MapReduce架构简介

Posted 2020-11-18

前言：

MapReduce是用于数据处理的一种编程模型，简单但足够强大，专门为并行处理大数据而设计。
MapReduce的处理过程分为两个步骤：map和reduce。每个阶段的输入输出都是key-value的形式，key和value的类型可以自行指定。map阶段对切分好的数据进行并行处理，处理结果传输给reduce，由reduce函数完成最后的汇总。
到了2.0之后，MapReduce可以理解为是一个jar包或一个程序，这个程序要运行在Yarn上面，上面有两个进程，ResourceManager和NodeManager，ResourceManager里面两个模块是什么，Application Manager： 应用程序管理器 和 Scheduler：调度器，NodeManager相当于执行一个容器,这个容器里面有 CPU+Memory，这个容器运行一个封装的任务，MapTask（映射任务）或者跑ReduceTask（归约任务）

下面简单介绍下MapReduce2架构设计或者称为MapReduce提交到Yarn的工作流程：

• 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。
• 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。