YARN提交job的流程

最新推荐文章于 2022-10-06 16:25:55 发布

大数据fighting

最新推荐文章于 2022-10-06 16:25:55 发布

阅读量296

点赞数 2

文章标签：队列分布式 mapreduce

本文链接：https://blog.csdn.net/qq_41704237/article/details/107608196

版权

YARN是hadoop的分布式资源管理器，可以为不同的应用提供统一的资源管理和调度，如mapreduce、spack等
在这里插入图片描述
yarn提交job的流程：
首先客户端向Resourcemanage提交作业，申请job ID，RM把此请求交给ApplicationManage，AM处理该请求返回一个作业id和一个hdfs路径。客户端接收到该jobid和hdfs路径，把此job所需的资源（jar包、配置信息，分片信息）等上传到得到的hdfs的路径上上传完成后，想RM申请执行作业，RM把此执行请求给resourceschel，rs调度器把作业放到队列中，当执行相应的请求时，并通知AM分配容器，调用NodeManager开辟容器，创建作业对应的appM，然后AM开辟资源，启动完成后，获取hdfs上存储的资源，根据这些资源创建Map Task和Reduce Task，同时向Rs申请执行毛和reduce task的资源，然后调度器返回执行信息。appM获得执行信息后，通知NM启动该任务，然后NM启动任务，map和reduce task 获取hdfs上的共享文件数据，接下来就正式进入mapreduce阶段。map执行完，在执行reduce。