HDFS,YARN,MapReduce三者之间的关系

 

HDFS:DataNode存储数据，NameNode负责告诉别人数据存储在哪个节点，哪些信息，2NN，备份NameNode.

YARN:整个集群资源的管理。

MapReduce:

（1）分布式的运算程序往往需要分成至少 2 个阶段。
（2）第一个阶段的 MapTask 并发实例，完全并行运行，互不相干。
（3）第二个阶段的 ReduceTask 并发实例互不相干，但是他们的数据依赖于上一个阶段的所有MapTask 并发实例的输出。
（4）MapReduce 编程模型只能包含一个 Map 阶段和一个 Reduce 阶段，如果用户的业务逻辑非常复杂，那就只能多个 MapReduce 程序，串行运行。

大致过程：

1、有一个client（可以代码调用，一些页面访问入口等）,向集群提交一个任务，比如查询某某文件。

 2、client提交完任务之后，YARN中的ResourceManger找一个节点,开启一个Container,然后把任务放到Container中，任务叫App Mstr,App Mstr向ResourceManger申请，任务开启所需资源。ResourceManger寻找哪些节点有资源，App Mstr开启Map Task,相当于Map阶段。每一个Map Task独立运行，最终把结果汇总写入磁盘HDFS上。