Hadoop-Yarn的框架原理（一）

1、概念

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。

1.1 Yarn基础架构

YARN主要由以下四大组件构成。

• ResourceManager
• NodeManager
• ApplicationMaster
• Container

1.2、基础架构图

1.3、Yarn的工作机制

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. ResourceManager将该应用程序的资源路径以及application的ID返回给YarnRunner。
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. MRAppmaster向ResourceManager申请运行MapTask资源。
11. ResourceManager将运行MapTask任务（MapTask的个数取决于切片的个数）分配给另外两个NodeManager，另两个NodeManager分别领取任务并创建容器。
12. MRAppmaster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ResourceManager申请容器，运行ReduceTask。
14. ReduceTask向MapTask获取相应分区的数据。
15. 程序运行完毕后，MRAppmaster会向ResourceManager申请注销自己。

1.4、作业提交全过程

HDFS、MapReduce、Yarn三者的关系

作业提交之Yarn

作业提交之HDFS、MapReduce

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ResourceManager申请一个作业id。
第3步：ResourceManager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ResourceManager申请运行MrAppMaster。
（2）作业初始化
第6步：当ResourceManager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NodeManager领取到该Job。
第8步：该NodeManager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ResourceManager申请运行多个MapTask任务资源。
第11步：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
第12步：MrAppMaster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ResourceManager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，MrAppMaster会向ResourceManager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。

1.5、Yarn调度器和调度算法

Hadoop作业调度器主要有三种：FIFO、容量（Capacity Scheduler）和公平（Fair Scheduler）。Apache Hadoop3.1.3默认的资源调度器是Capacity Scheduler。

1.5.1、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。

优点：简单易懂；
缺点：不支持多队列，生产环境很少使用；

1.5.2、容量调度器（Capacity Scheduler）

Capacity Scheduler是Yahoo开发的多用户调度器。

容量调度器的特点

容量调度器资源分配算法

1.5.3、公平调度器（Fair Scheduler）

Fair Schedulere是Facebook开发的多用户调度器。

公平调度器的特点

公平调度器-缺额

公平调度器资源分配算法

2、Yarn常用命令

2.1、 yarn application 查看任务

2.1.1、列出所有Application：

yarn application -list

2.1.2、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）

yarn application -list -appStates ALL

2.1.3、Kill掉Application（yarn application -kill applicationID）

yarn application -kill application_1638710254100_0001

2.2、yarn logs查看日志

2.2.1、查询Application日志：yarn logs -applicationId

yarn logs -applicationId application_1638710254100_0001

2.2.2、查询Container日志：yarn logs -applicationId -containerId

yarn logs -applicationId application_1612577921195_0001 -containerId container_1612577921195_0001_01_000001

2.3、yarn applicationattempt查看尝试运行的任务

2.3.1、列出所有Application尝试的列表：yarn applicationattempt -list

yarn applicationattempt -list application_1638710254100_0001

2.3.2、打印ApplicationAttemp状态：yarn applicationattempt -status

yarn applicationattempt -status appattempt_1638710254100_0001_000001

2.4、 yarn container查看容器

2.4.1、列出所有Container：yarn container -list

yarn container -list appattempt_1638710254100_0001_000001

2.4.2、打印Container状态： yarn container -status

yarn container -status appattempt_1638710254100_0001_000001

2.5、yarn node查看节点状态

2.5.1、列出所有节点：yarn node -list -all

yarn node -list -all

2.6、yarn rmadmin更新配置

2.6.1、加载队列配置：yarn rmadmin -refreshQueues

yarn rmadmin -refreshQueues

2.7、yarn queue查看队列

2.7.1、打印队列信息：yarn queue -status

yarn queue -status default