## 3.1 资源调度框架 YARN 面对着已经存储到hdfs海量的日志数据，我们需要对数据进行离线计算，离线计算需要申请资源，hadoop内置了资源管理者-YARN ### 3.1.1 什么是YARN - Yet Another Resource Negotiator, 另一种资源协调者 - 通用资源管理系统 - 为上层应用提供统一的资源管理和调度，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 ### 3.1.2 YARN产生背景 - MapReduce1.x存在的问题: 单点故障&节点压力大&不易扩展 ![](img/hadoop-yarn.jpg) - 在Hadoop1.x中MapReduce是Master/Slave结构，在集群中的表现形式为：1个JobTracker带多个TaskTracker； - JobTracker：负责资源管理和作业调度 - TaskTracker：定期向JobTracker汇报本节点的健康状况、资源使用情况以及任务的执行情况；接收来自JobTracker的命令（启动/杀死任务等）并执行接收到的命令; - 资源利用率低 运维成本高 ![](img/image-yarn2.png) - 不同计算框架可以共享同一个HDFS集群上的数据，享受整体的资源调度 ![](img/hadoop-yarn3.png) ### 3.1.3 YARN架构 ![](img/yarn_architecture.gif) - ①ResourceManager: RM ​ 整个集群同一时间提供服务的RM只有一个，负责集群资源的统一管理和调度 ​ 处理客户端的请求： 提交一个作业、杀死一个作业 ​ 监控我们的NM，一旦某个NM挂了，那么该NM上运行的任务需要告诉我们的AM来如何进行处理 - ② NodeManager: NM ​ 整个集群中有多个，负责自己本身节点资源管理和使用 ​ 定时向RM汇报本节点的资源使用情况 ​ 接收并处理来自RM的各种命令：启动Container ​ 处理来自AM的命令 ​ 单个节点的资源管理 - ③ ApplicationMaster: AM ​ 每个应用程序对应一个：MR、Spark，负责应用程序的管理 ​ 为应用程序向RM申请资源（core、memory），分配给内部task ​ 需要与NM通信：启动/停止task，task是运行在container里面，AM也是运行在container里面 - ④ Container ​ 封装了CPU、Memory等资源的一个容器 ​ 是一个任务运行环境的抽象 - ⑤ Client ​ 提交作业 ​ 查询作业的运行进度 ​ 杀死作业 ### 3.4 YARN执行流程 ![](img/yarn4.png) 1，Client提交作业请求 2，ResourceManager接收到请求，在其中一个NodeManager上启动Container， 3，启动的Container为了创建ApplicationMaster 4，ApplicationMaster收到任务后，向ResourceManager申请资源 5，得到批准后，向对应的NodeManager申请启动Container 6，Container启动后，执行对应的任务 ### 3.5 YARN环境搭建 1）mapred-site.xml ``` mapreduce.framework.name yarn ``` 2）yarn-site.xml ``` yarn.nodemanager.aux-services mapreduce_shuffle ``` 3) 启动YARN相关的进程 sbin/start-yarn.sh 4）验证 ``` jps ResourceManager NodeManager http://node-teach:8088 ``` 5）停止YARN相关的进程 ​ `sbin/stop-yarn.sh` ### 3.6 提交MapReduce作业到Yarn上运行 体验MapReduce在Yarn中的运算流程： 在hadoop目录下 xxx/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar 在hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar这个jar包上已经内置了很多样例功能，我们取一个简单的测试下： hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 10 20