一、YARN的产生背景

背景1
背景2
由此催生了YARN

二、XXX on YARN

XXX on YARN 架构

三、资源调度框架:作业提交先到ResourceManager，RM会到一个NM上启动一个AM.AM去向RM申请资源，然后通知对应的NM启动一些Container，运行task

1.ResourceManager: RM

• 整个集群同一时间提供服务的RM只有一个，负责集群资源的统一管理和调度
• 处理客户端的请求： 提交一个作业、杀死一个作业
• 监控我们的NM，一旦某个NM挂了，那么该NM上运行的任务需要告诉我们的AM来如何进行处理

2.NodeManager: NM

• 整个集群中有多个，负责自己本身节点资源管理和使用
• 定时向RM汇报本节点的资源使用情况
• 接收并处理来自RM的各种命令：启动Container
• 处理来自AM的命令
• 单个节点的资源管理

3. ApplicationMaster: AM

• 每个应用程序对应一个：MR、Spark，负责应用程序的管理
• 为应用程序向RM申请资源（core、memory），分配给内部task
• 需要与NM通信：启动/停止task，task是运行在container里面，AM也是运行在container里面

4.Container

• 封装了CPU、Memory等资源的一个容器
• 是一个任务运行环境的抽象

5. Client

• 提交作业
• 查询作业的运行进度
• 杀死作业

四、YARN的执行流程

YARN的执行流程

• 用户向YARN提交作业
• RM和对应的NM进行通信，要求在这个NM上启动一个Container，这个Container是用来启动应用程序的ApplicationMaster的，
• AM向RM进行注册，这样用户就可以通过RM来查询作业的运行情况。同时AM向RM申请了资源
• 申请到后在对应的NM上启动Container，运行任务。

五、YARN环境搭建

YARN的配置文件

1. mapred-site.xml

<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>

2. yarn-site.xml

<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>

3.启动YARN相关的进程

sbin/start-yarn.sh

4. 验证

jps
    ResourceManager
    NodeManager
http://hadoop000:8088

5. 停止YARN相关的进程

sbin/stop-yarn.sh

提交mr作业到YARN上运行：
/home/hadoop/app/hadoop-2.6.0-cdh5.7.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar

hadoop jar

hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 2 3