YARN

概述

为上层应用提供统一的资源管理和作业调度的通用框架

YARN产生背景

1.MapReduce1.x的引起的问题

MapReduce1.x.png

master/slave： JobTracker&TaskTracker
一个JobTracker管理多个TaskTracker
JobTracker：单点、压力大、
仅支持MapReduce作业，其他诸如Spark等架构无法运行
2.资源资源率&运维成本

资源利用.png

所有的计算框架运行在一个集群中，共享一个集群的资源，做到按需分配。

YARN框架

把原有的JobTracker拆成两个两个进程
资源管理（ResourceManager RM），
作业调度/监控（per-application ApplicationMaster AM）
RM 和 per-node slave，NameManger 组成了数据计算框架

YARN架构.png

client： 向RM提交，杀死任务
RM：处理来自client 的请求，启动/监控AM，监控NM
AM：每个Application对应一个AM， AM向RM申请资源用于NM上启动对应的task，主要就是做数据的切分，为每个task向RM申请资源（container）
NM：真正工作+ 向RM发送心跳信息，接收来自RM的请求来启动任务，处理来自AM的命令
container：任务的运行抽象，可以看作是一系列的物理信息 memory，cpu...

执行流程

1.Client提交作业到 RM
2.RM选择一个NM，启动一个container并在其上运行一个AM
3.AM 向RM上申请资源，随后到对应的NM上启动container，然后在这些container上启动诸如map task或者reduce task即可

注意：如果作业很小, AM选择在其自己的 JVM 中运行任务

执行流程.png

YARN部署

*** 在配置好hadoop的基础上

mapred-site.xml
<property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
</property>

yarn-site.xml 
<property>
  <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>



启动
sbin/start-yarn.sh
jps 发现有RM 和NM 进程则启动成功

关闭
sbin/stop-yarn.sh

通过访问8088端口可以看到yarn的web界面

提交任务到YARN上

hadoop jar jar包... # 可以使用hadoop里面的exmaple目录下的jar查看效果

提交自己开发的MR作业到YARN上运行的步骤：
1）mvn clean package -DskipTests
windows/Mac/Linux ==> Maven
2）把编译出来的jar包(项目根目录/target/...jar)以及测试数据上传到服务器
scp xxxx hadoop@hostname:directory

3. 把数据上传到HDFS
   hadoop fs -put xxx hdfspath
4. 执行作业
   hadoop jar xxx.jar 完整的类名(包名+类名) args.....
5. 到YARN UI(8088) 上去观察作业的运行情况
   6）到输出目录去查看对应的输出结果