YARN详解（YARN架构设计、常用命令、三种调度器）

YARN架构设计也是主从架构，分为Resource Mananger（RM）和Node Manager（NM），其中RM主要负责应用管理和资源调度，NM主要负责容器和作业。

一、YARN架构介绍

YARN架构图如上图所示，详细介绍如下：

ResourceManager（RM）：负责对各NM上的资源进行统一管理和调度，将AM分配空闲的Container运行并监控其运行状态。对AM申请的资源请求分配相应的空闲Container。主要由两个组件构成：调度器（Scheduler）和应用程序管理器（Applications Manager）。调度器（Scheduler）：调度器根据容量、队列等限制条件（如每个队列分配一定的资源，最多执行一定数量的作业等），将系统中的资源分配给各个正在运行的应用程序。调度器仅根据各个应用程序的资源需求进行资源分配，而资源分配单位是
Container，从而限定每个任务使用的资源量。Scheduler不负责监控或者跟踪应用程序的状态，也不负责任务因为各种原因而需要的重启（由ApplicationMaster负责）。总之，调度器根据应用程序的资源要求，以及集群机器的资源情况，为用程序分配封装在Container中的资源。调度器是可插拔的，例如CapacityScheduler、FairScheduler。（PS：在实际应用中，只需要简单配置即可）应用程序管理器（Application Manager）：应用程序管理器负责管理整个系统中所有应用程序，包括应用程序提交、与调度器协商资源以启动AM、监控AM运行状态并在失败时重新启动等，跟踪分给的Container的进度、状态也是其职责。NodeManager（NM）：NM是每个节点上的资源和任务管理器。它会定时地向RM汇报本节点上的资源使用情况和各个Container的运行状态；同时会接收并处理来自AM的Container 启动/停止等请求。ApplicationMaster（AM）：用户提交的应用程序均包含一个AM，负责应用的监控，跟踪应用执行状态，重启失败任务等。ApplicationMaster是应用框架，它负责向ResourceManager协调资源，并且与NodeManager协同工作完成Task的执行和监控。MapReduce就是原生支持的一种框架，可以在YARN上运行Mapreduce作业。有很多分布式应用都开发了对应的应用程序框架，用于在YARN上运行任务，例如Spark，Storm等。如果需要，我们也可以自己写一个符合规范的YARN application。Container：是YARN中的资源抽象，它封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等，当AM向RM申请资源时，RM为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。（详细介绍可参考小编博客：Container容器详解）

二、YARN常用命令

1、 查看YARN命令

1.进入hadoop程序目录中的bin目录
2.查看yarn所以命令
yarn

2、查看正在运行的任务

hadoop/bin]$yarn application -list

PS：application_1528463812366_0001，查询的数字1528463812366代表long型下的时间数值

3、杀掉正在运行任务

yarn application -kill 任务id
例：yarn application -kill application_1528463812366_0001

三、YARN三种调度器

应用对YARN资源的请求应该立刻得到满足，但是实际环境中资源有限，一个应用资源的请求可能要等待一段时间才能得到相应的资源。在YARN中，负责应用资源分配的是Schedule，对于调度，其本身就是一个难题。YARN中提供了三种可以选择的调度器：FIFO Schedule、Capacity Schedule、FairSchedule，其对比图如下图所示。

FIFO Schedule：也可称为队列调度器，简单的理解所提交的job一个一个完成。

Capacity Schedule（默认）：简单理解就是会额外空出一部分资源，专门用于完成一些小的job，但是若没有相关任务，则这个资源就会一直占用，容易造成资源浪费。

Fair Schedule：一般情况下，调度器选择这种调度方式，简单理解就是我一个job占用全部资源工作，若有小job来，就释放一定的资源去完成小job，小job完成后，大job继续占用，一般不会产生资源浪费。PS：小job提交后需要等待一定时间，等大job释放资源。