Hadoop 之 Yarn

最新推荐文章于 2023-03-29 14:17:19 发布

「已注销」

最新推荐文章于 2023-03-29 14:17:19 发布

阅读量258

点赞数 1

分类专栏： Hadoop 文章标签： Yarn

本文链接：https://blog.csdn.net/wild_ghosts/article/details/100588689

版权

Hadoop 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

1 概述

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运行于操作系统之上的应用程序。

2 Yarn 基本架构

3 Yarn 工作机制

工作机制详解：

1）MR 程序提交到客户端所在的节点。

2）YarnRunner 向 ResourceManager 申请一个 Application。

3）RM 将该应用程序的资源路径返回给 YarnRunner。

4）该程序将运行所需资源提交到 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成一个 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。

4 作业提交全过程

4.1 作业提交过程之 YARN

作业提交全过程详解：

1）作业提交

Client调用 job.waitForCompletion() 方法，向整个集群提交 MapReduce 作业。
Client 向 RM 申请一个作业 id。
RM 给 Client 返回该 job 资源的提交路径和作业 id。
Client 提交 jar 包、切片信息和配置文件到指定的资源提交路径。
Client 提交完资源后，向 RM 申请运行 MrAppMaster。

2）作业初始化

当 RM 收到 Client 的请求后，将该 job 添加到容量调度器中。
某一个空闲的 NM 领取到该 Job。
该 NM 创建 Container，并产生 MRAppmaster。
下载 Client 提交的资源到本地。

3）任务分配

MrAppMaster 向 RM 申请运行多个 MapTask 任务资源。
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。

4）任务运行

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。
MrAppMaster 等待所有 MapTask 运行完毕后，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 秒都会通过调用 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核查。

4.2 作业提交过程之 MapReduce

5 资源调度器

目前，Hadoop作业调度器主要有三种：FIFO、Capacity Scheduler和Fair Scheduler。Hadoop2.7.2默认的资源调度器是Capacity Scheduler。

[yarn-default.xml]

<property>
    <description>The class to use as the resource scheduler.</description>
    <name>yarn.resourcemanager.scheduler.class</name>
    <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
</property>