這篇文章主要為大家展示了“Hadoop中Yarn基本架構是怎么樣的”,內(nèi)容簡而易懂,條理清晰,希望能夠幫助大家解決疑惑,下面讓小編帶領大家一起研究并學習一下“Hadoop中Yarn基本架構是怎么樣的”這篇文章吧。
1.1 YARN 基本架構
YARN是Hadoop 2.0中的資源管理系統(tǒng),它的基本設計思想是將MRv1中的JobTracker拆分成了兩個獨立的服務:一個全局的資源管理器ResourceManager和每個應用程序特有的ApplicationMaster。
其中ResourceManager負責整個系統(tǒng)的資源管理和分配,而ApplicationMaster負責單個應用程序的管理。
1.2 YARN基本組成結構
YARN總體上仍然是Master/Slave結構,在整個資源管理框架中,ResourceManager為Master,NodeManager為Slave,ResourceManager負責對各個NodeManager上的資源進行統(tǒng)一管理和調度。當用戶提交一個應用程序時,需要提供一個用以跟蹤和管理這個程序的ApplicationMaster,它負責向ResourceManager申請資源,并要求NodeManger啟動可以占用一定資源的任務。由于不同的ApplicationMaster被分布到不同的節(jié)點上,因此它們之間不會相互影響。在本小節(jié)中,我們將對YARN的基本組成結構進行介紹。
圖2-9描述了YARN的基本組成結構,YARN主要由ResourceManager、NodeManager、ApplicationMaster(圖中給出了MapReduce和MPI兩種計算框架的ApplicationMaster,分別為MR AppMstr和MPI AppMstr)和Container等幾個組件構成。
1.ResourceManager(RM)
RM是一個全局的資源管理器,負責整個系統(tǒng)的資源管理和分配。它主要由兩個組件構成:調度器(Scheduler)和應用程序管理器(Applications Manager,ASM)。
(1)調度器
調度器根據(jù)容量、隊列等限制條件(如每個隊列分配一定的資源,最多執(zhí)行一定數(shù)量的作業(yè)等),將系統(tǒng)中的資源分配給各個正在運行的應用程序。
需要注意的是,該調度器是一個“純調度器”,它不再從事任何與具體應用程序相關的工作,比如不負責監(jiān)控或者跟蹤應用的執(zhí)行狀態(tài)等,也不負責重新啟動因應用執(zhí)行失敗或者硬件故障而產(chǎn)生的失敗任務,這些均交由應用程序相關的ApplicationMaster完成。調度器僅根據(jù)各個應用程序的資源需求進行資源分配,而資源分配單位用一個抽象概念“資源容器”(Resource Container,簡稱Container)表示,Container是一個動態(tài)資源分配單位,它將內(nèi)存、CPU、磁盤、網(wǎng)絡等資源封裝在一起,從而限定每個任務使用的資源量。此外,該調度器是一個可插拔的組件,用戶可根據(jù)自己的需要設計新的調度器,YARN提供了多種直接可用的調度器,比如Fair Scheduler和Capacity Scheduler等。
(2) 應用程序管理器
應用程序管理器負責管理整個系統(tǒng)中所有應用程序,包括應用程序提交、與調度器協(xié)商資源以啟動ApplicationMaster、監(jiān)控ApplicationMaster運行狀態(tài)并在失敗時重新啟動它等。
2. ApplicationMaster(AM)
用戶提交的每個應用程序均包含1個AM,主要功能包括:
與RM調度器協(xié)商以獲取資源(用Container表示);
將得到的任務進一步分配給內(nèi)部的任務;
與NM通信以啟動/停止任務;
監(jiān)控所有任務運行狀態(tài),并在任務運行失敗時重新為任務申請資源以重啟任務。
當前YARN自帶了兩個AM實現(xiàn),一個是用于演示AM編寫方法的實例程序distributedshell,它可以申請一定數(shù)目的Container以并行運行一個Shell命令或者Shell腳本;另一個是運行MapReduce應用程序的AM—MRAppMaster,我們將在第8章對其進行介紹。此外,一些其他的計算框架對應的AM正在開發(fā)中,比如Open MPI、Spark等。
3. NodeManager(NM)
