本文共 1378 字，大约阅读时间需要 4 分钟。

YARN产生背景

在hadoop 1.x版本中MapReduce架构如下图所示：

整个集群采用master/slave模式：1个JobTracker和多个TaskTracker。

JobTracker职责：

• 负责整个集群的资源管理：JobTracker通过定期收集TaskTracker节点资源使用情况以确定下一个任务在哪个TaskTracker节点上运行。
• 负责作业调度：定期收集TaskTracker节点job运行情况，对于运行失败的job则会下发到另外的节点上运行。

TaskTracker职责：

• 定期向JobTracker汇报本节点的健康情况，资源使用情况，job运行情况。
• 接受TaskTracker的指令：启动job，杀死job等。

可以看得出原来的 map-reduce 1.x 架构是比较简单明了的，在最初推出的几年，也得到了众多的成功案例，获得业界广泛的支持和肯定，但随着分布式系统集群的规模和其工作负荷的增长，原框架的问题逐渐浮出水面，主要的问题集中如下：

• JobTracker单点故障
• 不易扩展：JobTracker兼具资源调度和作业调度双重职责，在任务较多时内存开销会很大。当节点数达到4000，任务数达到40000时，MapReduce 1.x 将遇到可扩展性瓶颈。
• 资源划分不合理：MapReduce 1.x中资源是以slot为分配的基本单元，并被划分为map slot和reduce slot。一个map slot仅能用于运行一个map任务，同样一个reduce slot仅能运行一个reduce任务。

YARN架构

YARN设计思路

YARN的设计思路：

1. 将原JobTracker的功能进行拆分。
   
2. 一个集群多个框架，即在一个集群上部署一个统一的资源调度框架YARN，在YARN之上可以部署各种计算框架。
   

YARN体系结构

ResourceManager

• 处理客户端请求
• 启动/监控ApplicationMaster
• 监控NodeManager
• 资源分配与调度

ApplicationMaster

• 为应用程序申请资源，并分配给内部任务
• 任务调度，监控与容错

NodeManger

• 单个节点上的资源管理
• 处理来自ResourceManager的命令
• 处理来自ApplicationMaster的命令

YARN工作流程

1. 用户向Yarn提交应用程序，其中包括用户程序、相关文件、启动ApplicationMaster命令、ApplicationMaster程序等。
2. Yarn中的ResourceManager为应用程序分配一个容器，在该容器中启动一个ApplicationMaster。
3. ApplicationMaster会首先向ResourceManager注册。
4. ApplicationMaster采用轮询的方式向ResourceManager申请资源。
5. ResourceManager向ApplicationMaster分配容器资源。
6. 在容器中启动任务（运行环境，脚本）。
7. 各个任务向其对应的ApplicationMaster汇报自己的运行状态和进度。
8. 应用程序运行完毕后，ApplicationMaster与ResourceManager通信，要求注销和关闭自己。

总结

本文介绍了YARN的产生背景以及设计架构，工作流程。