Yarn框架概述

负责资源调度
image.png


Yarn+MapReduce完整流程

image.png
详细流程:

  1. 客户端向RM提交Application
  2. RM返回相应hdfs地址给客户端
  3. 客户端(job.submint())此时提交job到hdfs,并向RM提交运行mrAppMaster的申请
  4. RM将请求初始化为一个Task,Task进入资源调度器队列,等待发配到NodeManager
  5. NodeManager接收被发配的Task,开始创建Container,并启动MRAppmaster
  6. Container下载hdfs中的job资源到本地(NodeManager)
  7. MRAppMaster拿到上传过来的job信息,计算需要MapTask的数量,后向RM申请运行MapTask的资源-Container,
  8. RM再让nodemanager分配Container,并启动MapTask
  9. MRAppMaster向启动的MapTask发送脚本(我们写好的map方法等),脚本执行完后
  10. MRAppMaster等待mapTask运行完后向RM申请运行ReduceTask的资源-Container
  11. ReduceTask向MapTask获取相应分区的数据
  12. RM再让nodemanager分配Container,并启动ReduceTask
  13. 将数据写到hdfs后MapReduce向RM注销自己

记忆流程
client —> rm —> nodemanager —> container —> appmaster
—> rm —> nodemanager —> container —> maptask —> shffur —>appmaster
—>rm —>nodemanager—>container—> reducetask —> hdfs —>rm注销

稍微详细流程图
client —> rm(初始化task) —> nodemanager —> container —>appmaster (计算maptask)
—> rm —> nodemanager —> container —> maptask —> shffur—>appmaster
—>rm —>nodemanager—>container —> reducetask —>hdfs—> mapreduce向rm注销
(MapTask和ReduceTask统称YarnChild)


注:
如果从本地上传资源到hdfs的表中,数据需要分发,如果数据执行了mr,那么下面这条上传指令,只会从本nodemanager中上传数据,而选择那个nodemanager由yarn随机决定,所以需要分发。
如果上从hdfs插入数据到表中则不会出现这种情况

  1. load data local inpath 'xxx' into table aaa;

作业提交全过程详解
(1)作业提交
第1步:Client调用job.waitForCompletion方法,向整个集群提交MapReduce作业。
第2步:Client向RM申请一个作业id。
第3步:RM给Client返回该job资源的提交路径和作业id。
第4步:Client提交jar包、切片信息和配置文件到指定的资源提交路径。
第5步:Client提交完资源后,向RM申请运行MrAppMaster。
(2)作业初始化
第6步:当RM收到Client的请求后,将该job添加到容量调度器中。
第7步:某一个空闲的NM领取到该Job。
第8步:该NM创建Container,并产生MRAppmaster。
第9步:下载Client提交的资源到本地。
(3)任务分配
第10步:MrAppMaster向RM申请运行多个MapTask任务资源。
第11步: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。
(4)任务运行
第12步:MR向两个接收到任务的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。
第13步:MrAppMaster等待所有MapTask运行完毕后,向RM申请容器,运行ReduceTask。
第14步:ReduceTask向MapTask获取相应分区的数据。
第15步:程序运行完毕后,MR会向RM申请注销自己。
(5)进度和状态更新
YARN中的任务将其进度和状态(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。
(6)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。