Yarn 集群的架构和工作原理

Yarn 的基本设计思想是将 MapReduce V1 中的 JobTracker 拆分为两个独立的服务:ResourceManager 和 ApplicationMaster。

ResourceManager 负责整个系统的资源管理和分配,ApplicationMaster 负责单个应用程序的管理。

  1. ResourceManager

    RM 是一个全局的资源管理器,负责整个系统的资源管理和分配,它主要由两个部分组成:调度器(Scheduler)和应用程序管理器(Application Manager)。

    调度器:根据容量、队列等限制条件,将系统中的资源分配给正在运行的应用程序,在保证容量、公平性和服务等级的前提下,优化集群资源利用率,让所有的资源都被充分利用;

    应用程序管理器:负责管理整个系统中的所有的应用程序,包括应用程序的提交、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启它。

  2. ApplicationMaster

    用户提交的一个应用程序会对应于一个 ApplicationMaster,它的主要功能有:

    • 与 RM调度器协商以获得资源,资源以 Container 表示。
    • 将得到的任务进一步分配给内部的任务。
    • 与 NN (NameNode)通信以启动/停止任务。
    • 监控所有的内部任务状态,并在任务运行失败的时候重新为任务申请资源以重启任务。
  3. NodeManager

    NodeManager 是每个节点上的资源和任务管理器,

    一方面,它会定期地向 RM 汇报本节点上的资源使用情况和各个 Container 的运行状态;

    另一方面,它接收并处理来自 AM 的 Container 启动和停止请求。

  4. Container

    Container 是 Yarn 中的资源抽象,封装了各种资源。

    一个应用程序会分配一个 Container,这个应用程序只能使用这个 Container 中描述的资源。

    不同于 MapReduce V1 中槽位 slot 的资源封装,Container 是一个动态资源的划分单位,更能充分利用资源。


我们下期见,拜拜!

相关推荐
MXsoft61832 分钟前
破解多校区高校运维困局,协同效率提升60%的智能运维方案
大数据
七夜zippoe42 分钟前
多级缓存架构实战手册:Caffeine+Redis 从设计到落地的全链路解决方案
redis·缓存·架构
币须赢2 小时前
英伟达Thor芯片套件9月发货 “物理AI”有哪些?
大数据·人工智能
lily363926046a2 小时前
智联未来 点赋科技
大数据·人工智能
学习中的阿陈3 小时前
Hadoop伪分布式环境配置
大数据·hadoop·分布式
深耕云原生3 小时前
SRE 系列(七)| 从技术架构到团队组织
架构
程序员小羊!3 小时前
大数据电商流量分析项目实战:Spark SQL 基础(四)
大数据·sql·spark
硬件工程师宝典3 小时前
PCIe从入门到精通之三:PCIe设备的内部组件
架构
好多174 小时前
《微服务事务管理》
java·微服务·架构
失散135 小时前
分布式专题——10.5 ShardingSphere的CosID主键生成框架
java·分布式·架构·分库分表·shadingsphere