Hadoop生态之Yarn知识点总结

一、简介

YARN（Yet Another Resource Negotiator）是一个通用的资源管理平台，可为各类计算框架提供资源的管理和调度。 
其核心出发点是为了分离资源管理与作业调度/监控，实现分离的做法是拥有一个全局的资源管理器（ResourceManager，RM），以及每个应用程序对应一个的应用管理器（ApplicationMaster，AM），应用程序由一个作业（Job）或者Job的有向无环图（DAG）组成。

YARN可以将多种计算框架(如离线处理MapReduce、在线处理的Storm、迭代式计算框架Spark、流式处理框架S4等) 部署到一个公共集群中，共享集群的资源。并提供如下功能：

• 资源的统一管理和调度： 
  集群中所有节点的资源(内存、CPU、磁盘、网络等)抽象为Container。计算框架需要资源进行运算任务时需要向YARN申请Container， YARN按照特定的策略对资源进行调度进行Container的分配。

• 资源隔离： 
  YARN使用了轻量级资源隔离机制Cgroups进行资源隔离以避免相互干扰，一旦Container使用的资源量超过事先定义的上限值，就将其杀死。

二、Yarn结构体系

 

1 RM(ResourceManager) + N NM(NodeManager)

ResourceManager

         1）处理客户端的请求(启动/杀死)
         2）启动/监控ApplicationMaster(一个作业对应一个AM)
         3）监控NM
         4）系统的资源分配和调度

           一个集群active状态的RM只有一个，负责整个集群的资源管理和调度

NodeManager

         1）定期向RM汇报本节点的资源使用请求和各个Container的运行状态
         2）接收并处理RM的container启停的各种命令
         3）单个节点的资源管理和任务管理

         整个集群中有N个，负责单个节点的资源管理和使用以及task的运行情况

ApplicationMaster

         1）数据切分
         2）为应用程序向RM申请资源(container)，并分配给内部任务
         3）与NM通信以启停task， task是运行在container中的
         4）task的监控和容错

         每个应用/作业对应一个，负责应用程序的管理

Container

         对任务运行情况的描述：cpu、memory、环境变量

YARN执行流程

         1）用户向YARN提交作业
         2）RM为该作业分配第一个container(AM)
         3）RM会与对应的NM通信，要求NM在这个container上启动应用程序的AM
         4)  AM首先向RM注册，然后AM将为各个任务申请资源，并监控运行情况
         5）AM采用轮训的方式通过RPC协议向RM申请和领取资源
         6）AM申请到资源以后，便和相应的NM通信，要求NM启动任务
         7）NM启动我们作业对应的task