01 我们一起学大数据
大家好，今天分享的是大数据YARN的核心知识点，老刘尽量用通俗易懂的话来讲述YARN知识点，争取做到大家看完后能够用口语化的形式将它们表达出来，做到真正的看完就会！(如果觉得老刘写的不错，给老刘点个赞)
02 YARN核心知识点
第1点：什么是YARN？
YARN是Hadoop架构中的资源调度引擎模块，从这个模块名字就可以看出来，YARN是用来为应用提供资源管理和调度的。
类似于HDFS，YARN也是经典的主从架构。架构的内容放在第2点讲，如果面试介绍YARN的话，老刘建议第一点和第二点一起讲。
第2点：YARN架构
先看这张架构图，就可以知道YARN是非常典型的主从架构。YARN由一个ResourceManager(RM)和多个NodeManager(NM)构成，RM是主节点，NM是从节点。
什么是ResourceManager？
RM是一个全局的资源管理器，集群只有一个，它主要负责整个系统的资源管理和分配，启动监控ApplicationMaster，监控NodeManager以及资源的分配和调度。
RM主要由两个组件构成：调度器和应用程序管理器。
什么是调度器(Scheduler)？
调度器就是根据容量 、队列一些限制条件，将系统中的资源分配给各个正在运行的应用程序，这里有一句话想说，调度器是一个纯调度器，就是它只管资源分配，不参与具体应用程序相关的工作。
什么是应用程序管理器(ApplicationMaster)？
应用程序管理器它主要负责监控管理整个系统的所有应用程序，同时负责向RM申请资源、返还资源等。
什么是NodeManager?
NodeManager是一个从服务，整个集群有多个。它负责接收RM的资源分配请求，分配具体的Container给应用，它也负责监控并报告Container的使用信息给RM。
什么是Contaienr？
Container是yarn中分配资源的一个单位，包括内存、CPU等资源，YARN以Container为单位分配资源。
第3点：YARN应用提交过程
老刘这里简单讲讲YARN的应用提交过程，主要想讲的是MapReduce On Yarn这个内容。
根据上面的图，就可以看出来YARN的应用提交过程。
第一步是用户将应用程序提交到 ResourceManager 上；
第二步是ResourceManager为应用程序 ApplicationMaster 申请资源，并与某个 NodeManager 通信启动第一个 Container，以启动ApplicationMaster；
第三步是ApplicationMaster 与 ResourceManager 注册进行通信，为内部要执行的任务申请资源，一旦得到资源后，就会和 NodeManager 通信，从而启动对应的 Task；
第四步是所有任务运行完成后，ApplicationMaster会向 ResourceManager 进行注销，整个应用程序就运行结束了。
下面就是重点内容，详细讲讲MapReduce On Yarn。
第4点：MapReduce On Yarn
这一点，很重要，第3点就是说说了皮毛，第4点是详细的描述整个过程，老刘尽量讲的通俗易懂点，MapReduce On Yarn运行过程如下：
1、先把程序打成Jar包，接着客户端运行hadoop jar命令，就会把job提交到集群中运行。在这个过程中，程序里的job.waitForCompletion()会调用Job里的submit()方法。
2、接着会远程调用ResourceManager的getId，就会得到一个MR作业的id。同时也会检查输出目录是否存在，如果没有指定输出目录或者目录已经存在，就会报错；也会计算作业分片，若无法计算分片，也会报错。
3、接下里，会把Job相关的配置文件，jar包，分片信息，上传到HDFS。
4、客户端将应用程序提交给RM，任务开始真正运行。
5、当RM收到任务提交的通知后，它会与指定的NodeManager通信，通知NodeManager启动容器，NodeManager会创建占据特定资源的Container，并且在这个Container中运行MRAppMaster进程。
6、MRAppMaster进程会初始化job，创建多个簿记对象，记录各map任务，reduce任务的进度信息，状态信息。
这里面的簿记对象要说一下，很多地方都没解释它是什么，就一笔忽略，在老刘看来这就有点不太好。
