hadoop资源调度框架YARN
YARN产生的背景
Hadoop1.x版本时候，包含的MapReduce1.x存在单点故障和节点压力大，不易扩展的问题。
当时MapReduce的架构为：Master/Slaves架构，在实现上就是1个JobTracker带多个TaskTracker。
JobTracker：负责资源管理和作业调度
TaskTracker：定期向JT汇报本节点的健康状况、资源使用情况、作业执行情况；接收来自JT的命令：启动任务/杀死任务。
YARN可以使不同计算框架可以共享同一个HDFS集群上的数据，享受整体的资源调度。说白了，就是在YARN之上可以运行很多个计算框架。
XXX ON YARN的好处：这里的XXX有Spark/MapReduce/Storm/Flink，与其他计算框架共享集群资源，按资源需要分配，进而提高集群资源的利用率。
YARN概述
》Yet Another Resource Negotiator （YARN）
》通用的资源管理系统
》为上层提供统一的资源管理和调度
YARN架构
1) ResourceManager：RM
1、 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。
2、 处理客户端的请求：提交作业，杀死作业。
3、监控NM健康状况，一旦某个NM挂了，那么该NM上运行的任务需要告诉AM。
2) NodeManager:NM
1、整个集群中有多个，负责自己本身节点资源管理和使用。
2、定时向RM汇报本节点的资源使用情况。
3、接收并处理来自RM的各种命令：比如启动Container。
4、处理来自AM的命令。
5、单个节点的资源管理。
3) ApplicationMaster:AM
1、每个应用程序对应一个：MapReduce、Spark，负责应用程序的管理。
2、为应用程序向RM申请资源（core、memory），分配给内部task。
3、需要与NM通信：启动/停止task，task是运行在container里面，AM也运行在container里面。
4) Container:
1、封装了CPU、Memory等服务器资源的容器，是一个任务运行环境的抽象。
2) Client:
1、提交作业
2、查看作业的运行进度
3、杀死作业
YARN执行流程
YARN环境搭建
使用版本Hadoop2.6.0-cdh5.7.0
yarn-site.xml
第一步： 配置etc/hadoop/mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
配置etc/hadoop/yarn-site.xml:
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
第二步：启动ResourceManager和NodeManager相关进程
sbin/start-yarn.sh
第三步：验证是否启动成功
方式一：jps命令
方式二：通过浏览器方式验证，ResourceManager 默认路径端口为： http://localhost:8088/
第四步：停止ResourceManager和NodeManager相关进程
sbin/stop-yarn.sh
提交作业到YARN上执行
用hadoop提供的测试作业样例来小试牛刀
样例位置在：/usr/hadoop/hadoop-2.6.0-cdh5.7.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar
命令为：hadoop jar 你的应用.jar 命名 参数
就我们的这个命令来说为：hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 3 5
