Yarn框架深入理解

我们都知道Hadoop诞生的目标是为了支持十几台机器的搜索服务，但是随着数据的增加，数据的可用性也是一个待解决的问题。但是Hadoop框架的自身问题限制了集群的发展。

首先是，JobTracker和NameNode的单点问题，严重制约了集群的扩展和可靠性。

360截图17901125366259.png

其次我们通过：

知道。MapReduce采用了基于slot的资源分配模型，slot是一种粗粒度的资源 划分单位，通常一个任务不会用完槽位对应的资源，且其他任务也无法使用这些空闲资源,同时map的槽位和reduce的槽位是不可以通用的。会导致部分资源紧张，部分资源空闲。

360截图17571120483156.png

同时为了满足在线计算等新的计算框架，MapReduce这种离线计算框架已经不能满足需求。

Yarn框架

JobTracker在 YARN 中JobTracker大约分成了 3 块：

• 一部分是 ResourceManager，负责 Scheduler 及
  ApplicationsManager；

• 一部分是 ApplicationMaster，负责 job 的生命周期管理；

• 最后一部分是 JobHistroyServer，负责日志的展
  示。
  为了支持更多的计算模型，把以前的 TaskTracker 替换成了 NodeManager。NodeManager 管理各种各样的 container。Container
  才是真正干活的。计算模型相关的事情可以放在 NodeManager 的一个扩展服务中，如 MAP-REDUCE 的 shuffle。

360截图17970216102332.png

各大模块分析

ResourceManager

RM 是一个全局的资源管理器，负责整个系统的资源管理和分配,包括 scheduler 和 Application Manager, NM Manager

对调度器来说，YARN 提供了多种直接可用的调度器， Fair Scheduler 和 Capacity Scheduler 等。调度器仅根据各个应用程序的资源需 求进行资源分配,分配的基本单位是Container,而容器里面是将内存，CPU，网络，磁盘封装到一起。

同时用户也可设计自己的调度器。

ApplicationMaster

对应用程序管理器来说，，包括应用程序提交、与调度器协商 资源以启动 ApplicationMaster、监控 ApplicationMaster 运行状态并在失败时重新启动它等。用户提交的每个应用程序均包含一个 ApplicationMaster,ApplicationMaster可以与RM协商获取资源，也可以将得到的任务进行再分配，与NM通信，同时可以监控所有的任务状态。

NodeManager

NodeManager 管理 container、资源下载、健康检测后汇报 对节点管理器来说，NM是每个节点上的资源和任务管理器，一方面，它会定时地向 RM 汇报本节点上的 资源使用情况和各个 Container 的运行状态；另一方面，它接收并处理来自 AM 的 Container 启动 / 停止等各种请求。

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，当 AM 向 RM 申请资源时，RM 为 AM 返回的资源便是用 Container 表示的。YARN 会为每个任务分配一个 Container，且该任务只能使用该 Container 中描述的 资源。容器是一个动态划分资源。

Jobhistory 机制

在 MRv1 中，JobHistroy server 是嵌入在 Jobtracker 中的，当有大量的查询 时，对 Jobtracker 造成很大的压力.Yarn中实现一套单独的 JobHistroy server 服务。AggregatedLogDeletionService：日志文件的 管理。  HistoryClientService：提供一些服务供 JobClient 查询。

Yarn工作流程

360截图162501015810976.png

• 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 NodeManager 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 ResourceManage 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，即重复步骤 4~7。

• 4　ApplicationMaster 采用轮询的方式通过 RPC 协议向 ResourceManager 申请和 领取资源。 步骤

• 5.　一旦 ApplicationMaster 申请到资源后，便与对应的 NodeManager 通信，要求 它启动任务。

• 6.　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。

• 7.　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。

• 8.　应用程序运行完成后， ApplicationMaster 向 ResourceManager 注销并关闭自己。

作者：张晓天a
链接：https://www.jianshu.com/p/bac54467ac3a