Yarn 资源调度器
Yarn 是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式
的操作系统平台，而 MapReduce 等运算程序则相当于运行于操作系统之上的应用程序。
1.1 Yarn 基础架构
YARN 主要由 ResourceManager、NodeManager、ApplicationMaster 和 Container 等组件构成。
YARN基础架构
1.2 Yarn 工作机制
（1）MR 程序提交到客户端所在的节点。
（2）YarnRunner 向 ResourceManager 申请一个 Application。
（3）RM 将该应用程序的资源路径返回给 YarnRunner。
（4）该程序将运行所需资源提交到 HDFS 上。
（5）程序资源提交完毕后，申请运行 mrAppMaster。
（6）RM 将用户的请求初始化成一个 Task。
（7）其中一个 NodeManager 领取到 Task 任务。
（8）该 NodeManager 创建容器 Container，并产生 MRAppmaster。
（9）Container 从 HDFS 上拷贝资源到本地。
（10）MRAppmaster 向 RM 申请运行 MapTask 资源。
（11）RM 将运行 MapTask 任务分配给另外两个 NodeManager，另两个 NodeManager 分
别领取任务并创建容器。
（12）MR 向两个接收到任务的 NodeManager 发送程序启动脚本，这两个 NodeManager
分别启动 MapTask，MapTask 对数据分区排序。
（13）MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。
（14）ReduceTask 向 MapTask 获取相应分区的数据。
（15）程序运行完毕后，MR 会向 RM 申请注销自己。
1.3 作业提交全
HDFS、YARN、MapReduce三者关系
作业提交过程之YARN
作业提交过程之HDFS & MapReduce
作业提交全过程详解
（1）作业提交
第 1 步：Client 调用 job.waitForCompletion 方法，向整个集群提交 MapReduce 作业。
第 2 步：Client 向 RM 申请一个作业 id。
第 3 步：RM 给 Client 返回该 job 资源的提交路径和作业 id。
第 4 步：Client 提交 jar 包、切片信息和配置文件到指定的资源提交路径。
第 5 步：Client 提交完资源后，向 RM 申请运行 MrAppMaster。
（2）作业初始化
第 6 步：当 RM 收到 Client 的请求后，将该 job 添加到容量调度器中。
第 7 步：某一个空闲的 NM 领取到该 Job。
第 8 步：该 NM 创建 Container，并产生 MRAppmaster。
第 9 步：下载 Client 提交的资源到本地。
（3）任务分配
第 10 步：MrAppMaster 向 RM 申请运行多个 MapTask 任务资源。
第 11 步：RM 将运行 MapTask 任务分配给另外两个 NodeManager，另两个 NodeManager分别领取任务并创建容器。
（4）任务运行
第 12 步：MR 向两个接收到任务的 NodeManager 发送程序启动脚本，这两个NodeManager 分别启动 MapTask，MapTask 对数据分区排序。
第13步：MrAppMaster等待所有MapTask运行完毕后，向RM申请容器，运行ReduceTask。
第 14 步：ReduceTask 向 MapTask 获取相应分区的数据。
第 15 步：程序运行完毕后，MR 会向 RM 申请注销自己。
（5）进度和状态更新
YARN 中的任务将其进度和状态(包括 counter)返回给应用管理器, 客户端每秒(通过mapreduce.client.progressmonitor.pollinterval 设置)向应用管理器请求进度更新, 展示给用户。
（6）作业完成
除了向应用管理器请求作业进度外, 客户端每 5 秒都会通过调用 waitForCompletion()来检查作业是否完成。时间间隔可以通过 mapreduce.client.completion.pollinterval 来设置。作业完成之后, 应用管理器和 Container 会清理工作状态。作业的信息会被作业历史服务器存储以备之后用户核查。
1.4 Yarn 调度器和调度算法
目前，Hadoop 作业调度器主要有三种：FIFO、容量（Capacity Scheduler）和公平（Fair Scheduler）。Apache Hadoop3.1.3 默认的资源调度器是 Capacity Scheduler。
CDH 框架默认调度器是 Fair Scheduler。
具体设置详见：yarn-default.xml 文件
<property>
<description>The class to use as the resource scheduler. </description>
<name>yarn.resourcemanager.scheduler.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
</property>
1.4.1 先进先出调度器（FIFO ）
FIFO 调度器（First In First Out）：单队列，根据提交作业的先后顺序，先来先服务。
FIFO调度器
优点：简单易懂；
缺点：不支持多队列，生产环境很少使用；
