大数据系统资源管理YARN
Yarn系统原理
Yarn主要就是将JobTracker的两个主要功能分离成单独的组件：资源管理、任务调度/监控
RM，ResourceManager，全局管理
NM，NodeManager，节点管理
AM，ApplicationMaster，单个应用管理 Container，单个任务的资源管理
RM负责分配NM给AM，AM负责把任务发送到NM，每个任务在NM中以Container形式管理
ResourceManager RM
它是Yarn的核心组件
接收客户端任务请求，接收和监控工作节点(NM)的资源情况汇报，负责资源的分配与调度，启动和监控AppMstr
ResourceManager包含两个组件
Scheduler（调度器）：通过资源队列将资源分配给一个应用Application；它是先进先出调度，可以包含多个调度队列。
Applications Manager AsM：应用程序管理，负责管理系统中所有的job；包括job的提交、与调度器协商资源来启动ApplicationMaster(AM)和监控(AM)运行状态，并且处理出错情况。
NodeManager NM
是集群中的一个节点管理器
负责节点内Container状态的维护，并向RM保持心跳HeartBeat
Application Master AM
负责一个Job生命周期内的所有工作
AM是一个app的主进程，运行在某个Node上，AM会分派出很多任务Task 每个Task以Container的形式运行
Container
分配给一个Job的资源容器，资源包括：内存，CPU，磁盘，网络等等。
Container功能是在OS核心上构建虚拟执行环境，共享HostOS的基础服务，在Hadoop2中，Container一般是指Java虚拟机的内存隔离，在Hadoop3种，Container支持用户自定义资源类型，不再局限CPU和内存的资源管理
Job分解为MapTask和ReduceTask，因为有Container隔离，使得MapTask和ReduceTask可以在一台服务器上混合运行
Yarn的运行架构
1.客户端向RM(AsM)提交一个job
2.RM(AsM)分配一个NM,并通知NM为这个job做初始化
3.NM创建Container并启动job相应的AM，然后通知RM
4.RM和AM交互，AM获取相应的资源，如果在同一个NM上获取资源不足，AM可以要求RM在其他NM创建Container并装载资源。
5.AM启动MapTask和ReduceTask进程，执行任务
6.任务运行中，AM定期向AsM汇报，跟踪任务状态
