MapReuce笔记二之MR任务在yarn容器中的资源管理

Yarn是hadoop2.0之后引入的一个资源管理层，mapreduce也仅是yarn的一种应用模式，按照既定的协议从yarn中申请cpu,内存等资源。

Yarn由五部分组成，recouceManager(RM),nodeManager(NM),ApplicationMaster(AM),容器(container),客户端(client)。

    RM：负责集群资源的管理由调度器和应用管理器组成，调度器负责为集群中所有的应用分配资源。

    NM：负责本地节点资源管理。

    AM：应用的守护进程，负责与RM进行资源协商。应用提交后，RM的调度器和应用管理器协商后得到一个容器用以启动AM，AM启动后通过心跳机制与RM通信目的主要是为应用申请资源。

    容器：分配给应用资源的抽象形式。

    客户端：一个实例用来向RM提交应用。

MapReduce计算框架在运行时分为两部分，一部分称为MRAppMaster负责管理，其余的全是任务他们都运行在yarn容器中。Yarn容器在hadoop框架中负责资源管，分为ResourceManager和DataManager，ResourceManager在主节点上负责集群资源分配调度，DataManager在从节点上负责单节点的资源管理。

         我们通过Hadoopjar执行MapReduce架包( jar文件)：

         1：首先将架包文件上传到hdfs中，然后再将地址告诉ResourceManager。

         2：ResourceManager从地址中拿到jar后会分析其代码，分析后发现这是一个MapReduce程序，然后从集群中的某一个DataManag