Yarn-基础架构、工作机制和作业提交全过程（From 尚硅谷）

个人学习整理，所有资料来自尚硅谷
B站学习连接：添加链接描述

Yarn-基础架构、工作机制和作业提交全过程

思考：

• 如何管理集群资源？

• 如何给任务合理分配资源？

  ​ Yarn是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式的操作系统平台，而MapReduce等运算程序则相当于操作系统之上的应用程序。

1. Yarn基础架构

YARN主要由ResouceManager、Node Manager、Application aster和Container等组件构成。

Resource Manager(RM)主要作用如下：

• 处理客户端请求

• 监控Node Manager

• 启动或监控ApplicationMaster

• 资源的分配和调度

NodeManager(NM)主要作用如下：

• 管理单个节点上的资源
• 处理来自ResourceManager的命令
• 处理来自ApplicationMaster的命令

ApplicationMaster(AM)作用如下：

• 为应用程序申请资源并分配被内部的任务
• 任务的监控与容错

Container：

• Container是YARN中的资源抽象，它封装了某个节点上的多维资源，如内存、CPU、磁盘、网路等。

2. Yarn工作机制

（1）MR程序提交到客户端所在的节点。

（2）Yarn Runner向ResourceManager申请一个Application。

（3）RM将应用程序的资源路径返回给Yarn Runner。

（4）该程序将运行所需资源(Job. Split、Job.xml、wc.jar)提交到HDFS上。

（5）程序资源提交完毕后，申请运行mrAppMaster。

（6）RM将用户的请求初始化一个Task。

（7）其中一个NodeManager领取到Task任务。

（8）该NodeManager创建容器Container，并产生MRAppmaster。

（9）Container从HDFS上拷贝资源到本地。

（10）MRAppmaster向RM申请运行MapTask资源。

（11）RM将运行MapTask任务分配给另外两个NodeManager，另外两个NodeManager分别领取任务并创建容器。

（12）MR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。

（13）MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。

（14）ReduceTask向MapTask获取相应分区的数据。

（15）程序运行完毕后，MR会向RM申请注销自己。

3. 提交作业全过程

HDFS、YARN、MapReduce三者关系：

作业提交过程之YARN：

作业提交过程之HDFS&MapReduce：

作业提交全过程详解：

（1）作业提交

第1步：Client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。

第2步：Client向RM申请第一个作业id。

第3步：RM给Client返回该job资源的提交路径和作业id。

第4步：Client提交jar包、切片信息和配置文件到指定的资源提交路径。

第5步：Client提交完资源后，向RM申请运行MRAppMaster。

（2）作业初始化

第6步：当RM收到Client的请求后，将该job添加到容量调度器中。

第7步：某一个空闲的NM领取到该Job。

第8步：该NM创建Container，并产生MRAppmaster。

第9步：下载Client提交的资源到本地。

（3）任务分配

第10步：MRAppMaster向RM申请运行多个MapTask任务资源。

第11步：RM将运行MapTask任务分配给另外两个NodeManager，另外两个NodeManager分别领取任务并创建容器。

（4）任务运行

第12步：MR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。

第13步：MRAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。

第14步：ReduceTask向MapTask获取相应分区的数据。

第15步：程序运行完毕后，MR会向RM申请注销自己。

（5）进度和状态更新

​ YARN中的任务将其进度和状态（包括counter）返回给应用管理器，客户端每秒（通过mapreduce.client.progressmonitor.pollinterval设置）向应用管理器请求进度更新，展示给用户。

（6）作业完成

​ 除了向应用管理器请求作业进度外，客户端每5秒都会通过waitForCompletion()来检查作业是否完成。时间间隔可以通过mapreduce.client.completion.pollinterval来设置。作业完成之后，应用管理器和Container会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户检查。