【原创】MapReduce程序如何在集群上执行

首先了解下资源调度管理框架Yarn。

Yarn的结构(如图):

Resource Manager (rm)负责调度管理整个集群上的资源，而每一个计算节点上都会有一个Node Manager(nm)来负责该节点上的计算资源，我们把计算资源抽象成一个个Container(容器)，每个Container包含一定数量的cpu核数和一定大小的内存。一个应用程序由一个App Master 来管理，App Master 负责将一个程序运行在各个节点的Container中。

Yarn 组件分工：

1.      Resource Manager

主要职责是调度，对应用程序的整体进行资源分配。

2.      Container

单个节点的物理资源的集合，比如内存，cpu。

3.      Node Manage

管理Container生命周期，资源使用情况，节点健康状况，并且将这些信息汇报给Recource Manager。

4.      Application Master

协调集群中的应用程序，与Resource Manager协商资源，并且将这个应用程序运行在集群之中。

MapReduce程序如何在集群上执行？

执行过程：

1. mr会在客户端启动，客户端会向rm 发送一个 app 请求，rm会返回一个appid给客户端，
2. 客户端会拿着appid,用户名，队列，令牌向rm进行请求，
3. 客户端会将应用程序所用的jar包，资源文件，以及程序运行时所需要的数据传送到hdfs,
4. rm会分配一个container0的资源包，由nm启动一个 appmaster
5. rm将集群容量信息发送给appmaster，
6. appmaster计算这个程序需要的资源量
7. 向rm 请求分配更多的container
8. nm在各个节点上启动map任务和reduce任务。

总结：

1. 客户端提交mr程序，向rm请求资源，并将程序依赖的资源上传到hdfs,
2. Rm分配一个container0,nm启动am,用来管理这个mr程序，am计算好所需要的资源后向rm请求更多的资源。
3. nm在各个节点上启动map task和reduce task