《深入解析YARN架构设计与实现原理》第2章 YARN设计理念与基本架构【2.4】

javazx

2.4 YARN 基本架构
YARN是Hadoop 2.0中的资源管理系统， 它的基本设计思想是将MRv1中的JobTracker拆分成了两个独立的服务： 一个全局的
资源管理器ResourceManager和每个应用程序特有的ApplicationMaster。 其中ResourceManager负责整个系统的资源管理和分配， 而
ApplicationMaster负责单个应用程序的管理。
/ O! G( |% o3 E* ?5 `2.4.1 YARN基本组成结构
YARN总体上仍然是Master/Slave结构， 在整个资源管理框架中， ResourceManager为Master， NodeManager为
Slave， ResourceManager负责对各个NodeManager上的资源进行统一管理和调度。 当用户提交一个应用程序时， 需要提供一个用以
% l4 ?+ N* M4 s! j# Y5 R跟踪和管理这个程序的ApplicationMaster， 它负责向ResourceManager申请资源， 并要求NodeManger启动可以占用一定资源的任
务。 由于不同的ApplicationMaster被分布到不同的节点上， 因此它们之间不会相互影响。 在本小节中， 我们将对YARN的基本组成
! e7 ?) C( z0 V! m8 R% k( j结构进行介绍。
$ _2 O: Q" }- h/ n* d7 q+ e图2-9描述了YARN的基本组成结构， YARN主要由ResourceManager、 NodeManager、 ApplicationMaster（ 图中给出了
MapReduce和MPI两种计算框架的ApplicationMaster， 分别为MR AppMstr和MPI AppMstr） 和Container等几个组件构成。
图2-9 Apache YARN的基本架构
1.ResourceManager（ RM）
% V. z$ l! w* TRM是一个全局的资源管理器， 负责整个系统的资源管理和分配。 它主要由两个组件构成： 调度器（ Scheduler） 和应用程序
管理器（ Applications Manager， ASM） 。
（ 1） 调度器
调度器根据容量、 队列等限制条件（ 如每个队列分配一定的资源， 最多执行一定数量的作业等） ， 将系统中的资源分配给各
* W9 b0 K7 D: r3 M) u% ^- A7 p+ \个正在运行的应用程序。 需要注意的是， 该调度器是一个“纯调度器”， 它不再从事任何与具体应用程序相关的工作， 比如不负责
监控或者跟踪应用的执行状态等， 也不负责重新启动因应用执行失败或者硬件故障而产生的失败任务， 这些均交由应用程序相关
1 q4 d; K4 R! @% x$ }的ApplicationMaster完成。 调度器仅根据各个应用程序的资源需求进行资源分配， 而资源分配单位用一个抽象概念“资源容
6 T& e4 }! a, c4 A  o) z器”（ Resource Container， 简称Container） 表示， Container是一个动态资源分配单位， 它将内存、 CPU、 磁盘、 网络等资源封装在
一起， 从而限定每个任务使用的资源量。 此外， 该调度器是一个可插拔的组件， 用户可根据自己的需要设计新的调度器， YARN
提供了多种直接可用的调度器， 比如Fair Scheduler和Capacity Scheduler等。
0 ~7 _* y' E" q2 ~（ 2） 应用程序管理器
应用程序管理器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
$ {, s  G# |$ I+ W/ VApplicationMaster运行状态并在失败时重新启动它等。
2.ApplicationMaster（ AM）
. B) w; ]# h# V- B0 R用户提交的每个应用程序均包含一个AM， 主要功能包括：
❑与RM调度器协商以获取资源（ 用Container表示） ；
3 w5 c) t. w, t- z/ g9 k# N❑将得到的任务进一步分配给内部的任务；
7 z- ?/ u6 z1 X  l4 H% I( L# C❑与NM通信以启动/停止任务；
❑监控所有任务运行状态， 并在任务运行失败时重新为任务申请资源以重启任务。
& d1 U( L2 ^: i/ ~/ \. a, G7 g/ l当前YARN自带了两个AM实现， 一个是用于演示AM编写方法的实例程序distributedshell， 它可以申请一定数目的Container以
