YARN架构与任务提交流程详解
1. YARN的组成架构
YARN（Yet Another Resource Negotiator）是Hadoop生态系统中的一个重要组成部分，主要用于资源管理和调度。YARN的架构主要由以下几个关键组件构成：
1.1 ResourceManager（RM）
ResourceManager是YARN的核心组件，负责整个集群的资源管理和调度。其主要职责包括：
- 资源调度：接收来自客户端程序提交的请求，根据资源需求分配容器（Container）。
- 监控集群资源使用情况：实时监控集群中资源的使用状态。
- 主要子组件：
- 调度器（Scheduler）：根据资源需求和调度策略分配Container。
- 应用程序管理器（ApplicationManager）：负责管理应用程序的生命周期，从启动到完成的全过程。
1.2 NodeManager（NM）
NodeManager负责单个节点上的资源管理。每个节点上运行一个NodeManager，主要功能包括：
- 资源管理：管理该节点上的所有资源，处理来自ResourceManager和ApplicationMaster的命令。
- 监控Container：监控Container的资源使用情况，并定期向ResourceManager发送心跳信号，以报告资源状态。
1.2.1 ApplicationMaster（AM）
每个应用程序都有一个独立的ApplicationMaster，负责：
- 与ResourceManager通信：协调应用程序的资源请求和任务执行。
- 资源申请：向ResourceManager申请运行任务所需的Container。
1.2.2 Container
Container是YARN中任务运行的基本单位，主要特点包括：
- 资源封装：封装了CPU、内存等资源概念。
- 任务执行：RM将资源分配给ApplicationMaster后，创建Container来运行应用程序的任务。
2. YARN的任务提交流程
YARN的任务提交流程主要分为以下几个步骤：
2.1 提交作业
用户通过客户端向ResourceManager提交作业，包括应用程序代码和所需资源的定义。
2.2 资源请求
ResourceManager收到作业提交请求后，分配一个初始Container来启动ApplicationMaster。
2.3 启动ApplicationMaster
ApplicationMaster在分配的Container中启动，并向ResourceManager进行注册，确认其身份。
2.4 申请资源
ApplicationMaster根据任务需求向ResourceManager申请更多运行任务所需的Container。
2.5 分配资源
ResourceManager根据集群的资源情况，分配所需的Container，并通知ApplicationMaster。
2.6 启动任务
ApplicationMaster与NodeManager进行通信，启动任务Container。
2.7 任务执行
任务在分配的Container中执行，完成后将结果反馈给ApplicationMaster。
2.8 作业完成
ApplicationMaster向ResourceManager报告作业完成，并释放资源，确保资源的高效利用。
3. YARN调度器
YARN的调度器是资源分配的核心，根据不同的需求提供多种调度策略：
3.1 FIFO调度器
- 先进先出：所有提交的作业在一个队列中进行服务，按照提交的顺序来运行，先来先服务。
3.2 Capacity Scheduler
- 容量调度器：将整个集群的资源划分为多个队列，每个队列之间的资源互不干扰。支持生产和开发环境的划分，可以在每个队列内部使用FIFO调度策略。
3.3 Fair Scheduler（公平调度器）
- 公平调度器：支持多个队列，每个队列配置一定的资源，确保每个队列中的任务公平共享资源。任务优先级越高，分配到的资源也越多，确保每个任务都能获得足够的资源。