day46-hadoop-yarn
day46-hadoop-yarn
hadoop-yarn
Yarn资源调度器
Yarn是一个资源调度平台，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基本架构
Yarn主要由ResourceManager、NodeManager、ApplicationMaster和Container等组件构成
作业提交流程
一、作业提交
1. Client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。
2. Client向RM申请一个作业id
3. RM给Client返回该job资源的提交路径和作业id
4. Client提交jar包、切片信息和配置文件到指定的资源提交路径
5. Client提交完资源后，向RM申请运行MrAppMaster
二、作业初始化
6. 当RM收到Client的请求后，将该job添加到容量调度器中
7. 某一个空闲的NM领取到该Job
8. 该NM创建Container，并产生MRAppmaster
9. 下载Client提交的资源到本地
三、任务分配
10. MrAppMaster向RM申请运行多个MapTask任务资源
11. RM将运行MapTask任务分配给另外两个NodeManager，另两个NodeManager分别领取任务并创建容器
四、任务运行
12. MrAppMaster向两个接收到的任务的NodeManager发送程序启动脚本，这两个NodeManager分别启动MapTask，MapTask对数据分区排序
13. MrAppMaster等所有MapTask运行完毕后，向RM申请容器，运行ReduceTask
14. ReduceTask向MapTask获取相应分区的数据
15. 程序运行完毕后，MR会向RM申请注销自己
五、进度和状态跟新
Yarn中的任务将进度和状态（包括 counter）返回给应用管理器，客户端每秒（通过mapreduce.client.progressmonitor.pollinterval设置）向应用管理器请求进度更新，展示给用户
六、作业完成
除了向应用管理器请求作业进度外，客户端每5秒都会通过调用waitForCompletion()来检查作业是否完成。时间间隔可以通过mapreduce.client.completion.pollinterval来设置。作业完成之后，应用管理器和Container会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户核查。。
资源调度器
先进先出调度器（FIFO）
Hadoop最初设计目的是支持大数据批处理作业，如日志挖掘、Web索引等作业
为此，Hadoop仅提供了一个非常简单的调度机制：FIFO，即先来先服务，在该调度机制下，所有作业被统一提交到一个队列中，Hadoop按照提交顺序依次运行这些作业
但随着Hadoop的普及，单个Hadoop集群的用户量越来越来越大，不同用户提交订单应用程序往往具有不同的服务质量要求，典型的应用有以下几种：
批处理作业：这种作业往往耗时较长，对事件完成一般没有严格要求，如数据挖掘、机器学习等方面的应用程序。
交互式作业：这种作业期望能即使返回结果，如SQL查询（Hive）等。
生产性作业：这种作业要求有一定量的资源保证，如统计值计算、垃圾数据分析等。
此外，这些应用程序对硬件资源需求量也是不同的，如过滤、统计类作业一般为CPU密集型作业，而数据挖掘、机器学习作业一般为I/O密集型作业。因此，简单的FIFO调度策略不仅不能满足多样化需求，也不能充分利用硬件资源
容量调度器（Capacity Scheduler）
Capacity Scheduler 是Yahoo 开发的多用户调度器，它以队列为单位划分资源，每个队列可设定一定比例的资源最低保证和使用上限，同时，每个用户也可设定一定的资源使用上线以防止资源滥用。而当一个队列的资源有剩余时，可暂时将剩余资源共享给其他队列
Cpacity Scheduler主要有以下几个特点：
1. 容量保证。管理员可为每个队列设置资源最低保证和资源使用上限，而所有提交到该队列的应用程序共享这些资源。
2. 灵活性。如果一个队列中的资源有剩余，可以暂时共享给那些需要资源的队列，而一旦该队列有新的应用程序提交，则其他队列释放的资源归还给该队列。这种资源灵活分配的方式可明显提高资源利用率。
3. 多重租赁。支持多用户共享集群和多应用程序同时运行。为防止单个应用程序、用户或者队列独占集群中的资源，管理员可为之增加多重约束（比如单个应用程序同时运行的任务数等）
4. 安全保证。每个队列有严格的ACL列表规定它的访问用户，每个用户可指定那些用户允许查看自己应用程序的运行状态或者控制应用程序（比如杀死应用程序）。此外，管理员可指定队列管理员和集群系统管理员。
5. 动态更新配置文件。管理员可根据需要动态修改各种配置参数，以实现在线集群管理。
公平调度器（Fair）
Fair Scheduler是 Facebook开发的多用户调度器
公平调度器的目的是让所有的作业随着事件的推移，都能平均地获取等同的共享资源
当有作业提交上来，系统会将空间的资源分配给新的作业！每个任务大致上会获取平等数据量的资源！和传统的调度策略不同的是：
他会让小的任务在合理的事件完成，同时不会让需要长时间运行的耗费大量资源的应用挨饿
通Capacity Scheduler类型，他以队列为单位划分资源，每个对应可设定一定比例的资源最低保证和使用上限，同时，每个用户也可设定一定的资源使用上限以防止资源滥用；
当一个队列的资源有剩余时，可暂时将剩余资源共享给其他队列
当然，Fair Scheduler也存在很多与Capacity Scheduler不同之处，这主要体现以下几个方面：
1. 资源公平共享。在每个队列，Fair Scheduler可选择按照FIFO、Fair或DRE策略为应用程序分配资源。其中，Fair策略（默认）是一种基于最大最小公平算法实现的资源多路复用，默认情况下，每个队列内部采用该方式分配资源。这意味着，如果一个队列中有两个应用程序同时运行，则每个应用程序可得到1/2的资源；如果三个应用程序同时运行，则每个应用程序可得到1/3的资源。
2. 支持资源抢占。当某个队列中有剩余资源时，调度器会将这些资源共享给其他队列，而当该队列中有新的应用程序提交时，调度器要为它回收资源。为了尽可能降低不必要的计算浪费，调度器采用了先等待在强制回收的策略，即如果等待一段时间后尚有未归还的资源，则会进行资源抢占：从那些超额使用资源的队列中杀死一部分任务，进而释放资源。
yarn.scheduler.fair.preemption=true 通过该配置开启资源抢占
3. 负载均衡。Fair Scheduler提供了一个基于任务数目的负载均衡机制，该机制尽可能将系统中的任务均匀分配到各个节点上。此外，用户也可以根据自己的需要设计负载均衡机制。
4. 调度策略配置灵活。Fair Scheduler允许管理员为每个队列单独设置调度策略（当前支持FIFO、Fair或DRF三种）
5. 提高小应用程序响应时间。由于采用了最大最小公平算法，小作业可以快速获取资源并运行完成。
浙公网安备 33010602011771号