hadoop集群资源管理系统YARN以及YARN的运行原理
一.简介：
YARN (Yet Another Resource Negotiator)
1. (官网解释)最基本的思想是纱线拆分功能的资源管理与作业调度/监控到单独的进程。具体设想是全球(ResourceManagerRM)和每应用程序(applicationmasterAM)。应用程序是一个单一的DAG或作业的作业。
2.在hadoop 1.x中jobtracker负责作业的调度（将任务与tasktracker匹配）和任务进度监控（跟踪任务，重启失败或延迟的任务；记录任务流水，如维护计数器的计数）而到了hadoop2.x中 出现了yarn这一独立的服务来专门管理这些，大体结构如下
二.yarn的架构
当我们在搭建好的集群中运行hdfs和yarn的时候jps查看进程发现（见下图）
我们发现 其中ResourceManager运行在主节点master上而nodemanager运行在从节点datanode上，所以我们可以理解为它的设计思想跟namenode与datanode的关系有些相似 可以理解为从*到地方之间的关系，*管理着地方，地方想要做什么要跟*去申请。下边我来具体介绍一下这些进程
1.ResourceManager:
资源管理器，是yarn的主要进程，主要负责资源的管理、分配以及资源的调度。
主要有以下组成：
1)applicationmanager:主要进行资源的管理和分配，主要和applicationMaster进行交互。
2）scheduler:资源调度器，主要负责application资源调度。
1）FIFO调度：先进先出，以队列的方式进行APP的排序。
2）容量调度：将资源分配为多个子队列，进行资源调度。现有版本，默认采用容量调度机制。
3）公平调度：公平调度资源
2.NodeManager：
节点管理器，主要负责具体资源的分配，和Resourcemanager进行交互，汇报资源状态等。
创建Container容器。一个nodemanager节点会分配多个Container，一个Container不会跨多个nodemanager。
1秒钟和RM进行交互一次。
3.Container:
容器。用于指定一个资源的分配。
理念：管理相关的服务器资源，主要包括：CPU，内存（现有版本）
期望：CPU，内存，磁盘，IO,带宽。
4.applicationMaster:
应用管理者。提交一个job，只有一个AM，主要负责监控当前作业运行状态，和RM交互，汇报作业情况以及资源的使用情况。
三.运行机制
见下图:
1.用户向YARN中提交应用程序，其中包括ApplicationMaster程序、启动ApplicationMaster的命令、用户程序等
2.ResourceManager为该应用程序分配第一个Container，并与对应的Node-Manager通信，要求它在这个Container中启动应用程序的ApplicationMaster。
3.ApplicationMaster首先向ResourceManager注册，这样用户可以直接通过ResourceManager查看应用程序的运行状态，然后它将为各个任务申请资源，并监控它的运行状态，直到运行结束，ApplicationMaster采用轮询的方式通过RPC协议向ResourceManager申请和领取资源
4.一旦ApplicationMaster申请到资源后，便与对应的NodeManager通信，要求它启动任务，NodeManager为任务设置好运行环境（包括环境变量、JAR包、二进制程序等）后，将任务启动命令写到一个脚本中，并通过运行该脚本启动任务，各个任务通过某个RPC协议向ApplicationMaster汇报自己的状态和进度，以让ApplicationMaster随时掌握各个任务的运行状态，从而可以在任务失败时重新启动任务在应用程序运行过程中，用户可随时通过RPC向ApplicationMaster查询应用程序的当前运行状态
5.应用程序运行完成后，ApplicationMaster向ResourceManager注销并关闭自己
四.MapReduce1（hadoop1.x的jobtracker）与yarn的比较
与MapReduce1相比 YARN可以在更大规模的集群上运行。当节点数达到4000，任务数达到40000时 MapReduce会遇到可拓展瓶颈，瓶颈源自于jobtracker必须同时管理作业和任务这样一个事实，YARN利用其资源管理器和application master分离的架构优点克服了这个局限性，可以拓展到面向将近10000个节点和100000个任务（此段话是hadoop权威指南摘要）