一、Yarn基本架构
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在操作系统之上的应用程序。
Yarn主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成。
各组件功能
1.ResourceManager(RM)主要功能:
(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。
2.NodeManager(NM)主要功能如下
(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AoolicationMaster的命令
3.ApplicationMaster(AM)作用如下:
(1)负责数据的切分·
(2)为应用程序申请资源并分配给内部的任务
(3)任务的监控与容错
4.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。
二、Yarn工作机制
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.将该程序运行所需要的资源提交到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,另外两个NodeManager分别领取任务并创建容器。
12.MRAppMaster向两个接受到任务的NodeManager发送启动程序的脚本,这两个NM分别启动MapTask,并对MapTask进行分区排序等处理。
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注销自己。
三、工作机制详解
1.作业提交
(1)Client调用job.waitForCompletion方法,向整个集群提交MR作业
(2)Client向RM申请一个作业id
(3)RM给Client返回该job资源的提交路径和作业id
(4)Client提交jar包,切片信息和配置文件到指定的资源提交路径路径
(5)Client提交完资源后,向RM申请运行MRAppMaster
2.作业初始化
(6)当RM收到Client的请求后,将该job添加到容量调度器中
(7)某一个空闲的NM领取到该job
(8)该NM创建Container,并生产MRAppMaster
(9)下载Client提交的资源到本地
3.任务分配
(10)MRAppMaster向RM申请运行多少个MapTask任务资源
(11)RM将运行MapTask任务分配给另外两个NM,另外两个NM分别领取任务并创建容器
4.任务运行
(12)MR向两个接受到任务的NM发送程序启动脚本,这两个NM分别启动MapTask,并对MapTask对数据进行分区排序
(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