资源调度器的主类，默认是 Capacity Scheduler 容量调度器 YARN的资源管理器实际上是一个事件处理器，它需
第一章 Yarn资源调度器
qq_38358499的博客
06-20 271
1.1 Yarn基础架构 1.2 Yarn工作机制 1.3 作业提交全过程 1.4 Yarn调度器和调度算法 1.4.1 xian
Yarn调度器(Scheduler)介绍
最新发布
a_black03的博客
06-22 1508
理想情况下，我们应用对Yarn资源的请求应该立刻得到满足，但现实情况资源往往是有限的，特别是在一个很繁忙的集群，一个应用资源的请求经常需要等待一段时间才能的到相应的资源。在Yarn中，负责给应用分配资源的就是Scheduler。其实调度本身就是一个难题，很难找到一个完美的策略可以解决所有的应用场景。为此，Yarn提供了多种调度器和可配置的策略供我们选择。在Yarn中有三种调度器可以选择： FIFO Scheduler ， Capacity Scheduler ， FairScheduler。
Yarn 资源调度器
好好学习天天向上
05-04 869
文章目录1 Yarn资源调度器1.1 Yarn基础架构1.2 Yarn工作机制(常见面试题)1.3 作业提交过程Yarn和MapReduce之间的工作流程HDFS和MapReduce之间的工作流程作业提交全过程详解1.4 Yarn调度器和调度算法1.4.1 先进先出调度器(FIFO)1.4.2 容量调度器(Capacity Scheduler)容量调度器特点容量调度器资源分配算法1.4.3 公平调度器(Fair Scheduler)公平调度器特点公平调度器队列资源分配方式 1 Yarn资源调度器 问题： 1
Hadoop之Yarn资源调度器
勇心在馨
01-30 356
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。YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成。 1、Yarn架构 2、yarn的工作机制 （1）MR程序提交到客户端所在的节点。 （...
YARN中的资源调度器
qq_41982570的博客
03-05 155
YARN中的资源调度器
flink-shaded-hadoop-2-uber-2.7.5-10.0.jar.zip
05-27
使用 Flink Shaded Hadoop Uber JAR，开发人员可以轻松地在 Flink 应用程序中集成 Hadoop 功能，比如读写 HDFS 文件，或者利用 YARN 进行资源调度。但是，需要注意的是，由于 Uber JAR 包含了大量的库，它的大小可能...
Hadoop技术-YARN资源调度器.pptx
11-02
"Hadoop技术-YARN资源调度器" Hadoop技术作为大数据处理的重要技术之一，YARN（Yet Another Resource Negotiator）作为Hadoop的资源管理层，负责管理和分配集群资源。YARN资源调度器是Hadoop YARN中最核心的组件之...
hadoop-yarn-server-resourcemanager-2.3.0.zip
10-13
例如，该版本可能包含对YARN的公平调度器和容量调度器的优化，使得资源分配更加公正且高效；同时，可能也提升了容错性和可扩展性，以适应更大规模的集群环境。 【描述】"Elasticsearch Dataformat 插件" Elastic...
flink-1.7.2-bin-hadoop27-scala_2.11.tgz
07-19
- **YARN 集成**：Flink 可以在 YARN（Hadoop 的资源管理系统）上运行，利用 YARN 提供的资源调度和管理。 3. **Flink 的优化** - **物理执行计划**：Flink 会根据用户定义的逻辑操作转化为高效的物理执行计划，...
spark-2.0.0-bin-hadoop2-without-hive.tgz
06-28
在Hadoop 2.x环境下运行Spark意味着它可以利用Hadoop的YARN资源管理和数据存储功能。然而，"without-hive"表示这个版本的Spark没有集成Hive的支持。Hive通常用于构建数据仓库，提供SQL-like查询接口，以及数据ETL...
yarn中的资源调度器_笔记
quancuizuishuai的博客
07-27 776
yarn中资源调度器共分为三种 1.FIFO调度器  优点是简单易懂而且不需要配置， 但是它不适合共享集群：    在FIFO调度器中只有一个队列，而且同一时刻只能有一个作业执行，就会出现有一个大作业A一直在运行，而小文件B要阻塞到作业A执行完毕才能运行的情况 2.容量调度器  1.它是yarn默认使用的调度器，如果不指定队列，那么应用都会被放在default的默认队列中（就和FIFO没区别了），  2.如果在配置文件capacity-scheduler.xml中设置了队列（同时可以指定每个队列的最大容量
Hadoop系列之YARN
ab31ab的博客
08-03 236
目录 Yarn 调度器和调度算法 先进先出调度器（FIFO） 容量调度器（Capacity Scheduler） 公平调度器（Fair Scheduler） 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。 Yarn 基础架构 YARN 主要由 ResourceManager、NodeManager、ApplicationMaster 和 Containe..
Yarn资源调度器
阿莫夕林的博客
03-28 1385
在大数据时代，Hadoop已经成为处理海量数据的首选平台。而Hadoop YARN（Yet Another Resource Negotiator）作为Hadoop生态系统中的核心组件，更是为大数据处理提供了强大的资源管理和调度能力。本文将深入探讨YARN的工作原理、核心组件及其在大数据处理中的重要作用。
Yarn详解
勇心在馨
07-29 459
一、Yarn 资源调度器 1、Yarn 基础架构 YARN 主要由 ResourceManager、NodeManager、ApplicationMaster 和 Container 等组件 构成。 2、Yarn 工作机制 （1）MR 程序提交到客户端所在的节点。 （2）YarnRunner 向 ResourceManager 申请一个 Application。 （3）RM 将该应用程序的资源路径返回给 YarnRunner。 （4）该程序将运行所需资源提交到 HDFS 上。 （5）程...
Yarn_资源调度器
Regan_Hoo的博客
12-14 1561
概述资源调度器是Hadoop YARN 中最核心的组件之一， 它是ResourceManager 中的一个插拔式服务组件，负责整个集群资源的管理和分配。主要有两种多用户资源调度器的设计思路：第一种在一个物理集群上虚拟多个Hadoop 集群， 这些集群各自拥有全套独立的Hadoop 服务，典型的代表是HOD( Hadoop On Demand ）调度器（Hadoop2.0不再使用）；另一种是扩展YAR
YARN资源调度器
u011519828的专栏
10-18 392
这类事件总共有6个，分别是NODE_ADDED（添加一个计算节点）、NODE_REMOVED（移除一个计算结点）、APPLICATION_ADDED（添加一个应用程序）、APPLICATION_REMOVED（移除一个应用程序）、CONTAINER_EXPIER（回收超时的Container）、NODE_UPDATE（更新节点）。集群资源是非常有限的，在多用户、多任务环境下，如何保证在有限资源或业务约束下有序调度和执行任务，需要有一个协调者，这就是YARN资源调度器。
YARN中资源调度器的那些事儿
阿尼古
08-02 779
YARN中资源调度器的那些事儿，接上次Yarn的那些事儿，来扯一下调度器... YARN三种资源调度器 理想情况下，我们应用对Yarn资源的请求应该立刻得到满足，但现实情况资源往往是有限的，特别是在一个很繁忙的集群，一个应用资源的请求经常需要等待一段时间才能的到相应的资源。在Yarn中，负责给应用分配资源的就是Scheduler。其实调度本身就是一个难题，很难找到一个完美的策略可以解决所有...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

在森林中麋了鹿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值