Hadoop YARN架构设计要点

YARN是开源项目Hadoop的一个资源管理系统，最初设计是为了解决Hadoop中MapReduce计算框架中的资源管理问题，但是现在它已经是一个更加通用的资源管理系统，可以把MapReduce计算框架作为一个应用程序运行在YARN系统之上，通过YARN来管理资源。如果你的应用程序也需要借助YARN的资源管理功能，你也可以实现YARN提供的编程API，将你的应用程序运行于YARN之上，将资源的分配与回收统一交给YARN去管理，可以大大简化资源管理功能的开发。当前，也有很多应用程序已经可以构建于YARN之上，如Storm、Spark等计算框架。

YARN整体架构

YARN是基于Master/Slave模式的分布式架构，我们先看一下，YARN的架构设计，如图所示（来自官网文档）：

上图，从逻辑上定义了YARN系统的核心组件和主要交互流程，各个组件说明如下：

YARN Client

YARN Client提交Application到RM，它会首先创建一个Application上下文件对象，并设置AM必需的资源请求信息，然后提交到RM。YARN Client也可以与RM通信，获取到一个已经提交并运行的Application的状态信息等，具体详见后面ApplicationClientProtocol协议的分析说明。

ResourceManager（RM）

RM是YARN集群的Master，负责管理整个集群的资源和资源分配。RM作为集群资源的管理和调度的角色，如果存在单点故障，则整个集群的资源都无法使用。在2.4.0版本才新增了RM HA的特性，这样就增加了RM的可用性。

NodeManager（NM）

NM是YARN集群的Slave，是集群中实际拥有实际资源的工作节点。我们提交Job以后，会将组成Job的多个Task调度到对应的NM上进行执行。Hadoop集群中，为了获得分布式计算中的Locality特性，会将DN和NM在同一个节点上运行，这样对应的HDFS上的Block可能就在本地，而无需在网络间进行数据的传输。

Container

Container是YARN集群中资源的抽象，将NM上的资源进行量化，根据需要组装成一个个Container，然后服务于已授权资源的计算任务。计算任务在完成计算后，系统会回收资源，以供后续计算任务申请使用。Container包含两种资源：内存和CPU，后续Hadoop版本可能会增加硬盘、网络等资源。

ApplicationMaster（AM）

AM主要管理和监控部署在YARN集群上的Application，以MapReduce为例，MapReduce Application是一个用来处理MapReduce计算的服务框架程序，为用户编写的MapReduce程序提供运行时支持。通常我们在编写的一个MapReduce程序可能包含多个Map Task或Reduce Task，而各个Task的运行管理与监控都是由这个MapReduce Application来负责，比如运行Task的资源申请，由AM向RM申请；启动/停止NM上某Task的对应的Container，由AM向NM请求来完成。

下面，我们基于Hadoop 2.6.0的YARN源码，来探讨YARN内部实现原理。

YARN协议

YARN是一个分布式资源管理系统，它包含了分布的多个组件，我们可以通过这些组件之间设计的交互协议来说明，如图所示：

下面我们来详细看看各个协议实现的功能：

ApplicationClientProtocol（Client -> RM）

协议方法功能描述

getNewApplication获取一个新的ApplicationId，例如返回的ApplicationId为application_1418024756741

submitApplication提交一个Application到RM

forceKillApplication终止一个已经提交的Application

getApplicationReport获取一个Application的状态报告信息ApplicationReport，包括用户、队列、名称、AM所在节点、AM的RPC端口、跟踪URL、AM状态、诊断信息（如果出错的话）、启动时间、提交Application的Client（如果启用安全策略）

getClusterMetrics获取YARN集群信息，如节点数量

getApplications获取Application状态报告信息，和getApplicationReport类似，只不过增加了过滤器功能

getClusterNodes获取集群内所有节点的状态报告信息

getQueueInfo获取队列信息

getQueueUserAcls获取当前用户的队列ACL信息

getDelegationToken获取访问令牌信息，用于Container与RM端服务交互

renewDelegationToken更新已存在的访问令牌信息

cancelDelegationToken取消访问令牌

moveApplicationAcrossQueues将Application移动到另一个队列中

getApplicationAttemptReport获取Application Attempt状态报告信息ApplicationAttemptReport

getApplicationAttemptReport获取Application Attempt状态报告信息，和getApplicationAttemptReport类似，只不过增加了过滤器功能

getContainerReport根据ContainerId获取Container状态报告信息ContainerReport，例如Container名称为container_e17_1410901177871_0001_01_000005，各个段的含义：container_e____