老刘搜了一下后，是这样介绍的：MapReduce 作业的 application master 是一个 Java 应用，它的主类是 MRAppMaster。它通过创建一定数量的簿记对象（bookkeeping object）跟踪作业进度来初始化作业，该簿记对象接受任务报告的进度和完成情况。
7、AppMaster接下里要启动Task任务了，但它不知道启动多少个map task以及在哪个节点上启动等信息，所以这个时候AppMaster就需要从HDFS获取分片信息之类的。
8、获取完信息，就要开始分配任务了，AppMaster会为了每个任务向RM请求资源分配Container。RM收到消息后，会进行资源的计算，计算什么资源呢？一般是为map任务、reduce任务分配多大内存啊，几个虚拟内核之类的啊。
这一步老刘想说的是在看资料中，大家可以尝试反问下自己，比如就这个它会计算资源，你可以问问自己，它计算什么资源，这对自身进步有很大帮助。
9、AppMaster收到这些计算资源信息的返回结果后，就会与NodeManager通信，NodeManager就会启动一个JVM(容器)。
10、但是在容器中运行任务(YarnChild)之前，会将运行任务需要的资源拉取到本地(jar包，配置文件，分布式缓存文件)。
11、任务运行。
老刘尽量用口语化的形式表达出来了，希望大家能够记住它。
第5点：YARN应用生命周期
1、Client向RM提交应用，包括AM程序及启动AM的命令。
2、RM为AM分配第一个容器，并与对应的NM通信，令其在容器上启动应用的AM。
3、AM启动时向RM注册，允许Client向RM获取AM信息然后直接和AM通信。
4、AM通过资源请求协议，为应用协商容器资源。
5、如容器分配成功，AM要求NM在容器中启动应用，应用启动后可以和AM独立通信。
6、应用程序在容器中执行，并向AM汇报。
7、在应用执行期间，Client和AM通信获取应用状态。
8、应用执行完成，AM向RM注销并关闭，释放资源。
第6点：YARN常用命令
启动YARN start-yarn.sh 停止RM和NM stop-yarn.sh 查看正在运行的任务 yarn application -list 杀掉正在运行任务 yarn application -kill 任务id 查看节点列表 yarn node -list
第7点：YARN调度器
大家先想想为什么需要调度器？在现实生活中，绝对会遇到同时提交任务的场景，那这个时候到底如何分配资源满足这些任务呢？谁先执行呢？都是有讲究的！
所以在Yarn框架中，调度器是一块很重要的内容。有了合适的调度规则，就可以保证多个应用可以在同一时间有条不紊的工作。
YARN中最原始的调度规则是FIFO，就是谁先提交任务谁先执行。但是这样很可能会导致两种情况：① 一个大任务独占资源，其他的资源需要不断的等待大任务完成；② 一堆小任务占用资源，大任务一直无法得到适当的资源。所以FIFO虽然很简单，但是并不能满足我们的需求。
所以在YARN中现在有三种调度器可以选择：FIFO Scheduler ，Capacity Scheduler，FairS cheduler。
FIFO Scheduler是把应用按提交的顺序排成一个队列，这是一个先进先出队列，在进行资源分配的时候，先给队列中第一个应用进行分配资源，等到第一个的应用需求满足后再给第二个分配。
FIFO Scheduler是最简单也是最容易理解的调度器，也不需要任何配置，但它的缺点刚刚也说了。大的应用可能会占用所有集群资源，这就导致其它应用被阻塞。所以如果在共享的集群中，更适合采用Capacity Scheduler或Fair Scheduler。
对于Capacity调度器，它会有一个专门的队列用来运行小任务，但是为小任务专门设置一个队列会预先占用一定的集群资源，这就导致大任务的执行时间会落后于使用FIFO调度器时的时间。
但是在Fair调度器中，我们不需要预先占用一定的系统资源，Fair调度器会为所有运行的job动态的调整系统资源。当第一个大job提交时，这时只有这一个job在运行，此时它获得了所有集群资源；当第二个小任务提交后，Fair调度器会分配一半资源给这个小任务，让这两个任务公平的共享集群资源。小任务执行完成之后就会释放自己占用的资源，大任务又获得了全部的资源，这样就保证了Fair调度器既得到了高的资源利用率又能保证小任务的及时完成。
03 总结
好啦，YARN知识点就讲的差不多了，老刘尽量用通俗易懂的口语化形式将这些知识点表达出来了，希望能够对大数据感兴趣的同学有帮助，也希望能够得到大佬们的批评和指点。
觉得老刘写的不错的，给老刘点个赞吧！
最后，有事，联系公众号：努力的老刘；没事，就和老刘一起学大数据。