MapReduce On Yarn的执行流程

1、概述

Yarn是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式的操作系统平台，而MapReduce等运算程序则相当于运行于操作系统之上的应用程序。

Yarn的架构如下图所示：

从Yarn的架构图来看，他主要由ResourceManager、NodeManager、ApplicationMaster和Container等一下几个组件构成。

1）ResourceManager

Yarn分层结构的本质是ResourceManager，这个实体控制整个集群并管理应用程序向基础计算资源的分配。Resourcemanager将各个资源（计算，内存，带宽等）精心安排给基础NodeManager。ResourceManager还与ApplicationMaster一起分配资源，与NodeManager一起启动和监视他们的基础应用程序。

总的来说，RM有以下功能：

（1）处理客户端的请求

（2）启动和监控ApplicationMaster

（3）监控NodeManager

（4）资源分配与调度

2）ApplicationMaster

ApplicationMaster管理在Yarn内运行的每个应用程序。负责协调来自RM的资源，并通过NodeManager监控容器的执行和资源的使用（CPU、内存等的资源分配）。总体来说，AM有以下作用

（1）负责数据的切分

（2）为应用程序申请资源并分配给内部的任务

（3）任务的监控与容错

3）NodeManager

NodeManager管理Yarn集群中的每个节点，并提供针对集群每个节点的服务，从监督一个容器的终生管理到监视资源和跟踪节点健康。而NodeManager管理抽象容器，这些容器代表着可供一个特定应用程序使用的针对每个节点的资源。

总体来说，NM有以下作用

（1）管理单个节点上的资源

（2）处理来自ResourceManager的命令

（3）处理来自ApplicationMaster的命令

4）、Container

Container是YARN中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等，当AM向RM申请资源时，RM为AM返回的资源便是用Container表示的。YARN会为每个任务分配一个Container，且该任务只能使用该Container中描述的资源。

总的来说，Container有以下作用

对任务运行环境进行抽象，封装CPU、内存等多维度的资源以及环境变量、启动命令等任务运行相关的信息

2、Yarn的运行机制

运行流程步骤为：

（1）用户向Yarn提交应用程序（job  Application），jar文件，其中包裹着ApplicationMaster程序，启动ApplicationMaster的命令等

（2）RM为该job分配第一个Container，并选中一个NodeManager在其上运行job的ApplicationMaster

（3）ApplicationMaster向ApplicationsManager注册，这样就可以在RMWeb界面查询这个job的运行状态

（4）ApplicationMaster采用轮询的方式通过RPC协议向RM申请和领取资源

（5）一旦ApplicationMaster拿到资源，就与对应的NM通信，要求启动任务。

（6）NodeManager为任务设置好运行环境（jar包等），将任务命令写在一个脚本里。并通过该脚本启动任务 task。

（7）各个task通过rpc协议向ApplicationMaster汇报自己的状态和进度，以此让ApplicationMaster随时掌握各个task的运行状态。

（8）ApplicationMaster向ApplicationsManger注销且关闭自己。

总体来说，分为两步：

1、启动ApplicationMaster，申请资源

2、运行任务，直到任务运行完成。