applicationmaster故障后如何处理

MRAPPMaster向resourcemanager发送周期性的心跳报告。当resourcemanager发现MRAPPMaster故障时，会在一个新的容器(由节点管理器管理)开始一个新的MRAPPMaster实例，新的MRAPPMaster实例可以恢复故障任务的状态，使其不必重复运行，默认是不恢复，可设置。客户端是会通过心跳周期性的向MRAppMaster获取进度轮询，当MRAPPMaster故障，客户端会重新定位新的MRAPPMaster实例位置。

客户端定位MRAPPMaster的过程为：

• 在作业初始阶段，客户端会向resourcemanager询问并缓存MRAPPMaster的位置，使其每次向MRAPPMaster查询时不需要重新载入resourcemanager，但是mrappmaster运行失败，客户端不能获得进度状态时，会重新向resourcemanager询问。

节点管理器运行实败：节点管理器会停止向resourcemanager 发送心跳，并被移除可用节点管理器池

对于resourcemanager，可以通过zookeeper实现HA，避免一个resourcemanager出现单点故障，其脑裂问题是由zookeeper的ACL来实现的。YARN的单点故障指的是ResourceManager单点问题

ResounceManager 负责整个系统的资源管理和调度

• 内部维护了各个应用程序的applicationmaster信息、nodemanager信息、资源使用信息等。

考虑到这些信息绝大多数可以动态重构，因此解决YARN单点故障要比HDFS单点容易很多。

与HDFS 类似

• YARN的单点故障仍然由主备切换的方式完成，不同的是，备节点不会同步主节点的信息，而是在切换之后，才从共享存储系统读取所需信息。是因为YARN resourcemanager内部保存的信息非常少，大部分可以重构，而且这些信息是动态变化的。