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
-
资源利用率&运维成本
-
催生了YARN的诞生
YARN：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
xxx on YARN的好处：与其他计算框架共享集群资源，按资源需要分配，进而提高集群资源的利用率
xxx ：Spark/MapReduce/Storm/Flink
YARN概述
yarn架构
通用的资源管理系统
为上一层应用提供统一的资源管理和调度
-
架构
-
ResourceManager：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的调度
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
-
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
-
ApplicationMaster：AM
每一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也运行在container里面
-
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
-
Client
提交作业
查询作业的运行进度
杀死作业
-
yarn执行流程
