Hadoop 3.x|第十六天|Yarn框架（基础架构，工作机制，作业提交过程）

Yarn框架

定义

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。

基础架构

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

Yarn各组件的功能

ResourceManager

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

NodeManager

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

ApplicationMaster

1. 为应用程序程序申请资源并分配给内部的任务
2. 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度资源，如内存，CPU，磁盘，网络等。

示意图

工作机制

流程

1. MR程序提交到客户端所在的节点。
2. 此时会生成YarnRunner（本地作业为LocalRunner）向ResourceManager申请一个Application。
3. ResourceManager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，资源为：对应的文件切片（控制开启多少MapTask），xml（任务参数的配置），jar包（程序代码）
5. 程序资源提交完毕后，申请运行MRAppmaster。
6. ResourceManager内部产生一个任务，将用户的请求初始化成一个Task。有很多任务的时候，会把所有的任务放到一个任务调度队列里面。
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ResourceManager申请运行MapTask资源。
11. ResourceManager将运行MapTask任务分配给另外两个NodeManager，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。

示意图

作业提交

流程

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。

图