YARN概述
- Yet Another Resource Negotiator:另外资源的协调者
- 通用的资源管理系统
- 为上层应用提供统一的资源管理和调度
操作系统级别的调度框架，可以让各种计算框架运行在上面
YARN：不同计算框架可以共享同一个HDFS集群上的数据，享受整体的资源调度
XXX on YARN的好处：
与其他计算框架共享集群资源，按资源需要分配，进而提高集群资源的利用率
XXX: Spark/MapReduce/Storm/Flink
YARN架构
1）ResourceManager: RM
整个集群同一时间提供服务的RM只有一个，负责集群资源的统一管理和调度
处理客户端的请求： 提交一个作业、杀死一个作业
监控我们的NM，一旦某个NM挂了，那么该NM上运行的任务需要告诉我们的AM来如何进行处理
2) NodeManager: NM
整个集群中有多个，负责自己本身节点资源管理和使用
定时向RM汇报本节点的资源使用情况
接收并处理来自RM的各种命令：启动Container
处理来自AM的命令
单个节点的资源管理
-
ApplicationMaster: AM
每个应用程序对应一个：MR、Spark，负责应用程序的管理
为应用程序向RM申请资源（core、memory），分配给内部task
需要与NM通信：启动/停止task，task是运行在container里面，AM也是运行在container里面 -
Container
封装了CPU、Memory等资源的一个容器
是一个任务运行环境的抽象 -
Client
提交作业
查询作业的运行进度
杀死作业
YARN执行流程
1用户向Yarn提交一个作业（MP,Spark作业），RM会在其中一个NM中启动一个container用于运行AM
2.AM启动之后，就会注册到RM中去，从而可以与RM进行通信
3.AM直接向RM申请资源，AM就会到对应的那些NM上去启动container,就把Task运行到container中去
提交作业到YARN上运行
hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 2 3