getContainers根据ApplicationAttemptId获取一个Application Attempt所使用的Container的状态报告信息，例如Container名称为container_1410901177871_0001_01_000005

submitReservation预定资源，以备在特殊情况下能够从集群获取到资源来运行程序，例如预留出资源供AM启动

updateReservation更新预定资源

deleteReservation删除预定

getNodeToLabels获取节点对应的Label集合

getClusterNodeLabels获取集群中所有节点的Label

ResourceTracker（NM -> RM）

协议方法功能描述

registerNodeManagerNM向RM注册

nodeHeartbeatNM向RM发送心跳状态报告

ApplicationMasterProtocol（AM -> RM）

协议方法功能描述

registerApplicationMasterAM向RM注册

finishApplicationMasterAM通知RM已经完成（成功/失败）

allocateAM向RM申请资源

ContainerManagementProtocol（AM -> NM）

协议方法功能描述

startContainersM向NM请求启动Container

stopContainersAM向NM请求停止Container

getContainerStatusesAM向NM请求查询当前Container的状态

ResourceManagerAdministrationProtocol（RM Admin -> RM）

协议方法功能描述

getGroupsForUser获取用户所在用户组，该协议继承自GetUserMappingsProtocol

refreshQueues刷新队列配置

refreshNodes刷新节点配置

refreshSuperUserGroupsConfiguration刷新超级用户组配置

refreshUserToGroupsMappings刷新用户->用户组映射信息

refreshAdminAcls刷新Admin的ACL信息

refreshServiceAcls刷新服务级别信息（SLA）

updateNodeResource更新在RM端维护的RMNode资源信息

addToClusterNodeLabels向集群中节点添加Label

removeFromClusterNodeLabels移除集群中节点Label

replaceLabelsOnNode替换集群中节点Label

HAServiceProtocol（Active RM HA Framework Standby RM）

协议方法功能描述

monitorHealthHA Framework监控服务的健康状态

transitionToActive使RM转移到Active状态

transitionToStandby使RM转移到Standby状态

getServiceStatus获取服务状态信息

YARN RPC实现

1.X版本的Hadoop使用默认实现的Writable协议作为RPC协议，而在2.X版本，重写了RPC框架，改成默认使用Protobuf协议作为Hadoop的默认RPC通信协议。 YARN RPC的实现，如下面类图所示：

通过上图可以看出，RpcEngine有两个实现：WritableRpcEngine和ProtobufRpcEngine，默认使用ProtobufRpcEngine，我们可以选择使用1.X默认的RPC通信协议，甚至可以自定义实现。

ResourceManager内部原理

RM是YARN分布式系统的主节点，ResourceManager服务进程内部有很多组件提供其他服务，包括对外RPC服务，已经维护内部一些对象状态的服务等，RM的内部结构如图所示：

上图中RM内部各个组件（Dispatcher/EventHandler/Service）的功能，可以查看源码。

这里，说一下ResourceScheduler组件，它是RM内部最重要的一个组件，用它来实现资源的分配与回收，它提供了一定算法，在运行时可以根据算法提供的策略来对资源进行调度。YARN内部有3种资源调度策略的实现：FifoScheduler、FairScheduler、CapacityScheduler，其中默认实现为CapacityScheduler。CapacityScheduler实现了资源更加细粒度的分配，可以设置多级队列，每个队列都有一定的容量，即对队列设置资源上限和下限，然后对每一级别队列分别再采用合适的调度策略（如FIFO）进行调度。

如果我们想实现自己的资源调度策略，可以直接实现YARN的资源调度接口ResourceScheduler，然后修改yarn-site.xml中的配置项yarn.resourcemanager.scheduler.class即可。

NodeManager内部原理

NM是YARN系统中实际持有资源的从节点，也是实际用户程序运行的宿主节点，内部结构如图所示：

上图中NM内部各个组件（Dispatcher/EventHandler/Service）的功能，可以查看源码，不再累述。

事件处理机制

事件处理可以分成2大类，一类是同步处理事件，事件处理过程会阻塞调用进程，通常这样的事件处理逻辑非常简单，不会长时间阻塞；另一类就是异步处理处理事件，通常在接收到事件以后，会有一个用来派发事件的Dispatcher，将事件发到对应的事件队列中，这采用生产者-消费者模式，消费者这会监视着队列，并从取出事件进行异步处理。

YARN中到处可以见到事件处理，其中比较特殊一点的就是将状态机（StateMachine）作为一个事件处理器，从而通过事件来触发特定对象状态的变迁，通过这种方式来管理对象状态。我们先看一下YARN中时间处理的机制，以ResourceManager端为例，如下图所示：

