【赵渝强老师】Yarn的资源调度策略

  Yarn作为一个资源和任务调度的平台，在实际应用中往往不止一个应用程序运行在Yarn之上，例如：在Yarn上同时运着MapReduce任务、Spark任务和Flink任务等等。这时候Yarn就需要有一种机制进行调度去分配资源给这些应用程序。
  视频讲解如下：

Yarn的资源调度策略
【赵渝强老师】Yarn的资源调度策略

  Yarn的资源调度方式主要有以下三种：

一、FIFO Scheduler

  如下图所示。在t1的时间点上提交运行了Job1，在t2的时间点提交运行了Job2。但此时Job1并没有执行完成，因此Job2需要等待Job1执行完成后，才能运行。这样的资源调度方式存在的问题就是没有考虑任务的优先级。后提交的任务优先级别可能更高，但是无法得到资源运行，一直处于Pending的状态。

二、Capacity Scheduler

  如下图所示，这种资源调度的方式是容器管理的调度方式，适合多租户安全地共享Yarn集群的资源。它采用的队列的方式，可以为不同的队列分配不同的资源比例。任务可以提交到不同的队列，而在同一个队列内部又采用FIFO Scheduler。同时Capacity Scheduler支持用户限制、访问控制、层级队列等等配置。

三、Fair Scheduler

  如下图所示，Fair Scheduler是公平调度策略，能够根据任务的权重公平地分享Yarn集群中的资源。这种调度策略会为所有运行的任务动态分配资源。例如：在t1的时间点，提交了Job1。由于此时整个集群只有这一个任务在运行，它将占有集群的所有资源。在t2的时间点上，提交了Job2。此时，Yarn集群上就有两个任务在运行，它们将各占用系统一半的资源。如果有第三个Job3也提交了上来，这时候每个任务将占有系统三分一的资源。使用Fair Scheduler也可以根据不同任务的权重动态分配资源，权重越大分配的资源也就越多。