Hadoop2.x 让你真正明白yarn
问题导读 1.hadoop1.x中mapreduce框架与yarn有什么共同点？ 2.它们有什么不同点？ 3.yarn中有哪些改变？ 4.yarn中有哪些术语？ 原文：about云日志分析项目准备6-3-1：Hadoop2.x 让你真正明白yarn http://www.aboutyun.com/forum.php?mod=viewthread&tid=20888 相同点 hadoop2.x的发展是由于hadoop1.x的问题造成的。 那么是什么问题造成的。比较流行的说法是jobtracker的问题，比如单点故障，任务过重。我们知道了除了Jobtracker，同时还有一个TaskTracker。我们看下图：
上图中，有一个JobTracker，多个TaskTracker。 Yarn比较 我们在来看yarn
我们看到有一个ResourceManager，多个NodeManager。 也就是说hadoop1.x mapreduce框架与hadoop2.x yarn，他们的框架相同之处，都是分布式的。 再次总结相同处： JobTracker一个，TaskTracker多个 resourceManager一个,NodeManager多个 不同点 既然他们框架结构是相同的，那么到底是什么原因，淘汰JobTracker机制。 这时候我们就需要看看JobTracker到底干了哪些事情。
再看上图：
JobTacker概述 JobTacker其承担的任务有：接受任务、计算资源、分配资源、与DataNode进行交流。 在hadoop中每个应用程序被表示成一个作业，每个作业又被分成多个任务，JobTracker的作业控制模块则负责作业的分解和状态监控。 *最重要的是状态监控：主要包括TaskTracker状态监控、作业状态监控和任务状态监控。主要作用：容错和为任务调度提供决策依据。 TaskTracker概述 TaskTracker是JobTracker和Task之间的桥梁：一方面，从JobTracker接收并执行各种命令：运行任务、提交任务、杀死任务等；另一方面，将本地节点上各个任务的状态通过心跳周期性汇报给JobTracker。TaskTracker与JobTracker和Task之间采用了RPC协议进行通信 TaskTracker的功能： 1.汇报心跳：Tracker周期性将所有节点上各种信息通过心跳机制汇报给JobTracker。这些信息包括两部分： *机器级别信息：节点健康情况、资源使用情况等。 *任务级别信息：任务执行进度、任务运行状态等。 2.执行命令：JobTracker会给TaskTracker下达各种命令，主要包括：启动任务(LaunchTaskAction)、提交任务(CommitTaskAction)、杀死任务(KillTaskAction)、杀死作业(KillJobAction)和重新初始化(TaskTrackerReinitAction)。 资源slot概述 slot不是CPU的Core，也不是memory chip，它是一个逻辑概念，一个节点的slot的数量用来表示某个节点的资源的容量或者说是能力的大小，因而slot是 Hadoop的资源单位。 hadoop中什么是slots http://www.aboutyun.com/forum.php?mod=viewthread&tid=7562 yarn详解 Yarn的基本思想是拆分资源管理的功能，作业调度/监控到单独的守护进程 这里面出现了很多名词： ResourceManager，NodeManager，ApplicationMaster，Container,同样下面亦是yarn结构图。 ResourceManager是全局的，负责对于系统中的所有资源有最高的支配权。 ApplicationMaster 每一个job有一个ApplicationMaster 。 NodeManager，NodeManager是基本的计算框架。 NodeManager 是客户端框架负责 containers, 监控他们的资源使用 (cpu, 内存, 磁盘, 网络) 和上报给 ResourceManager/Scheduler. ApplicationMaster首先它是一个框架库，它的功能官网说的不够系统，大意，由于NodeManager 执行和监控任务需要资源，所以通过ApplicationMaster与ResourceManager沟通，获取资源。换句话说，ApplicationMaster起着中间人的作用。 转换为更专业的术语：AM负责向ResourceManager索要NodeManager执行任务所需要的资源容器，更具体来讲是ApplicationMaster负责从Scheduler申请资源，以及跟踪这些资源的使用情况以及任务进度的监控。 ResourceManager有两个组件：调度器和应用程序管理器。 调度器（Scheduler）是可插拔的，比如有Fair Scheduler、Capacity Scheduler等，当然调度器也可以自定义。 更多相关内容： Hadoop YARN配置参数剖析(4)—Fair Scheduler、Capacity Scheduler相关参数 http://www.aboutyun.com/forum.php?mod=viewthread&tid=5864 应用程序管理器 负责接收提交的任务，指定ApplicationMaster申请资源（container） ，协调并提供在ApplicationMaster容器失败时的重启功能。 而下图也是官网提供内容，大家可以参考下。
总结 为了更好的理解，我们就需要跟hadoop1.x比较： 为何要使用yarn。 我们看到JobTracker的功能被分散到各个进程中包括ResourceManager和NodeManager： 比如监控功能，分给了NodeManager，和Application Master。 ResourceManager里面又分为了两个组件：调度器及应用程序管理器。 也就是说Yarn重构后，JobTracker的功能，被分散到了各个进程中。同时由于这些进程可以被单独部署所以这样就大大减轻了单点故障，及压力。 同时我们还看到Yarn使用了Container，而hadoop1.x中使用了slot。slot存在的缺点比如只能map或则reduce用。Container则不存在这个问题。这也是Yarn的进步。