文章目录
（126）基础架构
之前基本介绍完了Hadoop的几个核心组件，接下来可以思考下，在MR程序运行过程中，整个集群的资源是如何管理的，以及每个任务该分配多少资源才合适？
这就是YARN需要考虑的问题。
YARN是一个资源调度平台，负责为各个任务提供运行资源。可以简单理解成YARN是windows系统，而MR等程序就是运行在这个操作系统之上的应用进程。
YARN中的组件，包括ResourceManager 、NodeManager 、Container 、ApplicationMaster等。
关于YARN的运行流程，我们之前在"概念"一节里也有简单介绍了。
如图：
ResourceManager，整个YARN中最重要的组件，老大哥，领导角色，基本每个组件都会跟它做交互，负责：
- 接收、处理客户端传过来的请求（提交的作业）；
- 监控NodeManager；
- 启动、监控ApplicationMaster（如果任务挂了，会协调切换到其他节点继续执行）；
- 资源的分配与调度。
按我的理解，RM更多的是做的是整个集群的资源管理，一般不会实际落地去分配资源，具体的落地工作，都是由对应的NodeManager来实现的。
NodeManager，单个节点（一般是指单台服务器）上的老大，负责：
- 管理自己节点上的资源；
- 处理来自ResourceManage的命令（比如说RM告诉NM，需要从你的节点上运行个任务，那么NM就需要实际分配资源，来做配合）；
- 处理来自ApplicationMaster的命令（如App Mstr要求申请资源）。
ApplicationMaster，是单个job的老大，负责：
- 为应用申请资源（向RM提申请），并分配给内部的任务；
- 对内部的任务，进行监控和容错。
Container，是YARN中对资源的一个抽象概念，它封装了某个节点上的多维度资源，如内存、CPU、磁盘和网络。如果要类比的话，相当于是每个节点上的一台台虚拟机？
（127）YARN的工作机制
即YARN在底层是怎么运行的，是面试中经常会被问到的一类面试题。
图形化展示下步骤：
-
Mr程序首先被提交到客户端所在的节点，客户端会启动一个YarnRunner来做对内外的交互；
-
YarnRunner会向ResourceManager发出请求，申请一个Application，来执行自己的job；
-
接着RM确认可以创建Application之后，会把这个Application的id和资源提交路径等返回给客户端，告知其可以将资源提交至这个路径；
-
客户端的YarnRunner在接收到反馈后，就开始提交job运行所需的资源到指定路径，重点提交三个文件：
- job.split：即数据的切片文件，关系到后续的切片流程以及MapTask数量；
- job.xml：即任务执行的参数配置等
- xx.jar：即任务本身的程序代码
这些都会在job.submit()之后生成；
-
资源提交完毕后，客户端向RM提出申请，申请运行对应的ApplicationMaster；
-
RM接收到申请，然后将申请初始化成一个Task，放进自己的调度队列里，如FIFO调度队列；
-
当一个Task可以被调度时（即资源允许），RM会根据情况，选择一个NodeManager，将Task分配给它；
-
NM收到任务，会在自己内部创建一个Container，分配好资源，来执行这个Task。接着，Container内部会再启动一个MrAppMaster，来管理整个任务，或者说整个job的运行。
-
MrAppMaster会去当前job的资源路径，去读取切片信息，即job.split，下载到节点本地；
-
拿到切片后，MrAppMaster会再向RM申请，申请资源来运行MapTask。RM会将申请先放进队列，等调度到的时候，就会去挑选并通知对应的NodeManager们，准备分配资源来做MapTask；
-
对应的NodeManager接收到通知，然后在自己内部创建好对应的Container；
-
MrAppMaster直接发送程序的启动脚本给刚创建好的Container们，让它们启动MapTask，开始正式运行代码，这个过程里，每个MapTask会生成一个YarnChild，负责对外的交流；待MapTask执行完，数据会按照分区持久化到磁盘；
-
待MapTask执行完后，MrAppMaster会再向RM申请几个Container，来运行ReduceTask。流程跟刚才介绍的MapTask启动基本一致，开启Container、启动ReduceTask、启动YarnChild等；
-
ReduceTask启动后，会向MapTask里去获取对应分区的数据；
-
ReduceTask执行完后，标志着整个MR基本运行完成，MrAppMaster会向RM提出申请，任务完成，请求注销掉自己，并回收资源等；
-
RM接收申请，并开始收尾工作。
（128）作业全流程
主要讲解下，HDFS、YARN、MapReduce三者的关系。
HDFS里有DataNode、NameNode和SecondaryNameNode，其中DataNode用来存储，NameNode则是用来管理DataNode的，比如说记录DataNode的一些元数据等。至于SecondNameNode，是辅助NameNode工作的。
然后YARN的话，是有一个ResourceManage，负责管理全局的资源，一至多个NodeManager用来管理单节点的资源。
教程里没有详细展开说，我只做个简单总结吧。
还是以上一节YARN的工作流程为例，那里清晰展示了YARN跟MapReduce的交互，至于HDFS在哪儿起作用，其实也好理解，HDFS就可以简单理解成磁盘。
比如说第3步里，client需要提交资源至指定的路径，其实就是提交到HDFS的路径下。另外，每个MapTask启动之后要去资源路径拿数据，其实也是跟HDFS的DataNode交互的过程。