Hadoop-Yarn-工作机制、job的提交流程
Yarn基本概述
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基本架构
YARN主要由ResourceManager、NodeManager(两个常驻进程)、ApplicationMaster和Container(临时进程,有job才会启动)等组件构成。
Yarn工作机制
job提交全过程
(1)job提交
第1步:Client 调用job.waitForCompletion()
方法,向整个集群提交MapReducejob
。
第2步:Client 向ResourceManager申请一个jobId
。
第3步:ResourceManager给Client 返回该job资源的提交路径(临时目录 + jobId生成的路径)。
第4步:Client 提交jar包、切片信息和配置文件到指定的资源提交路径。
第5步:Client 提交完资源后,向ResourceManager申请运行MrAppMaster
。
(2)作业初始化
第6步:当ResourceManager收到Client 的请求后,先将该job添加到容量调度器(队列)中。
第7步:通知一个空闲的NodeManager领取到该Job。
第8步:该NodeManager创建Container,并产生一个MrAppmaster。
第9步:然后下载Client 提交的资源到本地。
(3)任务分配
第10步:MrAppMaster向ResourceManager申请运行多个MapTask任务资源。
第11步:ResourceManager将运行MapTask任务分配给另外两个NodeManager,然后分别领取任务并创建容器。
(4)任务运行(此阶段为MapTask、shuffle、ReduceTask数据处理阶段)
第12步:MrAppMaster向两个接收到任务的NodeManager发送程序启动脚本,这两个NodeManager分别启动MapTask,然后MapTask对数据分区排序等操作。
第13步:MrAppMaster等待所有MapTask运行完毕后,向ResourceManager申请容器,运行ReduceTask。
第14步:ReduceTask拷贝MapTask相应分区的数据,然后就行操作。
第15步:程序运行完毕后,MrAppMaster会向ResourceManager申请注销自己。
(5)进度和状态更新
YARN 中的任务,将其进度和状态(包括Container)返回给MrAppMaster, Client 每秒(通过mapreduce.client.progressmonitor.pollinterval
设置)向MrAppMaster请求进度更新, 展示给用户。
(6)job完成
除了向MrAppMaster请求job进度外, Client 每5秒都会通过调用waitForCompletion()
来检查job是否完成。时间间隔可以通过mapreduce.client.completion.pollinterval
来设置。job完成之后, MrAppMaster和Container会清理工作状态。job的信息会被历史服务器存储,以备之后用户核查。