Hadoop文档（2.9.2） - YARN架构

YARN最基本的想法就是将资源管理的功能和作业调度/监控的功能分隔在不同的进程中。即使用一个全局的资源管理器（RM）和每个应用一个的应用节点（AM）。应用要么是一个单独的作业，要么是一组满足有向无环图的作业。

资源管理器和节点管理器共同组成了数据计算框架。资源管理器负责为系统中的应用分配资源。节点管理器是各个机器的框架代理，负责管理容器，监控资源使用情况（CPU，内存，磁盘，网络）并向资源管理器/调度器报告。

AM（ApplicationMaster）以应用为单位，它实际是一个特定于框架的类库，它从资源管理器申请资源，在节点管理器上运行并监控任务。

image

资源管理器有两个主要组件：调度器和应用管理器（ApplicationManager）。

调度器负责根据容量，队列等限制为容器分配资源，它不负责监控或跟踪应用的状态，它也不保证会在应用故障或硬件故障后重启失败的任务。调度器根据应用对资源的要求执行调度工作，即对资源做的抽象：容器，容器包含的元素有内存，CPU，磁盘和网络等。

调度器有一个可以按照队列或应用将资源分组的可插拔策略。当前的调度器CapacityScheduler和FairScheduler都使用了这个策略。

应用管理器负责接受作业提交，为特定与AM的应用协商第一个容器，并在发生故障是重启AM容器。AM负责从调度器协商容器资源，跟踪并监控状态。

YARN也支持资源预留概念，使用ReservationSystem实现，该组件允许用户指定一个有关超时和时序约束（例如deadline）的配置，并预留资源来确保重要的作业可以正常运行。ReservationSystem随着时间追踪资源，执行预留的准入控制，并动态指示调度器确保预留了足够资源。

为了将YARN扩展至上千个节点，YARN通过YARN federation特性提供了联合概念。联合特性可以将多个YARN集群联结起来，对外看起来像是一个集群。这个特性可以实现大规模扩展，或者可以用对个独立集群运行超大作业。