目录

  • 前言
  • 一、Yarn 基础架构
  • 二、Yarn 工作机制
  • 三、作业提交全过程
  • 四、Yarn 调度器和调度算法
  • 1. 先进先出调度器 (FIFO)
  • 2. 容量调度器 (Capacity Scheduler)
  • 3. 公平调度器 (Fair Scheduler)
  • 五、Yarn 常用命令
  • 1. yarn application 查看任务
  • 2. yarn logs 查看日志
  • 3. yarn applicationattempt 查看尝试运行的任务
  • 4. yarn container 查看容器
  • 5. yarn node 查看节点状态
  • 6. yarn rmadmin 更新配置
  • 7. yarn queue 查看队列
  • 六、Yarn 生产环境核心参数


前言

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 。

一、Yarn 基础架构

YARN 主要由 ResourceManager、NodeManager、ApplicationMaster 和 Container等组件构成。

架构图如下

hadoop任务并发 hadoop任务调度平台_大数据

二、Yarn 工作机制

hadoop任务并发 hadoop任务调度平台_hadoop_02

  • MR 程序提交到客户端所在的节点。
  • YarnRunner 向 ResourceManager 申请一个 Application。
  • RM 将该应用程序的资源路径返回给 YarnRunner。
  • 该程序将运行所需资源提交到 HDFS 上。
  • 程序资源提交完毕后，申请运行 mrAppMaster 。
  • RM 将用户的请求初始化成一个 Task。
  • 其中一个 NodeManager 领取到 Task 任务。
  • 该 NodeManager 创建容器 Container，并产生 MRAppmaster。
  • Container 从 HDFS 上拷贝资源到本地。
  • MRAppmaster 向 RM 申请运行 MapTask 资源。
  • 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。
  • 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。
  • MrAppMaster 等待所有 MapTask 运行完毕后，向 RM 申请容器，运行 ReduceTask。
  • ReduceTask 向 MapTask 获取相应分区的数据。
  • 程序运行完毕后，MR 会向 RM 申请注销自己。

三、作业提交全过程

HDFS、YARN、MapReduce 三者之间的关系

hadoop任务并发 hadoop任务调度平台_hadoop_03


作业提交过程之 YARN

hadoop任务并发 hadoop任务调度平台_ci_04

作业提交过程之 MapReduce & HDFS

hadoop任务并发 hadoop任务调度平台_hadoop任务并发_05


作业提交全过程详解

（1）作业提交

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。

（2）作业初始化

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。

（3）任务分配

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。

（4）任务运行

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。

（5）进度和状态更新

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。

（6）作业完成

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。

四、Yarn 调度器和调度算法

目前，Hadoop 作业调度器主要有三种：

  • FIFO
  • 容量（Capacity Scheduler）
  • 公平（Fair Scheduler）

Apache Hadoop 3.1.3 默认的资源调度器是 Capacity Scheduler。CDH 框架默认调度器是Fair 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. 先进先出调度器 (FIFO)

FIFO调度器 (First In First Out) ：单队列，根据提交作业的先后顺序，先来先服务。

hadoop任务并发 hadoop任务调度平台_大数据_06

  • 优点：简单易懂
  • 缺点：不支持多队列，生产环境很少使用

2. 容量调度器 (Capacity Scheduler)

Capacity Scheduler 是 Yahoo 开发的多用户调度器。

特点：

hadoop任务并发 hadoop任务调度平台_hadoop任务并发_07

1、多队列 ：每个队列可配置一定的资源量，每个队列采用FIFO调度策略。

2、容量保证 ：管理员可为每个队列设置资源最低保证和资源使用上限。

3、灵活性 ：如果一个队列中的资源有剩余，可以暂时共享给那些需要资源的队列，而一旦该队列有新的应用程序提交，则其他队列借调的资源会归还给该队列。

4、多租户 ：支持多用户共享集群和多应用程序同时运行。为了防止同一个用户的作业独占队列中的资源，该调度器会对同一用户提交的作业所占资源量进行限定。

容量调度器资源分配算法 ：

hadoop任务并发 hadoop任务调度平台_hadoop_08

3. 公平调度器 (Fair Scheduler)

Fair Schedulere 是 Facebook 开发的多用户调度器。

特点：

hadoop任务并发 hadoop任务调度平台_大数据_09

缺额：

公平调度器设计目标是 ：在时间尺度上，所有作业获得公平的资源。

某一时刻作业应获资源和实际获取资源的差距叫 “缺额”

调度器会优先为缺额大的作业分配资源。

hadoop任务并发 hadoop任务调度平台_大数据_10

公平调度器队列资源分配方式

hadoop任务并发 hadoop任务调度平台_hadoop任务并发_11

公平调度器队列资源分配方式

hadoop任务并发 hadoop任务调度平台_hadoop任务并发_12

hadoop任务并发 hadoop任务调度平台_hadoop任务并发_13


hadoop任务并发 hadoop任务调度平台_hadoop_14

五、Yarn 常用命令

Yarn 状态的查询，除了可以在 hadoop103:8088页面查看外，还可以通过命令操作。常见的命令操作如下所示

需求： 执行 WordCount 案例，并用Yarn命令查看任务运行情况

[fancyry@hadoop102 hadoop-3.1.3]$ myhadoop.sh start
[fancyry@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

