1, 介绍

存在目的: 实现资源管理和任务管理

yarn核心出发点是为了分离资源管理与作业监控，实现分离的做法是拥有一个全局的资源管理（ResourceManager，RM），以及每个应用程序对应一个的应用管理器

Hadoop1.x同样实现了资源管理和任务管理, 但是全部集中在MapReduce的任务中, 不适合将资源应用于其它框架, 例如Spark, 于是Hadoop2开始, 重新设置了资源管理框架Yarn, 将资源和任务的管理实现分离. 由ResourceManager负责资源管理, 由ApplicationMaster负责作业管理. 通过分配Container这种最小单位来实现对资源的管理.

2, 主要组件及作用

YARN总体上是Master/Slave结构 ，主要由ResourceManager、NodeManager、ApplicationMaster和Container等几个组件构成.

ResourceManager: 资源管理和调度

​ ResourceManager负责处理客户端请求, 对各个NM上的资源进行统一管理和调度.

​组成1-调度器: Scheduler分配资源, 将系统中的资源分配给正在运行的应用

​ 调度器根据容量、队列等限制条件，将系统中的资源分配给各个正在运行的应用程序。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。Shceduler不负责监控或者跟踪应用程序的状态。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，为应用程序分配封装在Container中的资源。

​组成2-应用程序管理器ApplicationsManager

​ ApplicationsManager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ApplicationMaster 、监控ApplicationMaster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.

NodeManager

每个节点上资源和任务管理器, 定时汇报本节点上的资源使用情况和各个Container的运行状态; 接收并处理来自ApplicationMaster的Container请求

ApplicationMaster

​ 应用程序均包含一个ApplicationMaster, 负责对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。

Container

​ 最小单位资源抽象, 封装了某个节点上的多维度资源.如内存、CPU、磁盘、网络等，当ApplicationMaster向ResourceManager申请资源时，ResourceManager为ApplicationMaster 返回的资源便是用Container 表示的。

3, 架构和工作流程

任务提交到作业工作开始流程

1, Client找ApplicationsManager提交任务;

2, 启动ApplicationMaster;

3, ApplicationMaster向ApplicationsManager注册;

4, ApplicationMasterr向Scheduler申请资源;

5, Scheduler返回资源列表给ApplicationMaster;

6, ApplicationMaster向资源列表中的目标主机申请分配资源;

7, 目标主机执行计算任务;

8, 目标主机向ApplicationMaster汇报各个应用执行情况;

9, AppMaster向ApplicationsManager汇报任务执行情况;

10, ApplicationsManager向Client返回作业执行结果.

4, 资源调度器

yarn我们都知道主要是用于做资源调度，任务分配等功能的，那么在hadoop当中，究竟使用什么算法来进行任务调度就需要我们关注了，hadoop支持好几种任务的调度方式，不同的场景需要使用不同的任务调度器.

第一种调度器: FIFO Scheduler队列调度

把任务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，先给队列中最头上的任务进行分配资源，待最头上任务需求满足后再给下一个分配，以此类推。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，但它并不适用于共享集群。大的任务可能会占用所有集群资源，这就导致其它任务被阻塞。

第二种调度器: Capacity Scheduler容量调度器

apache版本默认使用的调度器

Capacity 调度器允许多个组织共享整个集群，每个组织可以获得集群的计算能力。通过为每个组织分配专门的队列，然后再为每个队列分配一定的集群资源，这样整个集群就可以通过设置的方式给多个组织提供服务了。除此之外，队列内部又可以垂直划分，这样一个组织内部的多个成员就可以共享这个队列资源了，在一个队列内部，资源的调度是采用的是先进先出(FIFO)策略。

总结一句话: 共享集群, 各个组织分一部分容量. 不用阻塞任务, 可以同时计算.

第三种调度器: Fair Scheduler公平调度器

CDH版本的 hadoop默认使用的调度器

Fair调度器的设计目标是为所有的应用分配公平的资源（对公平的定义可以通过参数来设置）。公平调度在也可以在多个队列间工作。举个例子，假设有两个用户A和B，他们分别拥有一个队列。当A启动一个job而B没有任务时，A会获得全部集群资源；当B启动一个job后，A的job会继续运行，不过一会儿之后两个任务会各自获得一半的集群资源。如果此时B再启动第二个job并且其它job还在运行，则它将会和B的第一个job共享B这个队列的资源，也就是B的两个job会用于四分之一的集群资源，而A的job仍然用于集群一半的资源，结果就是资源最终在两个用户之间平等的共享.

总结一句话: 共享集群, 各个组织动态调整拥有的资源容量, 实现按需索取和分配.

使用哪种调度器取决于yarn-site.xml当中的yarn.resourcemanager.scheduler.class 这个属性的配置

5, 常用参数设置

设置资源

设置container分配最小内存

给应用程序container分配的最小内存

设置container分配最大内存

给应用程序container分配的最大内存

设置每个container的最小虚拟内核个数

每个container默认给分配的最小的虚拟内核个数

设置每个container的最大虚拟内核个数

每个container可以分配的最大的虚拟内核的个数

设置NodeManager可以分配的内存大小

nodemanager可以分配的最大内存大小，默认

8192Mb

定义每台机器的内存使用大小

定义交换区空间可以使用的大小

硬盘当做内存使用, 比例作为值,这里指定的是nodemanager的2.1倍