大数据---hadoop生态圈之架构HDFS-MR-YARN原理图汇总终极篇

1、HDFS架构原理图

Secondary Namenode流程图

HDFS写流程

官方HDFS架构图

副本存放策略

各个组件概念和作业

Namenode:

存储:文件系统的命名空间

• a.文件名称;
• b.文件目录结构;
• c.文件的属性[权限,创建时间,副本数];
• d.文件对应哪些数据块-->数据块对应哪些datanode节点
•  [blockmap当然namenode节点不会持久的存储这种映射关系,是通过集群在启动和运时,datanode 定期发送blockReport给namenode,以此namenode在内存中来动态维护的这种 映射关系]

 作用:

管理文件系统的命名空间。它维护着文件系统树及整棵树内所有的文件和目录。

这些信息以两个文件形式永久保存在本地磁盘上：命名空间镜像文件fsimage和编辑日志文件editlog。

Datanode:

存储:数据块和数据块校验和与Namenode通信:

• a.每隔3秒发送一个心跳包
• b.每十次心跳发送一次blockReport.

 作用(主要):读写文件的数据块

Scondarynode:

存储:fsimage+editlog
 作用:定期合并fsimage+editlog文件为新的fsimage 推送给namenode.俗称检查点动作,checkpoint.
 参数:fs.checkpoint.period-->1h fs.checkpoint.size -->64M

2、hadoop MapReduce  YARN体系

MapReduce 1.x

MR1是hadoop1.x中作为计算和资源调度使用，

含有JobTracke TaskTracke 作为计算 

map task

reduce task

MapReduce 2.x

YARN工作流程(mr提交应用程序)

1:用户向YARN中提交应用程序，其中包括ApplicationMaster程序、启动ApplicationMaster的命令、用户程序等。
2:ResourceManager为该应用程序分配第一个Container，并与对应的Node-Manager通信，要求它在这个Container中启动应用程序的ApplicationMaster。
3:ApplicationMaster首先向ResourceManager注册，这样用户可以直接通过ResourceManage查看应用程序的运行状态，然后
它将为各个任务申请资源，并监控它的运行状态，直到运行结束，即重复步骤4~7。
4:ApplicationMaster采用轮询的方式通过RPC协议向ResourceManager申请和领取资源。
5:一旦ApplicationMaster申请到资源后，便与对应的NodeManager通信，要求它启动任务。
6:NodeManager为任务设置好运行环境（包括环境变量、JAR包、二进制程序等）后，将任务启动命令写到一个脚本中，并通
过运行该脚本启动任务。
7:各个任务通过某个RPC协议向ApplicationMaster汇报自己的状态和进度，以让ApplicationMaster随时掌握各个任务的运行
状态，从而可以在任务失败时重新启动任务。在应用程序运行过程中，用户可随时通过RPC向ApplicationMaster查询应用程序
的当前运行状态。

8:应用程序运行完成后，ApplicationMaster向ResourceManager注销并关闭自己

总结：

 
Yarn的基本思想是拆分资源管理的功能，作业调度/监控到单独的守护进程
ApplicationMaster 每一个job有一个ApplicationMaster
NodeManager，NodeManager是基本的计算框架 NodeManager节点，包含Container（运行任务容器）

角色
ResourceManager(RM)：
主要接收客户端任务请求，接收和监控NodeManager(NM)的资源情况汇报，
负责资源的分配与调度，启动和监控ApplicationMaster(AM)。


ResourceManager(RM)：
负责对各NM上的资源进行统一管理和调度。将AM分配空闲的Container运行并监控其运行状态。
对AM申请的资源请求分配相应的空闲Container。主要由两个组件构成：调度器和应用程序管理器。

调度器(Scheduler)：
调度器根据容量、队列等限制条件（如每个队列分配一定的资源，最多执行一定数量的作业等），将系
统中的资源分配给各个正在运行的应用程序。调度器仅根据各个应用程序的资源需求进行资源分配，而资源分配单位是
Container，从而限定每个任务使用的资源量。Shceduler不负责监控或者跟踪应用程序的状态，也不负责任务因为各种原 因而需要的重启（由ApplicationMaster负责）。总之，调度器根据应用程序的资源要求，以及集群机器的资源情况，为应用程序 分配封装在Container中的资源。
调度器是可插拔的，例如CapacityScheduler、FairScheduler。


应用程序管理器(Applications Manager)：
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AM、监控AM运行状态并在失败时重新启动等，跟踪分给的Container的进度、状态也是其职责。

NodeManager (NM)：
NM是每个节点上的资源和任务管理器。它会定时地向RM汇报本节点上的资源使用情况和各个Container的
运行状态；同时会接收并处理来自AM的Container 启动/停止等请求。


ApplicationMaster (AM)：
用户提交的应用程序均包含一个AM，负责应用的监控，跟踪应用执行状态，重启失败任务等。
ApplicationMaster是应用框架，它负责向ResourceManager协调资源，并且与NodeManager协同工作完成Task的执行和监控。
MapReduce就是原生支持的一种框架，可以在YARN上运行Mapreduce作业。有很多分布式应用都开发了对应的应用程序框架，用
于在YARN上运行任务，例如Spark，Storm等。如果需要，我们也可以自己写一个符合规范的YARN application。

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，当AM向RM申请资源时，
RM为AM返回的资源便是用Container 表示的。 YARN会为每个任务分配一个Container且该任务只能使用该Container中
描述的资源。