产生的事件通过Dispatcher进行派发并进行处理，如果EventHandler处理逻辑比较简单，直接同步处理，否则可能会采用异步处理的方式。在EventHandler处理的过程中，还可能产生新的事件Event，然后再次通过RM的Dispatcher进行派发，而后处理。

状态机

我们以RM端管理的RMAppImpl对象为例，它表示一个Application运行过程中，在RM端的所维护的Application的状态，该对象对应的所有状态及其状态转移路径，如下图所示：

在上图中如果加上触发状态转移的事件及其类型，可能整个图会显得很乱，所以这里，我详细画了一个分图，用来说明，每一个状态的变化都是有哪种类型的事件触发的，根据这个图，可以方便地阅读源码，如下图所示：

NMLivelinessMonitor源码分析实例

YARN主要采用了Dispatcher+EventHandler+Service这样的抽象，将所有的内部/外部组件采用这种机制来实现，由于存在很多的Service和EventHandler，而且有个组件可能既是一个Service，同时还是一个EventHandler，所以在阅读代码的时候可能会感觉迷茫，这里我给出了一个阅读NMLivelinessMonitor服务的实例，仅供想研究源码的人参考。NMLivelinessMonitor是ResourceManager端的一个监控服务实现，它主要是用来监控注册的节点的Liveliness状态，这里是监控NodeManager的状态。该服务会周期性地检查NodeManager的心跳信息来确保注册到ResourceManager的NodeManager当前处于活跃状态，可以执行资源分配以及处理计算任务，在NMLivelinessMonitor类继承的抽象泛型类AbstractLivelinessMonitor中有一个Map，如下所示：

private Map running = new HashMap();

这里面O被替换成了NodeId，而值类型Long表示时间戳，也就是表达了一个NodeManager向ResourceManager最后发送心跳信息时间戳，通过检测running中的时间戳；来判断NodeManager是否可以正常使用。在ResourceManager中可以看到，NMLivelinessMonitor的实例是其一个成员：

protected NMLivelinessMonitor nmLivelinessMonitor;

看一下NMLivelinessMonitor类的实现，它继承自抽象泛型类AbstractLivelinessMonitor，看NMLivelinessMonitor类的声明：

public class NMLivelinessMonitor extends AbstractLivelinessMonitor

在类实现中，有一个重写（@Override）的protected的方法expire，如下所示：

我们可以通过该类NMLivelinessMonitor抽象基类中看到调用expire方法的逻辑，是在一个内部线程类PingChecker中，代码如下所示：

这里面的泛型O在NMLivelinessMonitor类中就是NodeId，所以最关心的逻辑就是前面提到的NMLivelinessMonitor中的expire方法的实现。在expire方法中，调用了dispatcher的handle方法来处理，所以dispatcher应该是一个EventHandler对象，后面我们会看到，它其实是通过ResourceManager中的dispatcher成员，也就是AsyncDispatcher来获取到的（AsyncDispatcher内部有一个组合而成的EventHandler）。下面，我们接着看NMLivelinessMonitor是如何创建的，在ResourceManager.RMActiveServices类的serviceInit()方法中，代码如下所示：

跟踪代码继续看createNMLivelinessMonitor方法，如下所示：

上面通过rmContext的getDispatcher获取到一个Dispatcher对象，来作为NMLivelinessMonitor构造方法的参数，我们需要看一下这个Dispatcher是如何创建的，查看ResourceManager.serviceInit方法，代码如下所示：

继续跟踪代码，setupDispatcher()方法实现如下所示：

继续看createDispatcher()方法代码实现：

可以看到，在这里创建了一个AsyncDispatcher对象在创建的NMLivelinessMonitor实例中包含一个AsyncDispatcher实例。回到前面，我们需要知道这个AsyncDispatcher调用getEventHandler()返回的EventHandler的处理逻辑是如何的，NMLivelinessMonitor的代码实现如下所示：

查看AsyncDispatcher类的getEventHandler()方法，代码如下所示：

可见，这里面无论是第一次调用还是其他对象已经调用过该方法，这里面最终只有一个GenericEventHandler实例作为这个dispatcher的内部EventHandler实例，所以继续跟踪代码，看GenericEventHandler实现，如下所示：

将传入handle方法的Event丢进了eventQueue队列，也就是说GenericEventHandler是基于eventQueue的一个生产者，那么消费者是AsyncDispatcher内部的另一个线程，如下所示：

