yarn本身也是一个集群,这个集群的老大是resourcemanager,其他的小弟是nodemanager。
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是运行于操作系统之上的应用程序。
运算资源有:运算测程序jar包,配置文件,cpu,内存,IO
Linux操作系统提供一种机制可以不同的进程分开这些运算资源(cpu和内存)-- cgroup (Linux的资源隔离机制)
现在很多的虚拟化技术就是利用这个机制来做资源隔离的。比如说 docker
每一个node manager 都有一个 container (容器),一个container里面是一定的cpu + 内存 + 运算程序所需要的jar包
所谓的yarn就是用来管理这些容器的分配的。
yarn 是hadoop 2.0 中的资源管理系统,它的基本设计思想是将MR v1 中的JobTracker拆分
成了两个独立的服务:一个全局的资源管理器ResourseManager和每个应用程序特有的
ApplicationMaster。
其中ResourceManager负责整个系统的资源管理和分配,而ApplicationMaster负责单个应用
程序的管理。
有两个client,提交两个程序。
YARN总体上仍然是master/slave结构,在整个资源管理框架中,resourcemanager为master,nodemanager是slave。Resourcemanager负责对各个nademanger上资源进行统一管理和调度。当用户提交一个应用程序时,需要提供一个用以跟踪和管理这个程序的ApplicationMaster,它负责向ResourceManager申请资源,并要求NodeManger启动可以占用一定资源的任务。由于不同的ApplicationMaster被分布到不同的节点上,因此它们之间不会相互影响。
有两个应用程序所以又两个ApplicationMaster,这连个ApplicationMaster是分到不同的node节点的。
yarn的基本结构,YARN主要由ResourceManager、NodeManager、ApplicationMaster和Container等几个组件构成。
ResourceManager是Master上一个独立运行的进程,负责集群统一的资源管理、调度、分配等等;NodeManager是Slave上一个独立运行的进程,负责上报节点的状态;App Master和Container是运行在Slave上的组件,Container是yarn中分配资源的一个单位,包涵内存、CPU等等资源,yarn以Container为单位分配资源。
Client向ResourceManager提交的每一个应用程序都必须有一个Application Master,它经过ResourceManager分配资源后,运行于某一个Slave节点的Container中,具体做事情的Task,同样也运行与某一个Slave节点的Container中。RM,NM,AM乃至普通的Container之间的通信,都是用RPC机制。
YARN的架构设计使其越来越像是一个云操作系统,数据处理操作系统。
1.ResourceManager:
RM是一个全局的资源管理器,集群只有一个,负责整个系统的资源管理和分配,包括处理客户端请求、启动/监控APP master、监控nodemanager、资源的分配与调度。它主要由两个组件构成:调度器(Scheduler)和应用程序管理器(Applications Manager,ASM)。
1) 调度器
调度器根据容量、队列等限制条件(如每个队列分配一定的资源,最多执行一定数量的作业等),
将系统中的资源分配给各个正在运行的应用程序。需要注意的是,该调度器是一个“纯调度器”,
它不再从事任何与具体应用程序相关的工作,比如不负责监控或者跟踪应用的执行状态等,
也不负责重新启动因应用执行失败或者硬件故障而产生的失败任务,这些均交由应用程序相关的ApplicationMaster完成。
调度器仅根据各个应用程序的资源需求进行资源分配,而资源分配单位用一个抽象概念“资源容器”(Resource Container,简称Container)表示,
Container是一个动态资源分配单位,它将内存、CPU、磁盘、网络等资源封装在一起,从而限定每个任务使用的资源量。
此外,该调度器是一个可插拔的组件,用户可根据自己的需要设计新的调度器,YARN提供了多种直接可用的调度器,比如Fair Scheduler和Capacity Scheduler等。
(2) 应用程序管理器
应用程序管理器负责管理整个系统中所有应用程序,包括应用程序提交、与调度器
协商资源以启动ApplicationMaster、监控ApplicationMaster运行状态
并在失败时重新启动它等。
2. ApplicationMaster(AM)
管理YARN内运行的应用程序的每个实例
功能:
数据切分
为应用程序申请资源并进一步分配给内部任务。
任务监控与容错
负责协调来自resourcemanager的资源,并通过nodemanager监视容易的执行和资源使用情况。
3. NodeManager(NM)
Nodemanager整个集群有多个,负责每个节点上的资源和使用。
功能:
单个节点上的资源管理和任务。
处理来自于resourcemanager的命令。
处理来自域app master的命令。
Nodemanager管理着抽象容器,这些抽象容器代表着一些特定程序使用针对每个节点的资源。
Nodemanager定时地向RM汇报本节点上的资源使用情况和各个Container的运行状态(cpu和内存等资源)
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。需要注意的是,Container不同于MRv1中的slot,它是一个动态资源划分单位,是根据应用程序的需求动态生成的。目前为止,YARN仅支持CPU和内存两种资源,且使用了轻量级资源隔离机制Cgroups进行资源隔离。
功能:
对task环境的抽象
描述一系列信息
任务运行资源的集合(cpu、内存、io等)
任务运行环境
参考的博客:
https://www.cnblogs.com/wcwen1990/p/6737985.html
yarn
只负责程序运行所需要的分配回收等调度任务,与应用程序的内部运作机制完全无关。
所以,yarn已经成为一个通用的资源调度平台,许许多多的运算框架都可以借助它来实现资源管理。比如 MR /SPARK/STORM/TEZ/FLINK