Yarn的学习笔记

最新推荐文章于 2023-05-28 11:37:17 发布

阿朱__

最新推荐文章于 2023-05-28 11:37:17 发布

阅读量328

点赞数

分类专栏：大数据文章标签：大数据

本文链接：https://blog.csdn.net/qq_41371858/article/details/106867022

版权

大数据专栏收录该内容

2 篇文章 0 订阅

订阅专栏

文章目录

1、Yarn基本架构

Yarn 资源调度器

Yarn是一个资源高度平台，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 的基本架构

Yarn主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成，如图：

在这里插入图片描述

2、Yarn工作机制

1．Yarn运行机制，如图所示。

Yarn运行机制

2．工作机制详解

（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）程序资源提交完毕后，申请运行mrAppMaster。
（6）RM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RM申请运行MapTask资源。
（11）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。
（12）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。
（13）MrAppMaster等待所有MapTask运行完毕后，向RM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，MR会向RM申请注销自己。

3、作业提交全过程

1．作业提交过程之YARN，如图所示。

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。

2．作业提交过程之MapReduce，如图所示

在这里插入图片描述

4、资源调度器

目前，Hadoop作业调度器主要有三种：FIFO（先进先出）、CapacityScheduler（容量高度器）和FairScheduler（公平调度器）。
Hadoop2.7.2默认的资源调度器是CapacityScheduler。
具体设置详见：yarn-default.xml文件

Theclasstouseastheresource
scheduler.
yarn.resourcemanager.scheduler.class
org.apache.hadoop.yarn.server.resourcemanager.scheduler.
capacity.CapacityScheduler

1．先进先出调度器（FIFO），如图所示

在这里插入图片描述

2．容量调度器（CapacityScheduler），如图所示

在这里插入图片描述

3．公平调度器（FairScheduler），如图所示

在这里插入图片描述

5、任务的推测执行

1．作业完成时间取决于最慢的任务完成时间

一个作业由若干个Map任务和Reduce任务构成。因硬件老化、软件Bug等，某些任务
可能运行非常慢。
思考：系统中有99%的Map任务都完成了，只有少数几个Map老是进度很慢，完不成，
尚硅谷大数据技术之Hadoop（YARN）
—————————————————————————————
怎么办？

2．推测执行机制

发现拖后腿的任务，比如某个任务运行速度远慢于任务平均速度。为拖后腿任务启动一
个备份任务，同时运行。谁先运行完，则采用谁的结果。

3．执行推测任务的前提条件

（1）每个Task只能有一个备份任务
（2）当前Job已完成的Task必须不小于0.05（5%）
（3）开启推测执行参数设置。mapred-site.xml文件中默认是打开的。

<property>
<name>mapreduce.map.speculative</name>
<value>true</value>
<description>Iftrue,thenmultipleinstancesofsomemaptasks
maybeexecutedinparallel.</description>
</property>
<property>
<name>mapreduce.reduce.speculative</name>
<value>true</value>
<description>Iftrue,thenmultipleinstancesofsomereduce
tasksmaybeexecutedinparallel.</description>
</property>