如何简单写yarn app

Posted 2021-05-01 浪尖聊大数据

尽管YARN自带的编程API已经得到了极大的简化，但从头开发一个YARN应用程序仍是一件非常困难的事情。在YARN上编写一个应用程序，你需要开发Client和ApplicationMaster两个模块，并了解涉及到的几个协议的若干API和参数列表，其中ApplicationMaster还要负责资源申请，任务调度、容错等，总之，整个过程非常复杂。

Apache Twill(http://twill.apache.org/index.html)这个项目则是为简化YARN上应用程序开发而成立的项目，该项目把与YARN相关的重复性的工作封装成库，使得用户可以专注于自己的应用程序逻辑。

下面代码示例是使用Apache Twill开发一个运行在YARN上的helloworld程序：

public class HelloWorld {
 static Logger LOG = LoggerFactory.getLogger(HelloWorld.class);
 static class HelloWorldRunnable extends AbstractTwillRunnable {
 @Override
 public void run() {
 LOG.info("Hello World");
 }
}
 
public static void main(String[] args) throws Exception {
 YarnConfiguration conf = new YarnConfiguration();
 TwillRunnerService runner = new YarnTwillRunnerService(conf, "localhost:2181");
 runner.startAndWait();
 TwillController controller = runner.prepare(new HelloWorldRunnable())
.start();
 Services.getCompletionFuture(controller).get();
}

Twill所做的事情是开发了一个通用的Client和ApplicationMaster实现，并提供了一套编程API，使得用户可直接实现这套API便可以编写运行在YARN上的分布式程序。Twill应用程序运行在YARN上的流程跟普通程序一样，流程图下：

为极大地方便用户编写运行在YARN上的分布式应用程序，Twill做了大量通用模块和特性，包括：

（1）实时日志收集

基于kafka实现了日志收集功能，可将应用程序产生的日志实时收集起来，便于集中化分析和展示。

（2）资源汇报

可实时收集任务占用的各类资源，包括cpu利用率，物理内存等。

（3）资源弹性扩展

可动态改变应用程序占用的资源，比如将container数目在线由5个增长为10个。

（4）状态恢复

当客户端失去与应用程序链接后，可通过API重构一个新的客户端，重新获取状态。

（5）服务发现

应用程序可向zookeeper注册一些信息，便于其他服务或者客户端发现该应用程序的位置，以便与之通信。

随着YARN越来越成熟，它必将成为一个基础核心系统，届时与Apache Twill类似的项目显得尤为重要。

转载自董的博客:http://dongxicheng.org/mapreduce-nextgen/apache-twill-for-yarn/

twill官方demo，可以参看：https://github.com/apache/twill/tree/master/twill-examples

推荐阅读：