MapReduce2架构设计（YARN工作流程（MR提交应用程序））

    前言：MapReduce是一种可用于数据处理的编程模型。该模型比较简单，但是要写出有用的程序缺不太容易。本篇文章主要介绍MapReduce2（YARN），会附带介绍MapReduce1的架构。

    狭义的hadoop包含：HDFS、MapReduce和YARN，在目前的生产作业中，MapReduce已经逐渐被代替，但其架构思想还是值得学习的，后来出现的一些架构，也都是参考MapReduce架构；HDFS作为分布式存储，目前使用依然有前景；YARN主要是资源和作业调度。

    MapReduce版本简介：

MapReduce1：MapReduce1主要在Hadoop1.x中使用，该版本的MapReduce负责计算及资源和作业调度。

MapReduce2：MapReduce2主要在Hadoop2.x中使用，该版本的MapReduce只负责计算，但是没有进程，因为MapReduce运算在YARN平台上进行。资源和作业调度已经被YARN所负责。

一、MapReduce1架构

Client:客户端

JobTracker：主要负责资源监控款里和作业调度

a.监控所有TaskTracker 与job的健康状况,一旦发现失败，就将相应的任务转移到其他节点；

b.同时JobTracker会跟踪任务的执行进度、资源使用量等信息，并将这些信息告诉任务调度器，而调度器会在资源出现空闲时，选择合适的任务使用这些资源。

TaskTracker：是JobTracker与Task之前的桥梁

a.从JobTracker接收并执行各种命令:运行任务、提交任务、Kill任务、重新初始化任务；

b.周期性地通过心跳机制，将节点健康情况和资源使用情况、各个任务的进度和状态等汇报给JobTracker。

Task Schedule：任务调度器（默认 FIFO，先按照作业的优先级高低,再按照到达时间的先后选择被执行的作业）

Map Task：映射任务

Reduce Task：规约任务

二、MapReduce2架构

任务流程：

1. 用户向YARN中提交应用程序，其中包括ApplicationMaster程序、启动ApplicationMaster的命令、用户程序等。
   
2. ResourceManager为该应用程序分配第一个Container，并与对应的Node-Manager通信，要求它在这个Container中启动应用程序的ApplicationMaster。
   
3. ApplicationMaster首先向ResourceManager注册，这样用户可以直接通过ResourceManage查看应用程序的运行状态，然后它将为各个任务申请资源，并监控它的运行状态，直到运行结束，即重复步骤4~7。
   
4. ApplicationMaster采用轮询的方式通过RPC协议向ResourceManager申请和领取资源。
   
5. 一旦ApplicationMaster申请到资源后，便与对应的NodeManager通信，要求它启动任务。
   
6. NodeManager为任务设置好运行环境（包括环境变量、JAR包、二进制程序等）后，将任务启动命令写到一个脚本中，并通过运行该脚本启动任务。
   
7. 各个任务通过某个RPC协议向ApplicationMaster汇报自己的状态和进度，以让ApplicationMaster随时掌握各个任务的运行状态，从而可以在任务失败时重新启动任务。在应用程序运行过程中，用户可随时通过RPC向ApplicationMaster查询应用程序的当前运行状态。
   
8. 应用程序运行完成后，ApplicationMaster向ResourceManager注销并关闭自己。
   

    当用户向YARN提交一个应用程序后，YARN整个流程的归纳就是：（1）启动ApplicationMaster（2）由ApplicationMaster创建应用程序，为它申请资源，并监控它的整个运行过程，知道运行完成。

PS：第一个Container容器是为MR App Mstr申请的