画图详解yarn的资源调度流程
作业提交
- Client调用job.waitForCompletion⽅法，向整个集群提交MapReduce作业。
- Client向RM申请一个作业id。
- RM给Client返回该job资源的提交路径和作业id。
- Client提交jar包、切⽚信息和配置文件到指定的资源提交路径。
- Client提交完资源后，向RM申请运行MrAppMaster。
作业初始化
- 当RM收到Client的请求后，将该job添加到容量调度器中。
- 某⼀个空闲的NM领取到该Job。
- 该NM创建Container，并产生MRAppmaster。
- 下载Client提交的资源到本地。
任务分配
- MrAppMaster向RM申请运行多个MapTask任务资源。
- RM将运行MapTask任务分配给另外两个NodeManager，另两个NodeManager分别领取任务并创建容器。
任务运行
- MrAppMaster向两个接收到任务的NodeManager发送程序启动脚本，这两个NodeManager分别启动MapTask，MapTask对数据分区排序。
- MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。
- ReduceTask向MapTask获取相应分区的数据。
- 程序运行完毕后，MrAppMaster会向RM申请注销⾃己。
进度和状态更新
YARN中的任务将其进度和状态返回给应⽤管理器, 客户端每秒(通过mapreduce.client.progressmonitor.pollinterval设置)向应⽤管理器请求进度更新, 展示给用户。
作业完成
除了向应用管理器请求作业进度外, 客户端每5秒都会通过调用waitForCompletion()来检查作业是否完成。时间间隔可以通过mapreduce.client.completion.pollinterval来设置。作业完成之后, 应用管理器和Container会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户核查。