, G  n9 c# f, e& H7 R并行运行一个Shell命令或者Shell脚本； 另一个是运行MapReduce应用程序的AM—MRAppMaster， 我们将在第8章对其进行介绍。
9 a- R9 h* h8 w) w) h# w此外， 一些其他的计算框架对应的AM正在开发中， 比 如Open MPI、 Spark等 [18] 。
0 }% A: {) a, B# ~3.NodeManager（ NM）
NM是每个节点上的资源和任务管理器， 一方面， 它会定时地向RM汇报本节点上的资源使用情况和各个Container的运行状
态； 另一方面， 它接收并处理来自AM的Container启动/停止等各种请求。
4.Container
Container是YARN中的资源抽象， 它封装了某个节点上的多维度资源， 如内存、 CPU、 磁盘、 网络等， 当AM向RM申请资源
时， RM为AM返回的资源便是用Container表示的。 YARN会为每个任务分配一个Container， 且该任务只能使用该Container中描述的
/ a, w; i- k" s资源。 需要注意的是， Container不同于MRv1中的slot， 它是一个动态资源划分单位， 是根据应用程序的需求动态生成的。 截至本
书完成时， YARN仅支持CPU和内存两种资源， 且使用了轻量级资源隔离机制Cgroups进行 资源隔离 [19] 。
2.4.2 YARN通信协议
RPC协议是连接各个组件的“大动脉”， 了解不同组件之间的RPC协议有助于我们更深入地学习YARN框架。 在YARN中， 任何
两个需相互通信的组件之间仅有一个RPC协议， 而对于任何一个RPC协议， 通信双方有一端是Client， 另一端为Server， 且Client总
1 b6 D7 U8 {6 B是主动连接Server的， 因此， YARN实际上采用的是拉式（ pull-based） 通信模型。 如图2-10所示， 箭头指向的组件是RPC Server，
- b2 I: n' l, j+ [4 l& @! z8 d而箭头尾部的组件是RPC Client， YARN主要由以下几个RPC协 议组成 [20] ：
: A7 K6 A. H5 d$ j& U❑JobClient（ 作业提交客户端） 与RM之间的协议—ApplicationClientProtocol： JobClient通过该RPC协议提交应用程序、 查询应
用程序状态等。
( o, z, q9 ?; D1 c1 O❑Admin（ 管理员） 与RM之间的通信协议—ResourceManagerAdministrationProtocol： Admin通过该RPC协议更新系统配置文件，
+ ]+ @( A1 Z' v3 ]: Q1 y) u% D: U比如节点黑白名单、 用户队列权限等。
❑AM与RM之间的协议—ApplicationMasterProtocol： AM通过该RPC协议向RM注册和撤销自己， 并为各个任务申请资源。
❑AM与NM之间的协议—ContainerManagementProtocol： AM通过该RPC要求NM启动或者停止Container， 获取各个Container的
使用状态等信息。
❑NM与RM之间的协议—ResourceTracker： NM通过该RPC协议向RM注册， 并定时发送心跳信息汇报当前节点的资源使用情
况和Container运行情况。
! P+ `# @' M. G% p& P图2-10 Apache YARN的RPC协议
0 d! }( B6 a% q1 [8 k& v为了提高Hadoop的向后兼容性和不同版本之间的兼容性， YARN中的序列化框架采用了Google开源的Protocol Buffers。
Protocol Buffers的引入使得YARN具有协议向后兼容性， 相关内容将在第3章介绍。
[18] 参见网址http://wiki.apache.org/hadoop/PoweredByYarn。
[19] 参见网址https://issues.apache.org/jira/browse/YARN-3。
% R  t6 ]0 T/ ^* z3 i% ?[20] RPC协议名称在2.1.0-beta版本进行了重构， 之前的名称分别为： ClientRMProtocol、 RMAdminProtocol、 AMRMProtocol、
! `6 \2 i8 ~6 o3 x1 zContainerManager、 ResourceTracker（ 该协议名称未变）  
6 F7 z" P0 g7 c- o$ U! d$ ?( ?* a6 x
, x9 ?/ T, w, H! s$ a
6 w" x% \6 m# |, r6 [6 L