Yet Another Resource Negotiator

Apache Hadoop YARN 是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。

架构

资源管理框架YARN的作用 资源管理架构_资源管理框架YARN的作用

ResourceManager（RM）

全局的资源管理器，整个集群只有一个，负责集群资源的统一管理和调度分配。

主要接收客户端任务请求，接收和监控NodeManager(NM)的资源情况汇报，负责资源的分配与调度，启动和监控ApplicationMaster(AM)。

NodeManager（NM）

整个集群有多个，负责单节点资源管理和使用

主要是节点上的资源管理，启动Container运行task计算，上报资源、container情况给RM和任务处理情况给AM。

NodeManager管理抽象容器，这些容器代表着可供一个特定应用程序使用的针对每个节点的资源。

定时地向RM汇报本节点上的资源使用情况和各个Container的运行状态。

ApplicationMaster（AM）

管理一个在YARN 内运行的应用程序的每个实例

主要是单个Application(Job)的task管理和调度，向RM进行资源的申请，向NM发出launch Container指令，接收NM的task处理状态信息。

Container

YARN中的资源抽象，封装某个节点上多维度资源，如内存、CPU、磁盘、网络等，当AM向RM申请资源时，RM向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。

 对任务运行环境的抽象，描述一系列信息， 任务运行资源（节点、内存、CPU），任务启动命令，任务运行环境

Job工作流程

资源管理框架YARN的作用 资源管理架构_YARN_02

  1. client submit一个job到RM，进入RM中的Scheduler队列供调度
  2. RM根据NM汇报的资源情况(NM会定时汇报资源和container使用情况)，请求一个合适的NM launch container，以启动运行AM
  3. AM启动后，注册到RM上，以使client可以查到AM的信息，便于client直接和AM通信
  4. AM启动后，根据Job 相关的split的task情况，会和RM协商申请container资源
  5. RM分配给AM container资源后，根据container的信息，向对应的NM 请求launch container
  6. NM启动container运行task，运行过程中向AM汇报进度状态信息，类似于MRv1中 task的汇报；同时NM也会定时的向RM汇报container的使用情况。
  7. 在application(job)执行过程中，client可以和AM通信，获取application相关的进度和状态信息。
  8. 在application(job)完成后，AM通知RM clear自己的相关信息，并关闭，释放自己占用的container。

YARN优势

更快地MapReduce计算

YARN利用异步模型对MapReduce框架的一些关键逻辑结构（如JobInprogress、TaskInProgress等）进行了重写，相比于MRv1，具有更快地计算速度。

对多框架支持

YARN不再是一个单纯的计算框架，而是一个框架管理器，用户可以将各种各样的计算框架移植到YARN之上。

框架升级更容易

 在YARN中，各种计算框架不再是作为一个服务部署到集群的各个节点上（比如MapReduce框架，不再需要部署JobTracler、TaskTracker等服务），而是被封装成一个用户程序库（lib）存放在客户端，当需要对计算框架进行升级时，只需升级用户程序库即可。