大数据学习之Hadoop——15Yarn资源调度
声明: 笔记整理于尚硅谷教学课件, 本来想投转载的, 但是没法填写链接, 使用投了原创, 非本意. 侵权修改.
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。
一. Yarn 基本架构
YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成:
1. 各组件主要作用
1. ResourceManager(RM):
- 处理客户端请求
- 监控Nodemanager
- 启动或监控ApplicationMaster
- 资源的分配与调度
2. NodeManager(NM)
- 管理单个节点上的资源
- 处理来自ResourceManager的命令
- 处理来自ApplicationMaster的命令
3. ApplicationMaster(AM)
- 负责数据的切分
- 为应用程序申请资源并分配给内部的任务
- 任务的监控与容错
4. Container
- Container是Yarn中的资源抽象, 它封装了某个节点上的多维度资源, 如: 内存, CPU, 磁盘, 网络等
2. 架构图
二. Yarn工作机制
1. Yarn工作机制流程
2. 工作机制详解
- MR程序提交到客户端所在的节点
- YarnRunner向ResourceManager申请一个Application。
- RM将该应用程序的资源路径返回给YarnRunner。
- 该程序将运行所需资源提交到HDFS上。
- 程序资源提交完毕后,申请运行mrAppMaster。
- RM将用户的请求初始化成一个Task。
- 其中一个NodeManager领取到Task任务。
- 该NodeManager创建容器Container,并产生MRAppmaster。
- Container从HDFS上拷贝资源到本地。
- MRAppmaster向RM 申请运行MapTask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。
- 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。
- 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,MR会向RM申请注销自己。
三. 作业提交全过程
1. 作业提交流程图
2. 作业提交全过程详解
1. 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。
2. 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。
3. 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。
4. 任务运行
- 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。
- 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,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。
3. 作业提交过程之MapReduce
1. 作业提交MapReduce流程图
声明: 笔记整理于尚硅谷教学课件, 本来想投转载的, 但是没法填写链接, 使用投了原创, 非本意. 侵权修改.