YARN基础笔记
- YARN资源调度系统
- 一、YARN资源调度系统知识要点
- 1. YARN介绍
- 2. YARN架构
- 2.1 **ResourceManager**
- 2.2 **NodeManager**
- 2.3 Container
- 2.4 **ApplicationMaster**
- 2.5 Resource Request
- 2.6 JobHistoryServer
- 2.7 Timeline Server
YARN资源调度系统
一、YARN资源调度系统知识要点
使用CDH版本的hadoop
hadoop-2.6.0-cdh5.14.2
1. YARN介绍
- Apache Hadoop YARN(Yet Another Resource Negotiator)是Hadoop的子项目,为分离Hadoop2.0资源管理和计算组件而引入
- YRAN具有足够的通用性,可以支持其它的分布式计算模式
2. YARN架构
- 类似HDFS,YARN也是经典的主从(master/slave)架构
- YARN服务由一个ResourceManager(RM)和多个NodeManager(NM)构成
- ResourceManager为主节点(master)
- NodeManager为从节点(slave)
- ApplicationMaster可以在容器内运行任何类型的任务。例如,MapReduce ApplicationMaster请求容器启动map或reduce任务,而Giraph ApplicationMaster请求容器运行Giraph任务。
组件名 | 作用 |
ApplicationManager | 相当于这个Application的监护人和管理者,负责监控、管理这个Application的所有Attempt在cluster中各个节点上的具体运行,同时负责向Yarn ResourceManager申请资源、返还资源等; |
NodeManager | 是Slave上一个独立运行的进程,负责上报节点的状态(磁盘,内存,cpu等使用信息); |
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; |
ResourceManager 负责对各个 NodeManager 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。
Client 向 ResourceManager 提交的每一个应用程序都必须有一个 ApplicationMaster,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。
2.1 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 ApplicationMaster
- 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)
- 应用程序管理器(Applications Manager,ASM)
- 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。
- 应用程序管理器
- 应用程序管理器主要负责管理整个系统中所有应用程序
- 接收job的提交请求
- 为应用分配第一个 Container 来运行 ApplicationMaster,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
2.2 NodeManager
- NodeManager 是一个 slave 服务,整个集群有多个
- NodeManager :
- 它负责接收 ResourceManager 的资源分配请求,分配具体的 Container 给应用。
- 负责监控并报告 Container 使用信息给 ResourceManager。
- 功能:
- NodeManager 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)
- 接收及处理来自 ResourceManager 的命令请求,分配 Container 给应用的某个任务;
- 定时地向RM汇报以确保整个集群平稳运行,RM 通过收集每个 NodeManager 的报告信息来追踪整个集群健康状态的,而 NodeManager 负责监控自身的健康状态;
- 处理来自 ApplicationMaster 的请求;
- 管理着所在节点每个 Container 的生命周期;
- 管理每个节点上的日志;
- 当一个节点启动时,它会向 ResourceManager 进行注册并告知 ResourceManager 自己有多少资源可用。
- 在运行期,通过 NodeManager 和 ResourceManager 协同工作,这些信息会不断被更新并保障整个集群发挥出最佳状态。
- NodeManager 只负责管理自身的 Container,它并不知道运行在它上面应用的信息。负责管理应用信息的组件是 ApplicationMaster
2.3 Container
- 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。
- Container 和集群NodeManager节点的关系是:
- 一个NodeManager节点可运行多个 Container
- 但一个 Container 不会跨节点。
- 任何一个 job 或 application 必须运行在一个或多个 Container 中
- 在 Yarn 框架中,ResourceManager 只负责告诉 ApplicationMaster 哪些 Containers 可以用
- ApplicationMaster 还需要去找 NodeManager 请求分配具体的 Container。
- 需要注意的是
- Container 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
2.4 ApplicationMaster
- 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(TASK);
- 任务监控与容错;
- 负责协调来自ResourceManager的资源,并通过NodeManager监视容器的执行和资源使用情况。
- ApplicationMaster 与 ResourceManager 之间的通信
- 是整个 Yarn 应用从提交到运行的最核心部分,是 Yarn 对整个集群进行动态资源管理的根本步骤
- Yarn 的动态性,就是来源于多个Application 的 ApplicationMaster 动态地和 ResourceManager 进行沟通,不断地申请、释放、再申请、再释放资源的过程。
2.5 Resource Request
- Yarn的设计目标
- 允许我们的各种应用以共享、安全、多租户的形式使用整个集群。
- 并且,为了保证集群资源调度和数据访问的高效性,Yarn还必须能够感知整个集群拓扑结构。
- 为了实现这些目标,ResourceManager的调度器Scheduler为应用程序的资源请求定义了一些灵活的协议,Resource Request和Container。
- 一个应用先向ApplicationMaster发送一个满足自己需求的资源请求
- 然后ApplicationMaster把这个资源请求以resource-request的形式发送给ResourceManager的Scheduler
- Scheduler再在这个原始的resource-request中返回分配到的资源描述Container。
- 每个ResourceRequest可看做一个可序列化Java对象,包含的字段信息如下:
<!--
- resource-name:资源名称,现阶段指的是资源所在的host和rack,后期可能还会支持虚拟机或者更复杂的网络结构
- priority:资源的优先级
- resource-requirement:资源的具体需求,现阶段指内存和cpu需求的数量
- number-of-containers:满足需求的Container的集合
-->
<resource-name, priority, resource-requirement, number-of-containers>
2.6 JobHistoryServer
- 作业历史服务
- 记录在yarn中调度的作业历史运行情况情况 ,
- 通过命令启动
mr-jobhistory-daemon.sh start historyserver
- 在集群中的数据节点机器上单独使用命令启动直接启动即可,
- 启动成功后会出现JobHistoryServer进程(使用jps命令查看,下面会有介绍) ,
- 并且可以从19888端口进行查看日志详细信息
node01:19888
点击链接,查看job日志
- 如果没有启动jobhistoryserver,无法查看应用的日志
- 打开如下图界面,在下图中点击History,页面会进行一次跳转
- 点击History之后 跳转后的页面如下图是空白的,因为没有启动jobhistoryserver
- jobhistoryserver启动后,在此运行MR程序,如wordcount
- 点击History连接,跳转一个赞新的页面
- TaskType中列举的map和reduce,Total表示此次运行的mapreduce程序执行所需要的map和reduce的任务数
- 看到map任务的相关信息比如执行状态,启动时间,完成时间。
- 可以使用同样的方式我们查看reduce任务执行的详细信息,这里不再赘述.
- jobhistoryserver就是进行作业运行过程中历史运行信息的记录,方便我们对作业进行分析.
2.7 Timeline Server
- 用来写日志服务数据 , 一般来写与第三方结合的日志服务数据(比如spark等)
- 它是对jobhistoryserver功能的有效补充,jobhistoryserver只能对mapreduce类型的作业信息进行记录
- 它记录除了jobhistoryserver能够进行对作业运行过程中信息进行记录之外
- 还记录更细粒度的信息,比如任务在哪个队列中运行,运行任务时设置的用户是哪个用户。
- 根据官网的解释jobhistoryserver只能记录mapreduce应用程序的记录,timelineserver功能更强大,但不是替代jobhistory两者是功能间的互补关系.