一.Hadoop 的优化与发展
1.1 局限与不足
- 抽象层次低,需要人工编码;
- 表达能力有限;
- 开发者自己管理作业之间的依赖关系;
- 难于看到程序的整体的逻辑;
- 执行迭代操作效率低;
- 实时性差;
- 资源浪费;
1.2 改进与提升
- 对MapReduce 和HDFS两大核心组件进行改进;
- 不断丰富Hadoop组件,包括Pig,Tez,Spark和Kafka等。
二.HDFS2.0的新特性
2.1 HDFS HA:解决单点故障问题。
2.2 HDFS Federation
-
存在的问题
-
解决方式:HDFS Federation
- 解决单名称节点存在的问题,解决了HDFS 的集群扩展性问题,性能更高效,具有良好的隔离性。
- 各自管理字节的命名空间;
三.新一代资源管理调度管家YARN
3.1 MapReduce 1.0 的缺陷
- 存在单点故障;
- JobTracker 任务过重;
- 容易出现内存溢出;
- 资源划分不合理, Map Slot和Reduce Slot;
3.2 YARN 设计思路
分离出资源管理功能,单独形成YARN,MapReduce 2.0变成了运行在YARN 上的纯粹的计算框架。
- ResourceManager:负责资源管理;
- ApplicationMaster:负责任务调度和任务监控;
YARN 是一个资源管理调度框架。
3.3 YARN 体系结构
-
ResourceManager:全局资源管理器,负责整个系统的资源管理与分配,两大核心组件如下;
- 调度器Scheduler;
- 接收来自ApplicationMaster的应用程序资源请求,把集群中的资源以“容器”的形式分配给提出申请的应用程序,容器的选择通常会考虑应用程序所要处理的数据的位置,进行就近选择从而实现“计算向数据靠拢”;
- 容器(Container)作为动态资源分配单位,每个容器都封装了一定数量的CPU、内存、磁盘等资源,从而限定每个应用程序可以使用的资源数量。
- 调度器被设计成一个可插拔的组件,YARN不仅自身是提供了许多种直接可用的调度器,也允许用户根据自己的需求重新设计调度器。
- 应用程序管理器Applications Manager
- 负责系统中所有应用程序的管理工作,主要包括应用程序提交、与调度器协商资源以启动ApplicationMaster、监控ApplicationMaster 运行状态并在失败是重新启动等;
- 调度器Scheduler;
-
ApplicationMaster
- ResourceManager接收用户提交的作业,按照作业的上下文信息以及NodeManager收集来的容器状态信息,启动调度过程,为用户作业启动一个ApplicationMaster;
- 功能:
- 当用户提交作业时,ApplicationMaster与ResourceManager协商获取资源;
- ResourceManager会以容器的形式为ApplicationMaster分配资源;
- 把获取的资源进一步分配给内部的各个任务(Map任务和Reduce 任务)实现资源的“二次分配”;
- 与NodeManager保持交互通信,进行应用程序的启动、运行、监控和停止,监控申请到的资源的使用情况;
- 对所用任务的执行进度的和状态进行监控,并在任务发生失败时执行失败恢复(即重新申请资源重启任务);
- 定时向ResourceManager发送“心跳”信息,报告资源的使用情况和应用的进程信息;
- 当作业完成时,ApplicationMaster向 ResourceManager注销容器,执行周期完成;
-
NodeManager
- NodeManager 是驻留在YARN集群中的每个节点上的代理,主要负责如下工作:
- 容器生命周期管理;
- 监控每个容器的资源使用情况;
- 以“心跳"的方式与ResourceManager保持通信;
- 向ResourceManager汇报作业的资源使用情况和每个容器的而运行状态;
- 跟踪节点健康状况;
- 接收来自ApplicationMaster的启动\停止容器的各种请求;
- NodeManager 是驻留在YARN集群中的每个节点上的代理,主要负责如下工作:
-
部署情况:
3.4 YARN 工作流程
- 用户编写客户端应用程序,向YARN 提交应用程序;
- YARN 中的REsourceManager负责接收和处理来自客户端的请求,为用程序分配一个容器,在该容器中启动一个ApplicationMaster;
- ApplicationMaster 被创建后会首先向ResourceManager注册;
- ApplicationMaster 采用轮询的方式向ResourceManager申请资源;
- ResourceManager以容器的形式向提出申请的ApplicationMaster分配资源;
- 在容器中启动任务;
- 各个任务向 ApplicationMaster 汇报自己的状态和进度;
- 应用程序运行完成后ApplicationMaster向ResourceManager的应用程序管理器注销并关闭自己;
3.5 YARN框架与MapReduce1.0框架的对比分析
3.6 YARN 发展目标
四.Hadoop 中代表性的组件
4.1 Pig 组件
4.2 Tez 组件
4.3 Spark 和 Kafka组件