一、概念

Hadoop YARN（Yet Another Resource Negotiator）是Hadoop 2.x版本中的一个重要组件，用于资源管理和作业调度。它是Hadoop的第二代资源管理器，取代了Hadoop 1.x版本中的MapReduce作业调度器。

通俗地理解它的作用有点像一个大型公司的行政部门，负责合理分配公司的资源（如办公室空间、电脑等）给不同的部门和员工，以确保公司运作高效。

二、主要组成

YARN主要由三个部分组成：

1. ResourceManager (RM)：它是整个集群资源的大管家，负责管理和调度资源。
2. NodeManager (NM)：它是每台机器上的代理，负责监控和管理机器上的资源，并向ResourceManager报告。
3. ApplicationMaster (AM)：每个应用程序都有一个AM，它负责与ResourceManager协商资源，并管理应用程序的执行。

YARN的基本理念是将资源管理和作业调度/监控的功能分解为单独的组件。其核心思想是拥有一个全局的ResourceManager（RM）和每个应用程序的ApplicationMaster（AM）。一个应用程序可以是单个作业，也可以是一系列相关的作业。

ResourceManager和NodeManager构成了数据计算框架的核心。ResourceManager是系统中调解所有应用程序资源分配的最终机构。NodeManager是每台计算机上的框架代理，负责管理容器，监视它们的资源使用情况（CPU、内存、磁盘、网络），并将这些信息报告给ResourceManager/Scheduler。

每个应用程序的ApplicationMaster实际上是一个特定于框架的库，它的任务是与ResourceManager协商资源，并与NodeManager一起执行和监控任务。

三、主要功能

YARN的主要功能包括：

1. 资源管理：YARN负责管理整个Hadoop集群的资源，包括内存、CPU等，以便有效地运行作业。

2. 作业调度：YARN通过调度器（Scheduler）来分配集群资源给不同的应用程序。它支持多种调度器，如FIFO、Capacity Scheduler和Fair Scheduler，允许用户根据不同的需求进行资源调度和分配。

3. 容错性：YARN具有高可用性和容错性，能够处理节点故障或其他异常情况，并自动重新分配作业。

4. 多框架支持：除了支持MapReduce，YARN还可以运行其他分布式计算框架，如Apache Spark、Apache Flink等，使得Hadoop集群更加灵活多样化。

四、具体使用

yarn-site.xml 是 Apache Hadoop YARN（Yet Another Resource Negotiator）组件的配置文件之一，用于配置 YARN 的各种参数和属性。yarn-site.xml 中的配置项可以影响 YARN 的行为和性能。

以下是一个简单的 yarn-site.xml 配置示例：

<configuration><!-- 指定 ResourceManager 的地址 --><property><name>yarn.resourcemanager.hostname</name><value>your_resourcemanager_hostname</value></property><!-- 指定 NodeManager 的地址 --><property><name>yarn.nodemanager.hostname</name><value>your_nodemanager_hostname</value></property><!-- 配置日志存储路径 --><property><name>yarn.nodemanager.log-dirs</name><value>/var/log/yarn</value></property><!-- 配置 YARN 容器的资源上限 --><property><name>yarn.nodemanager.resource.memory-mb</name><value>8192</value> <!-- 内存上限，单位为MB --></property><property><name>yarn.nodemanager.resource.cpu-vcores</name><value>4</value> <!-- CPU 核心数上限 --></property><!-- 配置 YARN 调度器 --><property><name>yarn.resourcemanager.scheduler.class</name><value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value> <!-- 使用容量调度器 --></property>
</configuration>

在这个示例中：

• yarn.resourcemanager.hostname 指定了 ResourceManager 的主机名。
• yarn.nodemanager.hostname 指定了 NodeManager 的主机名。
• yarn.nodemanager.log-dirs 指定了日志存储路径。
• yarn.nodemanager.resource.memory-mb 和 yarn.nodemanager.resource.cpu-vcores 分别指定了 NodeManager 的资源上限。
• yarn.resourcemanager.scheduler.class 指定了使用的调度器类型，这里使用了容量调度器。