分布式大数据系统概览（HDFS/MapReduce/Spark/Yarn/Zookeeper/Storm/SparkStreaming/Lambda/DataFlow/Flink/Giraph）

分布式大数据处理系统概览（二）

  本博文主要对现如今分布式大数据处理系统进行概括整理，相关课程为华东师范大学数据科学与工程学院《大数据处理系统》，参考大夏学堂，下面主要整理HDFS/MapReduce/Spark/Yarn/Zookeeper/Storm/SparkStreaming/Lambda/DataFlow/Flink/Giraph有关的内容。

---

分布式大数据处理系统大纲

• 分布式大数据处理系统概览（一）：HDFS/MapReduce/Spark
• 分布式大数据处理系统概览（二）：Yarn/Zookeeper
• 分布式大数据处理系统概览（三）：Storm/SparkStreaming
• 分布式大数据处理系统概览（四）：Lambda/DataFlow/Flink/Giraph

---

6 资源管理系统Yarn

6.1背景：

（1）MapReduce1.0的缺点：资源管理与作业紧密耦合；作业控制管理高度集中（JobTracker存在单点故障风险，JobTracker“大包大揽”内存开销大）
（2）1.0中MapReduce既是计算系统，又是资源管理系统，而2.0中Yarn是独立出来的资源管理系统。

6.2 Yarn体系架构

（1）ResourceManager（RM）：是全局的资源管理器，包括：
# 资源调度器（Result Schedule）：资源分配；
# 应用程序管理器（Application Manager）：所有应用程序的管理工作
（2）NodeManager（NM）：
# NodeManager管理一个YARN集群中的每个节点。NodeManager提供针对集群中每个节点的服务，监控资源使用情况，健康状况；
# 向ResourceManager反馈资源使用情况和每个容器的运行状态；
# 负责管理抽象的容器
（3）ApplicationManager（AM）：
# 与RM进行交互，协商获取资源，并把资源分配给内部的任务；定时向RM报告资源使用情况和应用进度信息；作业完成后向RM注销容器
# 与NM保持通信进行应用程序的管理
# 监控任务的执行进度和状态
（4）Container容器：动态资源分配单位，封装了CPU内存等资源，用于执行计算任务

6.3 Yarn工作原理

（1）生命周期：

（2）资源分配：
# RM调度器Result Schedule维护一个或多个应用队列，每个队列含有一定量的资源，同一个队列内的应用共享同一个资源；
# Yarn进行资源分配的对象是应用，用户提交的应用保存在队列中，队列决定应用使用的资源上限；
# 资源分配的实质是决定如何将资源分配给不同的队列，如何将队列的资源分配给不同的应用。

6.4 Yarn容错

（1）Resource Manager故障：持久化存储系统恢复状态信息；
（2）Node Manager故障：RM认为该结点上的所有任务全部执行失败，AM将向RM重新申请资源，并由RM重新分配其他结点执行对应的任务；如果故障的结点恢复，则向RM重新注册，并恢复状态。

7 协调服务系统ZooKeeper

7.1 ZooKeeper 简介：轻量级的分布式系统

（1）作用：用于解决分布式应用中通用的协作问题
（2）用途：统一命名服务、状态同步服务、集群管理、分布式应用配置项的管理

7.2 ZooKeeper设计思想：

（1）ZooKeeper维护一个类似文件系统的数据结构；
（2）子目录项称为Znode，能够自由的增删改；
（3）Znode四种类型：

（4）监听通知机制：客户端注册监听它关心的目录节点，当目录节点发生变化（数据改变、被删除、子目录节点增加删除）时，zookeeper会通知客户端；
（5）用处：假设我们的程序是分布式部署在多台机器上，如果我们要改变程序的配置文件，需要逐台机器去修改，非常麻烦，现在把这些配置全部放到zookeeper上去，保存在 zookeeper 的某个目录节点中，然后所有相关应用程序对这个目录节点进行监听，一旦配置信息发生变化，每个应用程序就会收到 zookeeper 的通知，然后从 zookeeper 获取新的配置信息应用到系统中。

7.3 ZooKeeper系统架构

（1）服务器Server：每个服务器（节点）维护一个树形结构，其包含：
# 领导者Leader：根据算法选举其中一个节点为领导者，可直接为客户端执行读写操作；
# 追随者Follower：仅提供读操作，写操作需要转发给领导者，可参与选择领导者；
# 观察者Observer：与追随者一样，但不可参与选举领导者；服务器中可没有观察者节点
（2）会话机制：
# 客户端Client：可以在某个Znode上设置Watcher监听Znode变化；一旦发生变化，则通知客户端
# SEESION机制

7.4 ZooKeeper工作原理

（1）为什么选择领导者？

（2）选举领导者过程：

（3）写操作流程：

# step1：客户端与某一服务建立连接；
# step2：若该服务器是追随者或观察者，则将收到的写请求转发给领导者；
# step3：使用分布式一致协议保证每个服务器的数据一致
# step4：数据返回
（4）读请求流程：

# 当客户端发起读请求时，所有服务器均可以执行；
# 数据同步：在读取之前，与领导者保持数据同步；
# 数据返回：领导者返回的数据是最新的，其他服务器返回的结果可能不是最新的，需要进行数据同步；

7.5 ZooKeeper容错

（1）领导者故障：需要重获进行领导选举；
（2）追随者或观察者节点故障：不影响ZooKeeper服务

7.6 ZooKeeper功能应用

（1）命名管理：统一命名服务：树形的名称结构
（2）配置管理：配置信息存在ZooKeeper的某个目录节点上，所有机器watch该目录节点，一旦发生变化，每台机器收到通知，然后获取新的配置信息到应用系统中；
（3）集群管理：监控集群中slave状态；从多个master中选择领导者

---

分布式大数据处理系统大纲

• 分布式大数据处理系统概览（一）：HDFS/MapReduce/Spark
• 分布式大数据处理系统概览（二）：Yarn/Zookeeper
• 分布式大数据处理系统概览（三）：Storm/SparkStreaming
• 分布式大数据处理系统概览（四）：Lambda/DataFlow/Flink/Giraph

---

  博客记录着学习的脚步，分享着最新的技术，非常感谢您的阅读，本博客将不断进行更新，希望能够给您在技术上带来帮助。喜欢请关注+点赞o(￣▽￣)ｄ