Hadoop(23)-Yarn资源调度器
Hadoop(23)-Yarn资源调度器
Yarn是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式的操作系统平台，而MapReduce等运算程序则相当于运行于操作系统之上的应用程序
1. Yarn工作机制
机制详解
第1步：Client调用job.waitForCompletion方法，向整个集群提交MapReduce作业。
第2步：Client向RM申请一个作业id。
第3步：RM给Client返回该job资源的提交路径和作业id。
第4步：Client提交jar包、切片信息和配置文件到指定的资源提交路径。
第5步：Client提交完资源后，向RM申请运行MrAppMaster。
第6步：当RM收到Client的请求后，将该job添加到容量调度器中。
第7步：某一个空闲的NM领取到该Job。
第8步：该NM创建Container，并产生MRAppmaster。
第9步：下载Client提交的资源到本地。
第10步：MrAppMaster向RM申请运行多个MapTask任务资源。
第11步：RM将运行MapTask任务分配给另外两个NodeManager，另两个NodeManager分别领取任务并创建容器。
第12步：MR向两个接收到任务的NodeManager发送程序启动脚本，这两个NodeManager分别启动MapTask，MapTask对数据分区排序。
第13步：MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。
第14步：ReduceTask向MapTask获取相应分区的数据。
第15步：程序运行完毕后，MR会向RM申请注销自己。
YARN中的任务将其进度和状态(包括counter)返回给应用管理器, 客户端每秒(通过mapreduce.client.progressmonitor.pollinterval设置)向应用管理器请求进度更新, 展示给用户。
除了向应用管理器请求作业进度外, 客户端每5秒都会通过调用waitForCompletion()来检查作业是否完成。时间间隔可以通过mapreduce.client.completion.pollinterval来设置。作业完成之后, 应用管理器和Container会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户核查。
机制详解(通俗版)
1) 甲方爸爸整理出了需求文档
2) 询问PM是否可以排期开发
3) PM让甲方爸爸把需求文档发到邮箱里
4) 甲方爸爸发送邮件,并告知PM已发送
5) PM将需求进行排期
6) 小王刚开发完一个项目,正好有空,PM让他接手这个项目
7) 8) 小王调整一下心态,打开需求文档,预估一下,向PM申请,需要两个人手来开发
9) PM接受小王的人员申请,放入到人员排期序列中,等待两个倒霉蛋
10) 小张和小杨,两个倒霉蛋完成上一个项目,正好空闲,PM变让他俩进小王的小项目组
11) 小王把具体的模块分工告诉小张和小杨,小张小杨吭哧吭哧开始干活,然后上传代码,然后解放
12) 小王拿到中期结果看一看,认为还需要两个人进行收尾,于是向PM申请人手
13) PM将两个空闲的人员调给小王使用,进行最后的项目收尾工作,最后项目完成,向甲方爸爸汇报结果
14) 甲方爸爸很满意,这个项目就算告一段落,小王卸任.
2.资源调度器
Hadoop作业调度器主要有三种：FIFO、Capacity Scheduler和Fair Scheduler。Hadoop2.7.2默认的资源调度器是Capacity Scheduler
具体设置详见：yarn-default.xml文件
<property> <description>The class to use as the resource scheduler.</description> <name>yarn.resourcemanager.scheduler.class</name> <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value> </property>
1)FIFO先进先出调度器
2) Capacity Scheduler容量调度器
3)Fair Scheduler公平调度器
3.任务的推测执行
1) 作业完成时间取决于最慢的任务完成时间
一个作业由若干个Map任务和Reduce任务构成。因硬件老化、软件Bug等，某些任务可能运行非常慢。
思考：系统中有99%的Map任务都完成了，只有少数几个Map老是进度很慢，完不成，怎么办？
2) 推测执行机制
发现拖后腿的任务，比如某个任务运行速度远慢于任务平均速度。为拖后腿任务启动一个备份任务，同时运行。谁先运行完，则采用谁的结果。
3) 执行推测任务的前提条件
每个Task只能有一个备份任务
当前Job已完成的Task必须不小于0.05（5%）
开启推测执行参数设置。mapred-site.xml文件中默认是打开的。
<property> <name>mapreduce.map.speculative</name> <value>true</value> <description>If true, then multiple instances of some map tasks may be executed in parallel.</description> </property> <property> <name>mapreduce.reduce.speculative</name> <value>true</value> <description>If true, then multiple instances of some reduce tasks may be executed in parallel.</description> </property>
4) 不能启用推测执行机制情况
任务间存在严重的负载倾斜；
特殊任务，比如任务向数据库中写数据。
5) 推测执行算法原理