查看createThread()方法，如下所示：

可以看到，从eventQueue队列中取出Event，然后调用dispatch(event);来处理事件，看dispatch(event)方法，如下所示：

可以看到，根据已经注册的Map eventDispatchers表，选择对应的EventHandler来执行实际的事件处理逻辑。这里，再看看这个EventHandler是在哪里住的。前面已经看到，NMLivelinessMonitor类的expire方法中，传入的是new RMNodeEvent(id, RMNodeEventType.EXPIRE)，我们再查看ResourceManager.RMActiveServices.serviceInit()方法：

可见RMNodeEventType类型的事件是使用ResourceManager.NodeEventDispatcher这个EventHandler来处理的，同时它也是一个Dispatcher，现在再看NodeEventDispatcher的实现：

这个里面还没有真正地去处理，而是基于RMNode状态机对象来进行转移处理，所以我们继续看RMNode的实现RMNodeImpl，因为前面事件类型RMNodeEventType.EXPIRE，我们看状态机创建时对该事件类型的转移动作是如何注册的：

在ResourceManager端维护的NodeManager的信息使用RMNodeImpl来表示（在内存中保存ConcurrentMap），所以当前如果expire方法被调用，RMNodeImpl会根据状态机对象中已经注册的前置转移状态（pre-transition state）、后置转移状态（post-transition state）、事件类型（event type）、转移Hook程序，来对事件进行处理，并使当前RMNodeImpl的状态由前置转移状态更新为后置转移状态。对于上面代码，如果当前RMNodeImpl状态是NodeState.RUNNING，事件为RMNodeEventType.EXPIRE类型，则会调用Hook程序实现DeactivateNodeTransition，状态转移更新为NodeState.LOST；如果当前RMNodeImpl状态是NodeState.UNHEALTHY，事件为RMNodeEventType.EXPIRE类型，则会调用Hook程序实现DeactivateNodeTransition，状态转移更新为NodeState.LOST。具体地，每个Transition的处理逻辑如何，可以查看对应的Transition实现代码。

来源：简单之美

原文：http://shiyanjun.cn/archives/1119.html

Hadoop YARN架构设计要点相关推荐

【读书笔记】YARN架构设计与实现原理
Hadoop技术内幕:深入解析YARN架构设计与实现原理 Hadoop技术内幕:深入解析YARN架构设计与实现原理董西成 ◆ 第2章 YARN设计理念与基本架构由于MRv2将资源管理功能抽象成了一 ...
Flume(NG)架构设计要点及配置实践
Flume(NG)架构设计要点及配置实践 http://shiyanjun.cn/archives/915.html 转载于:https://blog.51cto.com/vikenxu/165732 ...
金融级分布式数据库架构设计要点
行业背景银行业从最初的手工记账到会计电算化,到金融电子化,再到现在的金融科技,可以看到金融与科技的结合越来越紧密,人工智能.大数据.物联网.区块链等新兴技术改变了金融的交易方式,为金融行业的创新前行 ...
Spark Standalone架构设计要点分析
全栈工程师开发手册 (作者:栾鹏) 架构系列文章 Apache Spark是一个开源的通用集群计算系统,它提供了High-level编程API,支持Scala.Java和Python三种编程语言.Sp ...
去哪儿网机票搜索系统的高并发架构设计(要点节选)
前端做静态文件的压缩,优化Http请求连接数,以减小带宽,让页面更快加载出来. 前后端做了数据分离,让搜索服务解耦,在高并发情况下更灵活做负载均衡. 后端数据(航班数据)99%以上来自缓存,加载快,给 ...
79-Spark Standalone架构设计要点分析
Apache Spark是一个开源的通用集群计算系统,它提供了High-level编程API,支持Scala.Java和Python三种编程语言.Spark内核使用Scala语言编写,通过基于Scal ...
Hadoop学习（二）——MapReduce\Yarn架构
其他更多java基础文章: java基础学习(目录) 学习资料理解Hadoop YARN架构本文先讲MapReduce 1.x的框架.再讲MapReduce 1.x升级改进后MapReduce 2 ...
yarn架构——本质上是在做解耦将资源分配和应用程序状态监控两个功能职责分离为RM和AM...
Hadoop YARN架构解读原Mapreduce架构原理架构图如下: 图 1.Hadoop 原 MapReduce 架构原 MapReduce 程序的流程: 首先用户程序 (JobClien ...
机票搜索高并发架构设计
去哪儿网机票搜索系统的高并发架构设计转载 2017年05月11日 11:25:51 查看全文 http://www.taodudu.cc/news/show-3183758.html 相关文章: P ...

Hadoop YARN架构设计要点

Hadoop YARN架构设计要点相关推荐

最新文章

热门文章