Hadoop学习总结 (六) —— YARN
1、Yarn基础架构
YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成。
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。
3、作业提交过程
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。
4、Yarn调度器设置
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）FIFO先进先出调度器
优点：简单易懂；
缺点：不支持多队列，生产环境很少使用；
（2）容量调度器（Capacity Scheduler）
（3）公平调度器（Fair Scheduler）
5、常用命令
（1）查看任务
1）列出所有Application
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）
yarn application -list -appStates FINISHED
3）Kill了Application
yarn application -kill application_1612577921195_0001
（2）查看日志yarn logs
1）查询Application日志
yarn logs -applicationId <ApplicationId>
2）查询Container日志
yarn logs -applicationId <ApplicationId> -containerId <ContainerId>
（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>
2）打印ApplicationAttemp状态：
yarn applicationattempt -status <ApplicationAttemptId>
（4）yarn container 查看容器
1）列出所有Container：
yarn container -list <ApplicationAttemptId>
2）打印Container状态：
yarn container -status <ContainerId>
（5）yarn node查看节点状态
1）列出所有节点：
yarn node -list -all
2）yarn rmadmin更新配置
yarn rmadmin -refreshQueues
3）yarn queue查看队列
yarn queue -status <QueueName>
6、Yarn生产环境核心参数
7、总结
1、Yarn的工作机制（面试题）
2、Yarn的调度器
(1）FIFO/容量/公平
(2）apache 默认调度器 容量； CDH默认调度器 公平
(3）公平/容量默认一个default ，需要创建多队列
(4）中小企业：hive spark flink mr
(5）中大企业：业务模块：登录/注册/购物车/营销
(6）好处：解耦 降低风险 11.11 6.18 降级使用
(7）每个调度器特点：
相同点：支持多队列，可以借资源，支持多用户
不同点：容量调度器：优先满足先进来的任务执行
公平调度器，在队列里面的任务公平享有队列资源
(8）生产环境怎么选：
中小企业，对并发度要求不高，选择容量
中大企业，对并发度要求比较高，选择公平。
