大数据_YARN的工作原理

喜欢ヅ旅行 2024-04-03 08:27 58阅读 0赞

**目录**

一、YARN产生的背景

二、YARN的设计思想

三、YARN的基本架构

四、YARN的工作流程

--------------------

## **一、YARN****产生的背景** ##

YARN是从MRv1（hadoop1.0时代）进化到MRv2（hadoop2.0时代）过程中，解决了扩展性差、可靠性差以及资源利用率低等问题应运而生的。下面是MRv1和MRv2的介绍。

**MRv1**

**1****、编程模型：**Map阶段和Reduce阶段

**2****、数据处理引擎：****MapTask****和****ReduceTask**

**3****、运行时环境：****J**obTracker（资源管理和作业控制）和TaskTracker（接受具体命令并具体执行）

**4****、****mRv1****的局限性：**

•  扩展性差（ JobTracker兼具资源管理及作业调度， 容易负载过大）

•  可靠性差（ Master/Slave架构中， Master的单点故障）

•  资源利用率低（ Slot资源分配模型）

•  无法支持多种计算平台

**MRv2**

1、编程模型，数据、处理引擎，与MRv1是一样的

2、唯一不同的是运行时环境。MRv2是运行于YARN之上的MapReduce计算框架·

3、YARN（资管理与调度）和ApplicationMaster（作业控制)。

**YARN**

支持多中计算框架的资源管理器

•  资源利用率高

•  运维成本低

•  数据共享

![ba70d040159647e8bfb483466ab9f8f7.png][]

## **二、****YARN****的设计思想** ##

**MRv1****和****MRv2****的框架对比图**

![db4a67ccfe4944338a19094e9f4c7ab3.png][]

![a2a1e8c6dd7043379952a0bf1e3a45f0.png][]

**MRv1****和****MRv2****的编程模型对比**

1、编程模型（ MapReduce应用程序的两套编程接口： 新API(mapred) 和旧API(mapreduce)）

2、向后兼容问题： 采用MRv1的旧API写的APP， 可以直接使用之前的 Jar包运行于MRv2上， 但采用MRv1； 但采用MRv1的新API写的APP， 不可以如此， 需要使用MRv2编程库重新编译并修改不兼容的参数和 返回值。

**MRv1****和****MRv2****的运行环境对比**

•  JobTracker： 资源和任务的管理和调度

•  TaskTracker： 单个节点的资源管理和任务执行

![d1641a56044e4d339058aa3573aec62b.png][]

•  YARN： 资源管理和调度

•  ApplicationMaster： 具体应用程序相关的任务切分、 任务调度和容错等。

![53de17e44e774e54ae0f1d394516e234.png][]

## **三、****YARN****的基本架构** ##

**A****、****YARN****的基本组成结构**

**ResourceManager****：**全局的资源管理器，负责整个集群的资源管理、分配与调度。

Scheduler(调度器)，纯调度器，默认下是FairScheduler

**NodeManager:**对每一个slave上的资源和任务做管理

1、定时的向RM汇报HeartBeat（资源的使用情况和Container的运行状态）

2、接受来自AM的启动/停止的请求

**Container:**资源分配单位(MRv1中slot),动态分配。

**ApplicationMaster:**每个APP都会包含一个AM,AM的功能包括：

1、向RM申请资源（用Container）

2、将任务做进一步的分配

3、与NM通信启动/停止任务

4、跟踪每一个Task的运行状态（包括Failed后的操作）

![90aa75914f6c4011aa4fc369268a7f5b.png][]

**B****、****YARN****的通信协议**

1、Client与RM通信的协议，ApplicationClientProtocol，作业的提交，应用程序的状态等。

2、AM与RM通信协议，ApplicationMasterProtocol,向RM注册AM,申请资源。

3、AM与NM通信协议，ContainerManagementProtocol,启动/停止Container。

4、RM与NM通信协议，ResourceTracker，汇报slave节点的资源信息包括Container的状态（运行状况）

![02e753eaefcb4e6193fee2569ef849dd.png][]

## **四、****YARN****的工作流程** ##

下图的数字表示了YARN的从client提交任务，到申请资源，到创建task，以及task完成后返回结果RM的处理流程。

![3c96370ef0294dde8d6929696a6811b1.png][]

[ba70d040159647e8bfb483466ab9f8f7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/03bcaae906ef40cfae2e4716d3cf5e35.png
[db4a67ccfe4944338a19094e9f4c7ab3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/27cd7a66f257404f91e8d49af08c6bf1.png
[a2a1e8c6dd7043379952a0bf1e3a45f0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/7a28c35e388e445d93beef13be42ea2d.png
[d1641a56044e4d339058aa3573aec62b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/6b06c48e0e6140beb9d8870bbcc9241b.png
[53de17e44e774e54ae0f1d394516e234.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/bee1743191aa4e50a431e1c6b77ecaac.png
[90aa75914f6c4011aa4fc369268a7f5b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/f5a8b51bd3874819b68c20820e8be14b.png
[02e753eaefcb4e6193fee2569ef849dd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/c0aa2bd8b4744fd399ca63b6095df495.png
[3c96370ef0294dde8d6929696a6811b1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/c0a557dd4d1e484799f71469111d3217.png