其他分享
首页 > 其他分享> > 大数据开发之必须学会的资源调度平台YARN

大数据开发之必须学会的资源调度平台YARN

作者:互联网

1.YARN 基本架构

YARN 总体上一个 Master/slave 架构,在整个资源调度框架中,包含几个关键角色:ResourceManager 、NodeManager 、ApplicationMaster 、Container。其基本架构图如下:

由上图可知,Client 负责任务的提交,NodeManager 通过心跳机制向 ResoureceManager 汇报自​大数据培训​己负责的节点资源,ApplicationMaster 负责向 RM 申请资源,并且监控所有的任务运行状态。

ResourceManager(RM):RM 是一个全局的资源管理器,负责整个系统的资源管理和分配。它主要由 Scheduler 和 ApplicationManager 组成。

NodeManager: NodeManager 主要管理集群中每个节点的资源和任务,一方面它会通过心跳机制定时的向 RM 汇报本节点上的资源使用情况、每个 Container 的运行状态以及健康状态;另一方面,接收并处理 ApplicationMaster 的 Container 启动/停止请求。

ApplicationMaster(AM): 用户提交的每个 Application 都包含一个 AM,其运行在 Container 中,其主要功能包括:

Container: 它是 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。

值得说明的是:它是一个动态资源划分单位,根据应用程序的需求动态生成。此外,RM 只负责告诉 AM 有哪些 Container 可用,AM 还需要与 NM 通信,以获得具体的 Container!

2.YARN 通信协议

2.1什么是 RPC?

RPC(Remote Procedure Call)即远程过程调用,简单的理解是一个节点请求另一个节点提供的服务。举个例子:有两台服务器 1 和 2 ,某一个应用部署在 1 服务器上,想要调用 2 服务器上应用提供的函数/方法,但是又不在同一个内存空间,所以不能直接调用,需要通过网络来表达调用的语义和传达调用的数据。

RPC 通常采用 client/server 模型。请求方为 client端,应答方则是 Server。其调用流程如下图所示。主要分为以下几个步骤:

  1. client 端程序本地调用系统产生的 Stub 程序;
  2. client stub 程序将函数调用信息按照网络通信模块的要求封装成消息包,并交给通信模块(也就是sockets)发送到远程服务端;
  3. 远程服务端收到此消息后,将消息发送给相应的的 server stub 程序;
  4. server stub 程序拆封消息,并调用服务器上对应的函数;
  5. 被调函数(server function)执行,并将结果返回给 server stub程序;
  6. server stub 程序将此结果封装成消息,通过网络通信模块逐级地传给 client。

值得注意的是:在上述流程中,无论是 client,还是 server 端都涉及到 stub 程序,可以把它看成一个代理程序。它使得远程函数调用看起来跟本地调用一样,对用户完全透明。

2.2YARN 包含哪些通信协议?

YARN 通过 RPC 协议实现各个组件之间的通信,在任意两个需要相互通信的组件之间仅有一个 RPC 协议。在通信双方中,一方是 Client端,另一方是 Server端,且 Client 端总是主动连接 Server ,YARN 各个组件之间的 C/S 关系如图所示,其中箭头指向的组件是 RPC Server,而箭头尾部的组件是 RPC Client。

从上图可知,YARN 的通信协议主要由 5 大协议组成:

以上各个组件之间,有且仅有一个 RPC 协议,有了这些协议,才使得这些组件能够互相通信,发挥出分布式集群的优点。

2.3RPC 实战案例

说一千,道一万,都不如写一个简易的 Demo 学的更明白。通过这个简易的 Demo,模拟 RPC 的客户端、服务端、通信协议三者是如何工作的。

需求:RPC 接口协议定义一个创建文件夹的方法,服务端实现该接口协议并创建 RPC 服务;客户端通过获取服务代理并调用服务端的创建文件夹的方法!

代码实现:

创建 RPC 协议

创建 RPC 服务端

创建 RPC 客户端

运行结果

通过上述简易 Demo 可知:通信协议其实就是接口规范,客户端和服务端都需要遵守这个规范;客户端调用通信协议方法,方法最终在服务端执行,并对用户程序是完全透明的。

3.YARN 工作调度流程

当用户向 YARN 集群中提交一个 MR 程序后,可以分成 2 个大的阶段:

为了更好的理解 YARN 的工作流程,下面以 MapReduce 计算框架为例,通过提交一个 WordCount 应用程序,来全面解析 YARN 的工作机制。其运行流程如图所示:

在 YARN 提交一个作业,其整个过程可以分为三大阶段:作业提交、作业初始化、任务分配与运行。

3.1作业提交

  1. 用户在 client 端提交并运行一个应用程序,其中包括启动 AM 的命令、ApplicationMaster 程序和用户程序;
  2. YarnRunner 向 RM 申请一个 Application,同时 RM 返回该应用程序的资源路径和 Application_id 给 YarnRunner;
  3. client 将运行该程序所需要的资源(切片信息、配置文件、jar包)提交到 HDFS 上指定的路径;
  4. 资源提交完毕,向 RM 申请运行 ApplicationMaster;

3.2作业初始化

  1. RM 将 client (可能会有多个)请求初始化成一个 Task,将该任务放入调度器中;
  2. RM 与某一个空闲的 NM 通信,并下发该任务,该 NM 为该应用程序分配第一个 Container,在这个 Container 中启动 ApplicationMaster;
  3. Container 从 HDFS 上拷贝资源到本地;

3.3任务分配与运行

  1. AM 先向 RM 注册,这样用户便可以直接通过 RM 查看应用程序的运行状态,之后,AM 采用轮询的方式通过 RPC 协议向 RM 申请和领取资源,运行 MapTask ;
  2. RM 将 MapTask 任务分配给另外几个 NodeManager,NodeManager 创建容器;
  3. AM 与收到任务的 NM 通信,并发送程序启动脚本,要求其启动任务;
  4. ApplicationMaster 等待所有的 MapTask 运行完毕后(假设形成0、1两个分区),向 RM 申请 Container 运行 ReduceTask;
  5. Reduce 向 Map 获取属于自己分区的数据进行计算;(如:Reduce Task 0 获取所有节点上 0 分区的数据)
  6. 程序计算结束后,ApplicationMaster 向 ResourceManager 注销自己。

4.总结

本文主要阐述了 YARN 的基本架构与组成,各组件间的通信协议,YARN 的工作调度流程。

了解 YARN 的基本架构,可以帮助我们在开发工作中更好的定位问题,而通信协议规范了各个组件间的接口规范。在全作业提交流程中,揭开了各个组件间是如何协作完成一次任务运行的。

 

标签:Container,学会,AM,调度,YARN,ApplicationMaster,RPC,RM
来源: https://www.cnblogs.com/xiaobaizaixianzhong/p/15555665.html