Yarn框架原理

一、Yarn框架原理

1.基本介绍

YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成。

1.ResourceManager(RM)主要作用如下

  1. 处理客户端请求
  2. 监控NodeManager
  3. 启动或监控ApplicationMaster
  4. 资源的分配与调度

2.NodeManager(NM)主要作用如下

  1. 管理单个节点上的资源
  2. 处理来自ResourceManager的命令
  3. 处理来自ApplicationMaster的命令

3.ApplicationMaster(AM)主要作用下

  1. 为应用程序申请资源并分配给内部的任务
  2. 任务的监控与容错

4.Container主要作用下

  1. Container是YARN中的资源抽象,它封装了某个节点上的多位度资源,如内存、cpu、磁盘、网络等

2.Yarn工作机制☆☆☆

在这里插入图片描述

  1. Mr程序提交任务,创建一个YranRunner(集群模式)并向ResourceManager申请一个Application
  2. RM将该应用程序的资源路径返回给YarnRunner
  3. 该程序将运行所需资源提交到HDFS上,如:切片信息、jar包、xml文件等
  4. 提交完成以后,申请运行MRApplicationMaster
  5. RM将用户的请求初始化成一个Task,可能会有多个任务,于是把任务放到一个任务队列中,默认是一个Capacity(容量调度器)
  6. 集群其中一个NodeManager领取队列中的Task任务,同时创建容器Container,并产生MRAppMaster(因为任何任务的执行都是在容器中执行的)
  7. Container从HDFS上拷贝资源到本地 如:切片信息等
  8. MRAppMaster向RM 申请运行MapTask资源。如果切片是两个,就开启两个MapTask
  9. 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。
  10. MRAppMaster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。
  11. MrAppMaster等待所有MapTask运行完毕后,向RM申请容器,运行ReduceTask。
  12. ReduceTask向MapTask获取相应分区的数据。
  13. 程序运行完毕后,MRAppMaster会向RM申请注销自己

3.Yarn调度器

目前,Hadoop作业调度器主要有三种:FIFO容量(Capacity Scheduler)和公平(Fair Scheduler)。
Apache Hadoop3.1.3 默认的资源调度器是Capacity Scheduler。
CDH框架默认调度器是Fair Scheduler。

  1. FIFO Scheduler:先进先出调度器:优先提交的,优先执行,后面提交的等待【生产环境不会使用】
  2. Capacity Scheduler:容量调度器:允许看创建多个任务对列,多个任务对列可以同时执行。但是一个队列内部还是先进先出。
  3. Fair Scheduler:公平调度器:第一个程序在启动时可以占用其他队列的资源(100%占用),当其他队列有任务提交时,占用资源的队列需要将资源还给该任务。还资源的时候,效率比较慢。
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

王博1999

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值