Yarn基础架构/工作机制/作业提交流程

深藏阁楼爱情的钟 2022-11-08 15:27 251阅读 0赞

# 一、什么是Yarn #

Yarn是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。

# 二、Yarn的基本架构 #

YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成。看一张官网上的架构图：

![20210314042445893.gif][]

由图可以看出，yarn总体上是master/slaver结构，在整个资源管理框架中ResourceManager为master，NodeManager为slaver。

另外我在其他文章中看到另外一张图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzE2MTgxMQ_size_16_color_FFFFFF_t_70][]

## 1.ResourceManager ##

ResourceManager是全局的资源管理器，它是Master上一个独立运行的进程，负责集群统一的资源管理、调度、分配等。

根据功能不同将它分为两个组件：**Scheduler（调度器）**和 **ApplicationManager（应用管理器）。**

（1）**Scheduler**

Scheduler根据集群中容量、队列和资源等限制，将资源分配给各个正在运行的应用。虽然被称为调度器，但是它仅负责资源的分配，而不负责监控各个应用的执行情况和任务失败、应用失败或者硬件失败时的重启任务。Scheduler根据各个应用的资源需求和集群各个节点的容器（Container）进行调度。

在yarn中有三种调度器：FIFO Scheduler ，Capacity Scheduler，FairS cheduler。

（2）**ApplicationManager**

ApplicationManager主要负责接收job的提交请求，为应用程序分配用来运行ApplicationMaster的第一个Container，并且负责监控ApplicationMaster，在ApplicationMaster失败时负责重启运行ApplicationMaster的Container。

总的来说，ResourceManager的主要作用为：

1.  处理客服端请求
2.  监控NodeManager
3.  启动或监控ApplicationMaster
4.  资源的分配和调度

## 2.NodeManager ##

NodeManager（节点管理器）整个集群有多个，负责单个节点上的资源管理，当一个节点启动时，NodeManager会向ResourceManager进行注册并告知ResourceManager自己有多少资源可用。它负责接收ResourceManager的资源分配请求，分配具体的Container给应用，并监控和报告节点中Container的运行状态（CPU、内存、硬盘等）到ResourceManager；管理每个Container的声明周期，NodeManager只负责管理自身的Container，它并不知道运行在它上面的应用信息，负责管理应用信息的组件是ApplicationMaster。

NodeManager由Container和ApplicationMaster两个组件组成：

（1）**Container**

Container是集群节点将自身内存、CPU、磁盘、网络等资源封装在一起的抽象概念，是yarn框架的计算单元，是具体执行应用task（如mapTask、reduceTask）的基本单位。Container和集群节点的关系是：一个几点会运行多个Container，但一个Container不会跨节点运行。Container由NodeManager监控运行状态，并上报到ResourceManager，由ResourceManager调度。

（2）**ApplicationMaster**

每一个应用程序从ApplicationMaster开始，它本身就是一个Container（第0个），一旦启动，ApplicationMaster就会根据任务需求，与ResourceManager协商需要的Container，在运行过程中动态释放和申请Container。

ApplicationMaster负责与scheduler协商合适的container，跟踪应用程序的状态，以及监控它们的进度，ApplicationMaster是协调集群中应用程序执行的进程。每个应用程序都有自己的ApplicationMaster，负责与ResourceManager协商资源（container）和NodeManager协同工作来执行和监控任务 。当一个ApplicationMaster启动后，会周期性的向resourcemanager发送心跳报告来确认其健康和所需的资源情况。

总的来说，NodeManager主要功能为：

1.  管理单个节点上的资源
2.  处理来自ResourceManager的命令（为应用分配Container）
3.  处理来自ApplicationMaster的命令

# 三、工作机制/作业提交流程 #

以一个MR的程序为例，了解一下yarn的工作机制及Job的提交流程：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzE2MTgxMQ_size_16_color_FFFFFF_t_70 1][]

作业提交全过程详解

1、作业提交

第1步：client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。

第2步：client向ResourceManager申请一个Application。

第3步：ResourceManager给client返回该job资源的提交路径和applicationId。

第4步：client提交jar包、切片信息和配置文件到3返回的指定资源提交路径。

第5步：client提交完资源后，向ResourceManager申请运行ApplicationMaster。

2、 作业初始化

第6步：当ResourceManager收到client的请求后，将该job初始化成Task添加到调度器中。

第7步：某一个空闲的NodeManager领取到该job。

第8步：该ResourceManager创建Container，并产生ApplicationMaster。

第9步：下载client提交的资源到本地。

3、任务分配

第10步：ApplicationMaster向ResourceManager申请运行多个maptask任务资源。

第11步：ResourceManager将运行maptask任务分配给另外两个NodeManager，另两个NodeManager分别领取任务并创建容器。

4、任务运行

第12步：ApplicationMaster向两个接收到任务的NodeManager发送程序启动脚本，这两个NodeManager分别启动maptask，maptask对数据分区排序。

第13步：ApplicationMaster等待所有maptask运行完毕后，向ResourceManager申请容器，运行reduce task。

第14步：reduce task向maptask获取相应分区的数据。

第15步：程序运行完毕后，MR会向ResourceManager申请注销自己。

[20210314042445893.gif]: /images/20221023/a7e4f478d974478cbfbce9cff35684f6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzE2MTgxMQ_size_16_color_FFFFFF_t_70]: /images/20221023/5b5775d8a46e4a108492521f51a94d41.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzE2MTgxMQ_size_16_color_FFFFFF_t_70 1]: /images/20221023/c2a923bf6ab640468623796345c0b051.png