yarn详解

Posted 2021-07-21 甜_tian

目录

概念

运行机制

MapReduce任务资源调度：

yarn中的资源调度：

---

概念

Apache yarn 是Hadoop的集群资源管理系统。yarn被引入Hadoop2，最初是为了改善MapReduce的实现，但它具有足够的通用性，同样可以支持其他的分布式计算框架。不同的应用系统，如flink，spark，mr都可以用统一的yarn进行资源调配

yarn通过两类长期运行的守护进程提供自己的核心服务：资源管理器（Resource Manager rm）和节点管理器（Node Manager nm）。

类似hdfs，主从模式，由一个 ResourceManager和多个NodeManage 组成。

---

运行机制

客户端向rm提交应用或任务

每个应用都有一个Application master，需要容器，Application master跟rm申请资源

rm经过scheduler调度器计算，根据每个节点资源情况，进行容器的分配、scheduler在某个nm上启动一个容器，在容器中启动Application master。

application master后续会进行计算，把结果返回给客户端，或向rm申请更多的容器。后者是MapReduce yarn应用的操作。

yarn本身不会为应用的各部分的通信提供任何手段，大多数的yarn应用通过某种形式的远程通信机制，向客户端传递状态更新和返回结果，这些通信机制都是属于各应用本身。

nm每隔一秒，向rm发送心跳，从节点会监控所在节点的资源使用情况。

rm会追踪nm的存活情况。

---

MapReduce任务资源调度：

客户端利用rpc调用yarnRunner.getNewJobId()，rm检查输出路径，计算分片后，返回给客户端new job id，客户端向hdfs提交数据，mr工程的jar包，配置文件，分片信息等

客户端调用submit方法，与rm通信，把请求发送给application manager，申请运行job

Am把请求转给scheduler调度器。scheduler根据整个集群的计算节点，进行资源分配。

scheduler与nm通信，分配容器，运行mr application master

application master初始化，创建薄记对象，用于保存每个task的执行进度，状态

application master获得数据分片个数，split所在节点，为map task向rm申请资源。

计算结果后，返回给application master，与其他nm进行通信，从hdfs获取配置文件，jar包，map task代码等运行

application master为reduce task申请资源，reduce task就没有数据本地化的要求。

再与相应的nm通信，启动容器，从hdfs拉取资源，通过网络方式从每个节点拉取过来数据，进行reduce合并将结果写入hdfs上

(Scheduler的资源调度遵从，数据本地化，就是移动计算，不移动数据

也就是在split所在节点，创建容器，运行task。若该节点没有可用资源，则会选择机架本地化。在同一机架上的节点创建容器，若该机架也没有可用资源，则随机选择任一节点。）

---

yarn中的资源调度：

理想情况下，yarn对所有应用发出的资源请求都能立即满足，但是现实中，资源总是有限的，在繁忙的集群上，一些应有经常需要等待，才能得到所需资源。yarn调度器的工作就是根据策略，来为应用分配资源。yarn提供了多种调度器和策略，那么就有以下三种策略：

1. 先进先出 ：FIFO （一般企业不用）

fifo把应用放入一个队列中，按照提交的顺序，为应用分配资源。当前应用释放资源后，才能为下一应用分配资源。

FIFO的好处是，简单易懂，不需要要任何配置。但不适用于共享集群，一个大应用会占用集群的所有资源。

2. 容量调度器， Apache默认

容量调度器允许多个组织共享一个Hadoop集群，每个组织按比例分配集群资源。

每个组织配置一个队列，在同一个队列中，使用FIFO调度策略调配。

单个作业的资源不会超过其队列的容量，但是如果队列资源不足，可以设置弹性比例，可以设置上限为75%，容量调度器会将空余的一部分资源分配给队列，多占用一些资源。

通过capacity-scheduler.xml文件，设计容器调度队列的资源分配。

子队列若没有做最大容量限制，可以占据父队列的100%

3. 公平调度器 cdh默认

公平调度器顾名思义，则是为所有应用公平分配资源。

利用权重，分配资源，队列之间是公平共享的

假设有两个用户a和b，a启动一个作业，b若没有需求，则会给a分配到全部可用的资源。但如果这时b启动了一个作业，b则会有一个短时间的延迟，a就会让出一半的资源给b使用。如果b启动了第二个作业，也是会和第一个作业一样，各自共享b的一半资源。a不受影响。

通过fair-scheduler.xml文件，设计公平调度器队列资源分配