YARN主要由ResourceManager
、NodeManager
、ApplicationMaster
和Container
等组件构成
(1)MR程序提交到客户端所在的节点。
(2)YarnRunner
向ResourceManager
申请一个Application
。
(3)RM将该应用程序的资源路径返回给YarnRunner
。
(4)该程序将运行所需资源提交到HDFS上。
(5)程序资源提交完毕后,申请运行mrAppMaster
。
(6)RM将用户的请求初始化成一个Task。
(7)其中一个NodeManager
领取到Task任务。
(8)该NodeManager
创建容器Container
,并产生MRAppmaster。
(9)Container
从HDFS上拷贝资源到本地。
(10)MRAppmaster
向RM 申请运行MapTask
资源。
(11)RM将运行MapTask
任务分配给另外两个NodeManager
,另两个NodeManager
分别领取任务并创建容器。
(12)MR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
,MapTask
对数据分区排序。
(13)MrAppMaster
等待所有MapTask
运行完毕后,向RM申请容器,运行ReduceTask
。
(14)ReduceTask
向MapTask
获取相应分区的数据。
(15)程序运行完毕后,MR
会向RM
申请注销自己。
job.waitForCompletion
方法,向整个集群提交MapReduce作业。MrAppMaster
。Container
,并产生MRAppmaster
。MrAppMaster
向RM申请运行多个MapTask任务资源。MapTask
任务分配给另外两个NodeManager
,另两个NodeManager
分别领取任务并创建容器。NodeManager
发送程序启动脚本,这两个NodeManager
分别启动MapTask
,MapTask
对数据分区排序。MrAppMaster
等待所有MapTask
运行完毕后,向RM申请容器,运行ReduceTask
。ReduceTask
向MapTask
获取相应分区的数据。YARN中的任务将其进度和状态(包括counter)返回给应用管理器, 客户端每秒(通过mapreduce.client.progressmonitor.pollinterval
设置)向应用管理器请求进度更新, 展示给用户。
除了向应用管理器请求作业进度外, 客户端每5秒都会通过调用waitForCompletion()
来检查作业是否完成。时间间隔可以通过mapreduce.client.completion.pollinterva
l来设置。作业完成之后, 应用管理器和Container会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户核查。
Hadoop作业调度器主要有三种:FIFO
、Capacity Scheduler
和Fair Scheduler
。
支持多队列多用户,每个队列中的资源量可以配置,同一队列中的作业公平共享队列中所有资源。
在同一个队列中,job的资源缺额越大,越先获得资源优先执行。作业是按照缺额的高低来先后执行的,而且可以看到上图有多个作业同时运行。