【复习001】-20170722

一、大数据基础

Hadoop、MapReduce、Hbase、Spark、Storm、Zookeeper

二、MapReduce和Yarn功能与架构
Yarn(集群资源管理)的组件

    ResourceManager（RM）：整个系统只有一个RM，它就只管调度方面的事情，并且为集群应用而优化，因而具有很好的性能。RM的一个核心是它的Scheduler。调度包含两个过程，一要搜集各节点的情况；二要根据某种调度策略，分配合适的节点。搜集节点情况是基于一个资源容器(resource container)的概念，该容器包括cpu,disk,network等（目前只用到cpu）
    NodeManager（NM）：NM是每个节点一个实例，管理每个节点，它触发应用容器（application container），监控节点的资源（cpu/disk等），并向RM报告资源的情况。
    ApplicationMaster（AM）：AM是每个应用一个实例，它是一个特定的框架接口库，一方面与RM中的Scheduler协商得到resource container，另一方面与NM一起执行和监控各子任务部件，从系统的角度，AM本身也一种container（下图中将它与container画得一样）。
    Container：从逻辑上，container可认为是资源的分配容器，它包括hostname，cpu，memory等属性。AM发送ResourceRequest给RM，然后RM分配合适的Container给AM，AM再将此Container提交给它所在节点的NM，NM采用此资源容器运行任务。实际上，Container是一种使用资源的“授权”，AM得到此授权后，在NM的管理下，可以运行任何进程（包括非Java应用，这一点与1.0不同）。YARN可以激发活动的API包括：
        在容器内运行进程的命令行
        环境变量
        本地资源，包括jar，链接库、文件等
        安全凭证

Yarn

三、MapReduce客户端与RM的内部交互原理

1.客户端通知RM提交一个应用
2.RM生成一个唯一标识的应用ID，又叫JOb ID，同时将当前NM集群的资源描述信息反馈给客户端。
3.客户端根据RM的反馈信息，开始Job提交之前的初始化过程，包括调度队列、用户及优先级信息，以及RM创建和启动AM所需的信息（例如应用Jar文件、Job资源信息、安全Token或其他资源描述）。
4.客户端向RM查询、获取应用的执行进展报告
5.RM（实际是ASM）将应用执行进展报告发给MRClient
6.如有必要，客户端可直接通知RM（实际是ASM）终止

MapReduce客户端与RM的内部交互原理

【复现002】-20170723
四、Yarn 关键组件内部交互原理

1. RM调度资源并在合适的NM节点上启动对应的AM。AM向RM注册，包含二者之间的握手信息、AM侦听端口，及后续进行AM管理和监控的URL。
2. RM接收AM注册信息，并反馈响应给AM，包含集群资源信息。
3. AM向RM发起资源分配请求，包含需要使用的Container个数，同时附带归属于        本AM的Container信息。
4. AM向RM获取资源分配进度信息，并保持与 RM之间的心跳。
5. RM根据资源调度策略，分配容器资源给AM。
6. AM根据RM反馈信息，指示对应NM完成Container的拉起。一个NM上可以启动多个Container。
7. 在Container运行过程中，AM向NM获取Container的运行状态报告。
8. NM将Container的运行状态信息反馈给AM。

Yarn 关键组件内部交互原理