Hadoop——Yarn基础架构

Hadoop YARN（Yet Another Resource Negotiator）是Apache Hadoop生态系统中的一个子项目，它是用于集群资源管理的框架，负责为运算程序提供服务器运算资源，相当于一个分布式的操作系统平台，而MapReduce等运算程序则相当于运行于操作系统之上的应用程序。

YARN的基础架构主要由以下几个组件组成：

1. ResourceManager（资源管理器）：

   • ResourceManager（RM）是整个集群的主节点，负责集群资源的统一管理和调度。它包括两个主要的组件：Scheduler（调度器）和ApplicationManager（应用程序管理器）。
   • Scheduler负责根据应用程序的需求，将集群中的资源分配给不同的应用程序。
   • ApplicationManager负责接收来自客户端的应用程序提交请求，并与Scheduler协作以获取资源，并为应用程序分配相应的资源容器。

2. NodeManager（节点管理器）：

   • NodeManager（NM）运行在集群中的每个节点上，负责管理该节点上的资源，并与ResourceManager通信以报告节点的健康状况和可用资源。
   • NodeManager负责启动和监控容器（Container），容器是YARN中的资源分配单元，用于运行应用程序的任务或进程。

3. ApplicationMaster（应用程序主管）：

   • 每个由YARN调度的应用程序都有一个对应的ApplicationMaster（AM），它负责协调应用程序的执行，并与ResourceManager进行通信以请求资源和监控应用程序的状态。
   • ApplicationMaster在启动时会向ResourceManager注册自己，并在执行期间负责管理应用程序的资源需求和任务执行情况。

4. Container（容器）：

   • 容器是YARN中的资源分配单元，它封装了应用程序所需的资源，包括CPU、内存和磁盘等。
   • ResourceManager通过NodeManager启动和监控容器的执行，NodeManager负责在本地启动和管理容器内的任务或进程。

---

示例

假设用户提交了一个MapReduce作业到Hadoop集群，并且该集群上已经运行了YARN。

1. 用户提交作业：
   用户通过Hadoop集群的客户端工具（如hadoop jar命令）提交了一个MapReduce作业，该作业包含了需要处理的数据、Mapper函数、Reducer函数等信息。

2. 作业提交到ResourceManager：
   当作业提交时，ApplicationManager接收到了这个作业的提交请求。ApplicationManager向ResourceManager注册一个新的应用程序，并向ResourceManager提供作业的资源需求。

3. ResourceManager分配资源：
   ResourceManager接收到作业的资源需求后，调度器（Scheduler）开始分配资源。调度器根据集群中各节点的资源情况和作业的需求，决定在哪些节点上启动作业的任务。它为作业分配了一系列容器（Containers）来运行Mapper和Reducer任务。

4. 容器启动：
   ResourceManager通过与各个NodeManager通信，在选择的节点上启动了容器。每个容器中运行一个作业任务，其中包括Mapper任务和Reducer任务。

5. 任务执行：
   在容器中启动的Mapper任务会读取输入数据，并按照用户指定的Mapper函数进行处理；Reducer任务会接收来自Mapper的中间结果，并按照用户指定的Reducer函数进行处理。这些任务在各自的容器中并行执行。

6. 监控和状态更新：
   各个NodeManager会定期向ResourceManager发送心跳信息，报告节点的健康状况和可用资源。同时，各个容器会向对应的NodeManager发送进度和状态更新信息。ResourceManager和NodeManager根据这些信息来监控作业的执行情况，并在需要时进行调度和容错处理。

7. 作业完成：
   当所有的Mapper和Reducer任务都成功完成时，作业的执行状态被更新为完成，并向用户返回执行结果。ApplicationManager收到作业完成的通知后，将作业的执行结果返回给用户。