Hadoop_Yarn学习笔记

Hadoop_Yarn学习笔记

1.什么是Yarn？

• 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，而MapReduce等运算程序则相当于运行于操作系统之上的应用程序
• Yarn基础架构

  • 

  • 主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-372wjg2C-1647175251860)(Hadoop生态圈之MapReduce.assets/1647171384517.png)]

  • ResourceManager（RM）主要作用：

    • 处理客户端请求
    • 监控NodeManager
    • 启动或监控Application
    • 资源的分配和调度

  • NodeManager（NM）主要作用

    • 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

    • 为应用程序申请资源并分配内部的任务
    • 任务的监控与容错

  • Container

    • Container是Yarn中的资源抽象，它封装了某个节点的多维度资源，如COU、内存、磁盘、网络等
• Yarn工作机制

• MR程序提交到客户端所在节点
• YarnRunner向ResourceManager申请一个Application
• RM将该程序的资源返回给YarnRunner
• 该程序将运行所需资源提交到HDFS上
• 程序资源提交完毕之后，申请运行mrAppMaster
• RM将用户的请求初始化为一个Task任务
• 该NodeManager创建容器Container，并产生MRAAppmaster
• Container从HDFS上拷贝资源到本地
• MRAppmaster向RM申请运行MapTask资源
• RM将运行MapTask任务分配给另外两个NodeManager，另两个NodeManager分配到任务并创建容器
• MR向两个接收任务的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
• MrAppMaster等所有的MapTask运行完毕之后，向RM申请容器，运行ReduceTask。
• ReduceTask向MapTask获取相应分区的数据
• 程序运行完毕之后，MR会向RM申请注销自己

2.Yarn调度器和调度算法

目前，Hadoop作业调度主要有三种：FIFO，容量（Capacity Scheduler）和公平（Fair Scheduler）

• 先进先出（FIFO）

  • FIFO调度器（First In First Out）：单队列，根据提交作业的先后顺序，先来先服务。
  • 优点：简单易懂
  • 缺点：不支持多队列，生产环境很少用

• 容量调度器（Capacity Scheduler）

  • 容量调度器特点

    • 多队列：每个队列可配置一定的资源量，每个队列采用FIFO调度资源

    • 容量保证：管理员可以为每个队列设置资源最低保证和资源使用上限

    • 灵活性：如果一个队列中的资源有剩余，可以暂时共享给哪些资源的队列，而一旦该队列有新的应用程序提交，则其他队列借调的资源会归还该队列

    • 多租户：

      支持多用户共享集群和多应用程序同时运行

      为了防止同一个用户的作业独占队列中的资源，该调度器会对同一个用户提交的作业所占的资源进行限定

  • 容量调度器资源分配算法

• 公平调度器（Fair Scheduler）

  • 公平调度器特点

    • 与容量调度器相同点

      • 多队列：支持多队列工作
      • 容量保证：管理员可以为每一个队列设置资源最低保证和资源使用上线
      • 灵活性：如果一个队列中的资源有剩余，可以暂时共享给哪些哪些需要资源的队列，而一旦该队列有新的应用程序提交，则其他队列借调的资源会归还给该队列
      • 多租户：支持多用户共享集群和多应用程序同时运行，为了防止同一个用户的作业独占队列中的资源，该调度器会对同一个用户提交的作业所占资源进行限定。

    • 与容量调度器不同点

      • 核心调度策略不同
        容量调度器：优先选择资源利用率低的队列

        公平调度器：优先选择对资源的缺额比例大的

      • 每个队列可以单独设置资源分配方式
        容量调度器：FIFO、DRF

        公平调度器：FIFO、FAIR、DRF

    • 什么是缺额？

      • 公平调度器设计目标是：在时间尺度上，所有作业获得公平的资源。某一时刻一个作业应获资源和实际获取资源的差距叫“缺额”
      • 公平调度器会优先为缺额大的作业分配资源

• 公平调度器队列资源分配方式

  • FIFO策略：公平调度器每个队列资源分配策略如果选择FIFO的话，就相当于容量调度器

  • Fair策略：是一种基于最大最小公平算法实现的资源多路复用方式，默认情况下，每个队列内部采用该方式分配资源。意味着，如果一个队列中有两个应用程序同时运行，则每个应用程序可得到二分之一的资源。如果三个应用程序同时运行，则每个应用程序可以得到三分之一的资源

  • 具体分配流程和容量调度器一样：

    • 选择队列
    • 选择作业
    • 选择容器

    以上三步，每一步都是按照公平策略分配资源

    实际最小资源份额：mindshare = Min（资源需求量，配置的最小资源）
    是否饥饿：isNeedy = 资源使用量 < mindshare（实际最小资源份额）
    资源分配比：minShareRatio = 资源使用量 / Max（mindshare, 1）
    资源使用权重比：useToWeightRatio = 资源使用量 / 权重
    

• 公平调度器资源分配算法

  • 队列资源分配
    

  • 作业资源分配

  • DRF策略

    • DRF（Dominant Resource Fairness），我们之前说的资源，都是单一标准，例如考虑内存（也是Yarn默认的情况）但是很多时候我们资源有很多种，例如内存，CPU，网络宽带等，这样我们很难衡量两个应用应该分配的资源比例
    • 那么在YARN中，我们用DRF来决定如何调度：假设集群一共有100 CPU和10T 内存，而应用A需要（2 CPU, 300GB），应用B需要（6 CPU，100GB）。
      则两个应用分别需要A（2%CPU, 3%内存）和B（6%CPU, 1%内存）的资源，这就意味着A是内存主导的, B是
      CPU主导的，针对这种情况，我们可以选择DRF策略对不同应用进行不同资源（CPU和内存）的一个不同比
      例的限制。