为什么我们管Yarn叫作资源调度框架

我们知道，Hadoop主要由三部分组成，除了之前说的MapReduce，还有分布式文件存储系统HDFS，和分布式集群资源调度框架Yarn。本篇专栏就来主要的来说一下Yarn框架，它使Hadoop从一个单一的大数据计算引擎，成为了一个集存储，计算，资源管理为一体的大数据平台，进而发展出自己的大数据体系。

Yarn的发展

首先我们来看一下，单纯MapReduce的架构思路：MapReduce最核心的就是JobTracker与TaskTracker相互之间的通信，由JobTracker分派任务，监控TaskTracker完成任务。

这样有什么缺点吗？

这样服务器的资源调度和MapReduce的执行过程耦合在一起，如果想要在在当前集群中运行其他任务，比如Spark或者Storm，就无法共同使用这个过程中的资源了。

Yarn作为一种资源调度器，架构图如下：

从图中我们可以看出，Yarn分为两个部分，一个是资源管理器(Resource Manager)，一个是节点管理器(Node Manager)。这也是我们经常会起的两种集群，ResourceManager进程主要负责整个集群的资源调度管理，通常部署在独立的服务器上。NodeManager进程负责的是具体服务器上的资源管理，在集群的每一台计算服务器上都会启动，基本与HDFS的DataNode一起出现。

这也就是上篇专栏说的，相同的架构模式：一主多从。

ResourceManager

具体来说，ResourceManager又包括两个组件：调度器和应用程序管理器。

<1> 调度器

调度器其实就是一个资源分配算法，根据Client提交的资源申请和当前服务器集群的资源状况进行资源分配。Yarn内置了几种调度器算法：Fair Scheduler、Capacity Scheduler等等，当然也可以自己写这个调度算法。

Yarn进行资源调度的单位是容器(Container)，每个容器都有自己的内存，CPU计算资源。默认配置下，都是一核的。这个容器由NodeManager启动和管理，然后实时收集相关信息告诉给ResourceManager。

<2>应用程序管理器

应用程序管理器主要负责程序的提交，监控应用程序的运行状态等等。应用程序启动之后，会首先在集群中默默启动一个东西，叫ApplicationMaster，ApplicationMaster也需要运行在容器里面。

而ApplicationMaster会在程序运行的时候，按照需求，去找ResourceManager申请容器资源，然后分发自己的应用程序代码到容器上进行分布式计算。

以一个MapReduce程序为例，让我们来看看Yarn的工作流程

1. 我们向Yarn提交应用程序，包括MapReduce 的 ApplicationMaster 、 MapReduce的程序本身，以及MapReduce Application启动的指令。

2. 由ResourceManager 去和NodeManager通信，根据集群资源，为用户分配第一个容器，并且将MapReduce 的 ApplicationMaster分发到这个容器上启动。

3. MapReduce 的 ApplicationMaster启动后立刻向ResourceManager进程进行注册，并且申请运算需要的容器资源。

4. MapReduceApplicationMaster申请到需要的容器资源之后，立刻去找自己节点对应的NodeManager通信，将MapReduce程序分发给NodeManager，然后在容器中运行，运行的是Map或者Reduce任务。

5. Map或者Reduce任务在运行期，和MapReduce 的 ApplicationMaster进行通信，汇报自己的运行状态，如果运行结束，MapReduce 的 ApplicationMaster就会向ResourceManager进程注销并且释放所有的容器资源。

MapReduce如果想要在Yarn上运行，就需要遵循MapReduce ApplicationMaster的规范，并且，不仅仅是MapReduce，其他的像spark storm也一样，也需要遵循yarn规范的xxx Application Master，这样就实现了并发执行各种各样不同的大数据计算框架，实现资源的统一管理。

那么还有一个问题：为什么HDFS是系统，MapReduce和Yarn都是框架？

那是因为，框架在设计的思路上有一个重要的设计原则，叫“依赖倒转原则”，依赖倒转原则是高层模块不能依赖低层模块，他们应该共同依赖一个抽象，这个抽象由高层模块定义，由低层模块实现，就像，一主多从一样。

那么，什么是高层模块，什么是底层模块？

以JavaWeb为例：

1. 用户从前端发送请求之后，最先处理这些请求的是像Tomcat Jetty这些JavaWeb容器，通过监听80端口，将HTTP请求以二进制流封装成为request对象。
2. 然后到达SpringMVC框架，把Request里面的用户参数抽取出来，根据URL给予对应的Model对象处理。
3. 紧接着，在应用程序处理用户请求，完成实际业务，这就又分为了服务层和数据持久层。

在这个例子中，Tomcat相对于SpringMVC就是高层模块，相对于我们的应用程序也是高层模块。

但是Tomcat并不依赖于这二者，但虽然不依赖，但是却可以做到线相互通信，这是为什么？

因为Tomcat和SpringMVC都依赖于J2EE规范，SpringMVC还实现了J2EE规范的HTTPServlet抽象类，也就是DispatchServlet，配置在Web.xml中。这样Tomcat就可以使用DispatchServlet处理用户请求了。

同样，SpringMVC也不依赖于应用程序，也就是Java代码，而是通过依赖SpringMVC的配置文件或者Annotation抽象，来调用Java代码。

所以，Tomcat和SpringMVC都算是框架。

然后回来说MapReduce和Yarn。

我们通过实现Map Redce接口，遵循MapReduce的编程规范，就可以实现分布式计算了。实现了Yarn的接口规范，就可以被yarn调度管理，统一安排服务器资源，所以这二者都是框架。

相反地，HDFS就不是框架，使用HDFS就是直接调用HDFS提供的API接口，HDFS作为底层模 块被直接依赖。