1. yarn application 查看任务

列出所有Application：

[fancyry@hadoop102 hadoop-3.1.3]$ yarn application -list
2021-02-06 10:21:19,238 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total number of applications (application-types: [], states: [SUBMITTED, ACCEPTED, RUNNING] and tags: []):0
     Application-Id	    Application-Name	   Application-Type	      User	     Queue	             State	       Final-State	       Progress	                    Tracking-URL

根据 Application 状态过滤：yarn application -list -appStates (所有状态：ALL、NEW、NEW_SAVING、SUBMITTED、ACCEPTED、RUNNING、FINISHED、FAILED、KILLED)

[fancyry@hadoop102 hadoop-3.1.3]$ yarn application -list -appStates FINISHED
2021-02-06 10:22:20,029 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total number of applications (application-types: [], states: [FINISHED] and tags: []):1
                Application-Id	    Application-Name	    Application-Type	      User	     Queue	             State	       Final-State	       Progress	                       Tracking-URL
application_1612577921195_0001	          word count	           MAPREDUCE	   fancyry	   default	          FINISHED	         SUCCEEDED	           100%	 http://hadoop102:19888/jobhistory/job/job_1612577921195_0001

2. yarn logs 查看日志

查询 Application 日志：yarn logs -applicationId 

[fancyry@hadoop102 hadoop-3.1.3]$ yarn logs -applicationId application_1612577921195_0001

查询 Container 日志：yarn logs -applicationId <ApplicationId> -containerId <ContainerId> 

[fancyry@hadoop102 hadoop-3.1.3]$ yarn logs -applicationId application_1612577921195_0001 -containerId container_1612577921195_0001_01_000001

3. yarn applicationattempt 查看尝试运行的任务

列出所有 Application 尝试的列表： yarn applicationattempt -list <ApplicationId>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn applicationattempt -list application_1612577921195_0001
2021-02-06 10:26:54,195 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total number of application attempts :1
         ApplicationAttempt-Id	               State	                    AM-Container-Id	                       Tracking-URL
appattempt_1612577921195_0001_000001	            FINISHED	container_1612577921195_0001_01_000001	http://hadoop103:8088/proxy/application_1612577921195_0001/

打印ApplicationAttemp状态： yarn applicationattempt -status <ApplicationAttemptId>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn applicationattempt -status appattempt_1612577921195_0001_000001
2021-02-06 10:27:55,896 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Application Attempt Report : 
	ApplicationAttempt-Id : appattempt_1612577921195_0001_000001
	State : FINISHED
	AMContainer : container_1612577921195_0001_01_000001
	Tracking-URL : http://hadoop103:8088/proxy/application_1612577921195_0001/
	RPC Port : 34756
	AM Host : hadoop104
	Diagnostics :

4. yarn container 查看容器

列出所有Container： yarn container -list <ApplicationAttemptId>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn container -list appattempt_1612577921195_0001_000001
2021-02-06 10:28:41,396 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total number of containers :0
                  Container-Id	          Start Time	         Finish Time	               State	                Host	   Node Http Address

打印Container状态： yarn container -status <ContainerId>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn container -status container_1612577921195_0001_01_000001
2021-02-06 10:29:58,554 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Container with id 'container_1612577921195_0001_01_000001' doesn't exist in RM or Timeline Server.

注：只有在任务跑的途中才能看到 container 的状态

5. yarn node 查看节点状态

列出所有节点： yarn node -list -all

[fancyry@hadoop102 hadoop-3.1.3]$ yarn node -list -all

2021-02-06 10:31:36,962 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Total Nodes:3
         Node-Id	     Node-State	Node-Http-Address	Number-of-Running-Containers
 hadoop103:38168	        RUNNING	   hadoop103:8042	                           0
 hadoop102:42012	        RUNNING	   hadoop102:8042	                           0
 hadoop104:39702	        RUNNING	   hadoop104:8042	                           0

6. yarn rmadmin 更新配置

加载队列配置：yarn rmadmin -refreshQueues

[fancyry@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshQueues
2021-02-06 10:32:03,331 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8033

7. yarn queue 查看队列

打印队列信息： yarn queue -status <QueueName>

[fancyry@hadoop102 hadoop-3.1.3]$ yarn queue -status default
2021-02-06 10:32:33,403 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032
Queue Information : 
Queue Name : default
	State : RUNNING
	Capacity : 100.0%
	Current Capacity : .0%
	Maximum Capacity : 100.0%
	Default Node Label expression : <DEFAULT_PARTITION>
	Accessible Node Labels : *
	Preemption : disabled
	Intra-queue Preemption : disabled

六、Yarn 生产环境核心参数

hadoop任务并发 hadoop任务调度平台_mapreduce_15