Hadoop2.0之YARN组件

　　官方文档：https://hadoop.apache.org/docs/stable/，目前官方已经是3.x，但yarn机制没有太大变化

一、简介

　　在Hadoop1.0中，没有yarn，所有的任务调度和资源管理都是MapReduce自己来做，所以在Hadoop1.0中，最核心的节点是JobTracker。在整个MapReduce集群中，JobTracker的性能基本决定了整个集群的性能。经过试验，发现在Hadoop1.0中，JobTracker所能管理的节点数量最多不要超过4000，一旦超过4000个节点，则整个集群的性能会成倍下降。

　　在Hadoop2.0中，为了解决性能下降的问题，引入了yarn来进行管理，从Hadoop2.0开始，MapReduce变成了一个纯粹的计算框架，不再负责管理

　　

　　Yarn组件包括：

　　　　1）ResourceManager-资源管理：负责资源的监控和分配

　　　　　　①ApplicationsManager：负责为任务分配资源

　　　　　　②Schedular：负责将任务以及资源发给ApplicationMaster

　　　　2）ApplicationMaster：负责任务调度和监控，并不是一个主进程，在启动Yarn的时候，不会单独占用一个节点

　　　　3）NodeManager：任务执行：功能和原来的TaskTracker一致

 二、MR V1.0与V2.0比较

1、v1.0 MR图解说明

　　

 2、v2.0 MR图解说明

三、Yarn体系架构图

执行流程：

　　① JobClient执行run job阶段,检测各种job运行环境参数

　　② 向ResourceManager申请job id

　　③ 将Job的运算资源,上传到HDFS

　　④ submit job

　　⑤

　　　　a：start container,启动容器,这一步的容器的资源封装,限定的是AppMaster进程

　　　　b：根据容器的资源描述情况,启动AppMaster进程(用于负责对应Job的任务分配和监控)

　　⑥~⑦：初始化job,统计出当前job的MapTask数量和ReduceTask数量

　　⑧：AppMaster向RM申请资源,RM收到请求后,会为对应的Job创建一个资源队列

　　⑨

　　　　a：在具体的NM上启动容器

　　　　b：根据容器启动对应的工作进程

　　⑩ 获取job的运算资源

　　⑪ 在进程中运行MapTask或ReduceTask

四、Yarn执行流程

　　

①将Job任务提交到RM

②在RM中，子组件ResourceManager会为提交的job任务分配执行所需要的资源，资源主要包含这个任务执行所需要的内存、cpu核数，将分配的资源封装到一个Container对象中。如果不指定，则默认每一个任务分配1G内存及1核CPU

③ApplicationsManager将Container及Job任务交给Schedular，然后Schedular负责将Container和Job交给ApplicationMaster

④ApplicationMaster接收到任务后，将Job拆分成多个MapTask以及ReduceTask，将MapTask以及Reduce Task分发到NodeManager上执行。

⑤NodeManager会启动JVM子进程执行对应的任务，会为每一个MapTask或ReduceTask都启动一个JVM子进程

⑥NodeManager会向ApplicationMaster汇报任务的执行情况，并且向ApplicationsManager汇报资源使用情况

⑦如果执行成功，则NodeManager向ApplicationMaster返回任务成功的信号，并且向ApplicationsManager发送信号回收资源

⑧如果执行失败，则NodeManager向ApplicationMaster返回任务失败的信号，并且依然会向ApplicationManager发送信号回收资源；ApplicationMaster收到失败信号，会重新给这个任务来申请资源，然后试图重新分配这个任务