Yarn资源调度

目录

• 1.1、Yarn基础架构
• 1.2、Yarn工作机制
• 1.3、作业提交全过程
• 1.4、Yarn调度器和调度算法
  • 1.4.1、先进先出调度器（FIFO）
  • 1.4.2 容量调度器（Capacity Scheduler）
  • 1.4.3 公平调度器（Fair Scheduler）
• 1.5、Yarn常用命令
  • 1.5.1、yarn application查看任务
  • 1.5.2、 yarn logs查看日志
  • 1.5.3、 yarn applicationattempt查看尝试运行的任务
  • 1.5.4、 yarn container查看容器
  • 1.5.5、 yarn node查看节点状态
  • 1.5.6 、yarn rmadmin更新配置
  • 1.5.7、 yarn queue查看队列
• 1.6、Yarn生产环境核心参数
• null

1）如何管理集群资源？

2）如何给任务合理分配资源？

Yarn是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式的操作系统平台，而MapReduce等运算程序则相当于运行于操作系统之上的应用程序。

1.1、Yarn基础架构

YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成。

1.2、Yarn工作机制

（1）MR程序提交到客户端所在的节点。
（2）YarnRunner向ResourceManager申请一个Application。
（3）RM将该应用程序的资源路径返回给YarnRunner。
（4）该程序将运行所需资源提交到HDFS上。
（5）程序资源提交完毕后，申请运行mrAppMaster。
（6）RM将用户的请求初始化成一个Task。
（7）其中一个NodeManager领取到Task任务。
（8）该NodeManager创建容器Container，并产生MRAppmaster。
（9）Container从HDFS上拷贝资源到本地。
（10）MRAppmaster向RM 申请运行MapTask资源。
（11）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。
（12）MR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。
（13）MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。
（14）ReduceTask向MapTask获取相应分区的数据。
（15）程序运行完毕后，MR会向RM申请注销自己。

1.3、作业提交全过程

HDFS、YARN、MapReduce三者关系：

作业提交过程之YARN

作业提交过程之HDFS & MapReduce

作业提交全过程详解
（1）作业提交
第1步：Client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。
第2步：Client向RM申请一个作业id。
第3步：RM给Client返回该job资源的提交路径和作业id。
第4步：Client提交jar包、切片信息和配置文件到指定的资源提交路径。
第5步：Client提交完资源后，向RM申请运行MrAppMaster。

（2）作业初始化
第6步：当RM收到Client的请求后，将该job添加到容量调度器中。
第7步：某一个空闲的NM领取到该Job。
第8步：该NM创建Container，并产生MRAppmaster。
第9步：下载Client提交的资源到本地。

（3）任务分配
第10步：MrAppMaster向RM申请运行多个MapTask任务资源。
第11步：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。

（4）任务运行
第12步：MR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。
第13步：MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。
第14步：ReduceTask向MapTask获取相应分区的数据。
第15步：程序运行完毕后，MR会向RM申请注销自己。

（5）进度和状态更新
YARN中的任务将其进度和状态(包括counter)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。

（6）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。

1.4、Yarn调度器和调度算法

目前，Hadoop作业调度器主要有三种：FIFO、容量（Capacity Scheduler）和公平（Fair Scheduler）。Apache Hadoop3.1.3默认的资源调度器是Capacity Scheduler。

CDH框架默认调度器是Fair Scheduler。

具体设置详见：yarn-default.xml文件

<property>
    <description>The class to use as the resource scheduler.</description>
    <name>yarn.resourcemanager.scheduler.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
</property>

1.4.1、先进先出调度器（FIFO）

FIFO调度器（First In First Out）：单队列，根据提交作业的先后顺序，先来先服务

优点：简单易懂；

缺点：不支持多队列，生产环境很少使用；

1.4.2 容量调度器（Capacity Scheduler）

Capacity Scheduler是Yahoo开发的多用户调度器。

特点：

容器调度器资源分配算法

1.4.3 公平调度器（Fair Scheduler）

Fair Schedulere是Facebook开发的多用户调度器。

公平调度器------缺额

公平调度器队列资源分配方式

1.5、Yarn常用命令

Yarn状态的查询，除了可以在hadoop103:8088页面查看外，还可以通过命令操作。常见的命令操作如下所示：

需求：执行WordCount案例，并用Yarn命令查看任务运行情况。

[zsong@hadoop2 ~]$ start-yarn.sh
[zsong@hadoop2 ~]$ start-dfs.sh

[zsong@hadoop2 hadoop]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

1.5.1、yarn application查看任务

（1）列出所有Application：

[zsong@hadoop2 ~]$ yarn application -list

（2）根据Application状态过滤：yarn application -list -appStates （所有状态：ALL、NEW、NEW_SAVING、SUBMITTED、ACCEPTED、RUNNING、FINISHED、FAILED、KILLED）

[zsong@hadoop2 ~]$ yarn application -list -appStates FINISHED
2023-03-13 17:16:31,466 INFO client.RMProxy: Connecting to ResourceManager at hadoop3/192.168.253.133:8032
Total number of applications (application-types: [], states: [FINISHED] and tags: []):1
                Application-Id      Application-Name        Application-Type          User           Queue                   State             Final-State             Progress                       Tracking-URL
application_1678698809294_0001            word count               MAPREDUCE         zsong         default                FINISHED                  FAILED                 100%http://hadoop2:19888/jobhistory/job/job_1678698809294_0001

（3）Kill掉Application：

yarn application -kill application_1678698809294_0001     

1.5.2、 yarn logs查看日志

（1）查询Application日志：yarn logs -applicationId <ApplicationId>

[zsong@hadoop2 ~]$ yarn logs -applicationId application_1678698809294_0001 

（2）查询Container日志：yarn logs -applicationId <ApplicationId> -containerId <ContainerId>

[zsong@hadoop2 ~]$ yarn logs -applicationId application_1612577921195_0001 -containerId container_1612577921195_0001_01_000001

1.5.3、 yarn applicationattempt查看尝试运行的任务

​ （1）列出所有Application尝试的列表：yarn applicationattempt -list <ApplicationId>

[zsong@hadoop2 ~]$ yarn applicationattempt -list application_1612577921195_0001

（2）打印ApplicationAttemp状态：yarn applicationattempt -status <ApplicationAttemptId>

[zsong@hadoop2 ~]$ yarn applicationattempt -status appattempt_1612577921195_0001_000001

1.5.4、 yarn container查看容器

​ （1）列出所有Container：yarn container -list <ApplicationAttemptId>

[zsong@hadoop2 ~]$ yarn container -list appattempt_1612577921195_0001_000001

​ （2）打印Container状态： yarn container -status <ContainerId>

[zsong@hadoop2 ~]$ yarn container -status container_1612577921195_0001_01_000001

注：只有在任务跑的途中才能看到container的状态

1.5.5、 yarn node查看节点状态

​ 列出所有节点：yarn node -list -all

[zsong@hadoop2 ~]$ yarn node -list -all

1.5.6 、yarn rmadmin更新配置

加载队列配置：yarn rmadmin -refreshQueues

[zsong@hadoop2 ~]$ yarn rmadmin -refreshQueues

1.5.7、 yarn queue查看队列

​ 打印队列信息：yarn queue -status <QueueName>

[zsong@hadoop2 ~]$ yarn queue -status default

1.6、Yarn生产环境核心参数