Hadoop-理解yarn

YARN 集群也分为Master/Slave架构，主要由ResourceManager，NodeManager， ApplicationMaster，Container等组成。

1. ResourceManager 全局资源管理器，负责整个系统的资源管理分配和任务调度。ResourceManager包含Scheduler调度器和应用程序管理器Application mananger。调度器只是负责资源的分配，资源分配的单位是container，应用程序管理器负责管理整个系统中所有应用程序，包括应用程序提交、与调度器协商资源以启动ApplicationMaster、监控ApplicationMaster运行状态并在失败时重新启动它等。

2. NodeManager是每个节点上的资源和任务管理器，它会向ResourceManager定时汇报本节点的资源使用情况和各个Container的运行状态，同时会接受处理来自ApplicationMaster的对Container的启动/停止请求。NodeManager不会监视具体的任务，他仅监视Container的使用情况。

3. Task是应用程序的具体任务。例如map任务，reduce任务等

4. Container是Yarn中的资源的具体分配单位，封装了CPU和内存资源的容器，相当于是一个Task的运行环境的具体抽象。从实现上看，Container是一个抽象类，里面定义资源信息。在NodeManager节点上拥有许多动态创建的Container。NodeManager会将计算机的CPU和内存的一定值抽离成虚拟值，然后这些虚拟值根据配置组成多个Container，当应用提出申请的时候，会分配相应的Container。
   应用程序运行的Container也分为两类，一类是运行的ApplicationMaster的Container，一类是运行Task的Container。前者是由ResourceManager向内部的调度器申请和启动，后者是又ApplicationMaster向ResourceManager申请，并由ApplicationMaster请求NodeManager启动

5. ApplicationMaster应用内程序管理者。它向ResourceManager申请资源，CPU内存等，并将资源分配给task。一个应用程序对应一个applicationMaster。在用户提交一个应用程序的时候，会启动一个ApplicationMaster实例，ApplicationMaster会启动所需要的的Task，并监控task的运行状态，进度等。应用程序执行完之后，ApplicationMaster会关闭自己并释放Container。

MapReduce的处理过程：

1. 提交MapReduce程序到ResourceManager
2. ResourceManager分配container，并要求NodeManager启动APPMaster。 AppMaster负责此应用程序的整个生命周期。
3. AppMaster向ResourceManager注册(注册成功后，可以通过ResourceManager查看应用程序运行的状态)。AppMaster请求各个应用程序所需要的container
4. AppMaster请求NodeManager使用这些Container运行task。
5. 各个Task通过RPC协议向AppMaster汇报自己的运行状态和进度，如果task运行失败，AppMaster可以要求重新启动。当所有的task完成，AppMaster向ResourceManager注销自己。

欢迎关注我的微信公众号： 北风中独行的蜗牛