NM是每個節(jié)點上的資源和任務管理器,一方面,它會定時地向RM匯報本節(jié)點上的資源使用情況和各個Container的運行狀態(tài);另一方面,它接收并處理來自AM的Container啟動/停止等各種請求。
4. Container
Container是YARN中的資源抽象,它封裝了某個節(jié)點上的多維度資源,如內(nèi)存、CPU、磁盤、網(wǎng)絡等,當AM向RM申請資源時,RM為AM返回的資源便是用Container表示的。YARN會為每個任務分配一個Container,且該任務只能使用該Container中描述的資源。
需要注意的是,Container不同于MRv1中的slot,它是一個動態(tài)資源劃分單位,是根據(jù)應用程序的需求動態(tài)生成的。截至本書完成時,YARN僅支持CPU和內(nèi)存兩種資源,且使用了輕量級資源隔離機制Cgroups進行資源隔離。
1.3 YARN工作流程
當用戶向YARN中提交一個應用程序后,YARN將分兩個階段運行該應用程序:
第一個階段是啟動ApplicationMaster;
第二個階段是由ApplicationMaster創(chuàng)建應用程序,為它申請資源,并監(jiān)控它的整個運行過程,直到運行完成。
如圖2-11所示,YARN的工作流程分為以下幾個步驟:
步驟1 用戶向YARN中提交應用程序,其中包括ApplicationMaster程序、啟動ApplicationMaster的命令、用戶程序等。
步驟2 ResourceManager為該應用程序分配第一個Container,并與對應的Node-Manager通信,要求它在這個Container中啟動應用程序的ApplicationMaster。
步驟3 ApplicationMaster首先向ResourceManager注冊,這樣用戶可以直接通過ResourceManager查看應用程序的運行狀態(tài),然后它將為各個任務申請資源,并監(jiān)控它的運行狀態(tài),直到運行結束,即重復步驟4~7。
步驟4 ApplicationMaster采用輪詢的方式通過RPC協(xié)議向ResourceManager申請和領取資源。
步驟5 一旦ApplicationMaster申請到資源后,便與對應的NodeManager通信,要求它啟動任務。
步驟6 NodeManager為任務設置好運行環(huán)境(包括環(huán)境變量、JAR包、二進制程序等)后,將任務啟動命令寫到一個腳本中,并通過運行該腳本啟動任務。
步驟7 各個任務通過某個RPC協(xié)議向ApplicationMaster匯報自己的狀態(tài)和進度,以讓ApplicationMaster隨時掌握各個任務的運行狀態(tài),從而可以在任務失敗時重新啟動任務。
在應用程序運行過程中,用戶可隨時通過RPC向ApplicationMaster查詢應用程序的當前運行狀態(tài)。
步驟8 應用程序運行完成后,ApplicationMaster向ResourceManager注銷并關閉自己。
1.4 多角度理解YARN
可將YARN看做一個云操作系統(tǒng),它負責為應用程序啟動ApplicationMaster(相當于主線程),然后再由ApplicationMaster負責數(shù)據(jù)切分、任務分配、啟動和監(jiān)控等工作,而由ApplicationMaster啟動的各個Task(相當于子線程)僅負責自己的計算任務。當所有任務計算完成后,ApplicationMaster認為應用程序運行完成,然后退出。
以上是“Hadoop中Yarn基本架構是怎么樣的”這篇文章的所有內(nèi)容,感謝各位的閱讀!相信大家都有了一定的了解,希望分享的內(nèi)容對大家有所幫助,如果還想學習更多知識,歡迎關注創(chuàng)新互聯(lián)-成都網(wǎng)站建設公司行業(yè)資訊頻道!
名稱欄目:Hadoop中Yarn基本架構是怎么樣的-創(chuàng)新互聯(lián)
文章來源:http://chinadenli.net/article0/deeooo.html
成都網(wǎng)站建設公司_創(chuàng)新互聯(lián),為您提供電子商務、手機網(wǎng)站建設、外貿(mào)建站、網(wǎng)站策劃、面包屑導航、營銷型網(wǎng)站建設
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉載內(nèi)容為主,如果涉及侵權請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載,或轉載時需注明來源: 創(chuàng)新互聯(lián)