1.4.2 容量调度器（Capacity Scheduler ）
Capacity Scheduler 是 Yahoo 开发的多用户调度器。
容量调度器特点
1、多队列：每个队列可配置一定的资源量，每个队列采用FIFO调度策略。
2、容量保证：管理员可为每个队列设置资源最低保证和资源使用上限
3、灵活性：如果一个队列中的资源有剩余，可以暂时共享给那些需要资源的队列，而一旦该队列有新的应用程序提交，则其他队列借调的资源会归还给该队列。
4、多租户：
支持多用户共享集群和多应用程序同时运行。
为了防止同一个用户的作业独占队列中的资源，该调度器会对同一用户提交的作业所占资源量进行限定。
容量调度器资源分配算法
1.4.3 公平调度器（Fair Scheduler ）
Fair Schedulere 是 Facebook 开发的多用户调度器。
公平调度器特点
公平调度器---缺额
公平调度器队列资源分配方式
1.5 Yarn 常用命令
Yarn 状态的查询，除了可以在 hadoop103:8088 页面查看外，还可以通过命令操作。常见的命令操作如下所示：
需求：执行 WordCount 案例，并用 Yarn 命令查看任务运行情况。
[sl@hadoop102 hadoop-3.1.3]$ myhadoop.sh start
[sl@hadoop102 hadoop-3.1.3]$ hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
1.5.1 yarn application 查看任务
（1）列出所有 Application：
[sl@hadoop102 hadoop-3.1.3]$ yarn application -list
2021-02-06 10:21:19,238 INFO client.RMProxy: Connecting to ResourceManager
at hadoop103/192.168.10.103:8032
Total number of applications (application-types: [], states:
[SUBMITTED, ACCEPTED, RUNNING] and tags: []):0
Application-Id Application-Name Application-Type User Queue
State Final-State Progress Tracking-URL
（2）根据 Application 状态过滤：yarn application -list -appStates （所有状态：ALL、NEW、NEW_SAVING、SUBMITTED、ACCEPTED、RUNNING、FINISHED、FAILED、KILLED）
[sl@hadoop102 hadoop-3.1.3]$ yarn application -list -appStates
FINISHED 2021-02-06 10:22:20,029 INFO client.RMProxy:
Connecting to ResourceManager at
hadoop103/192.168.10.103:8032 Total number of applications
(application-types: [], states: [FINISHED] and tags: []):1
Application-Id Application-Name Application-Type User Queue
State Final-State Progress Tracking-URL
application_1612577921195_0001 word count MAPREDUCE
sl default FINISHED SUCCEEDED 100%
http://hadoop102:19888/jobhistory/job/job_1612577921195_0001
（3）Kill 掉 Application：
[sl@hadoop102 hadoop-3.1.3]$ yarn application -kill
application_1612577921195_0001 2021-02-06 10:23:48,530
INFO client.RMProxy: Connecting to ResourceManager at
hadoop103/192.168.10.103:8032 Application
application_1612577921195_0001 has already finished
1.5.2 yarn logs 查看日志
（1）查询 Application 日志：yarn logs -applicationId<applicationid></applicationid>
[sl@hadoop102 hadoop-3.1.3]$ yarn logs -applicationId
application_1612577921195_0001
（2）查询 Container 日志： yarn logs -applicationId <applicationid>-containerId<containerid></containerid></applicationid>
[sl@hadoop102 hadoop-3.1.3]$ yarn logs -applicationId
application_1612577921195_0001 -containerId
container_1612577921195_0001_01_000001
1.5.3 yarn applicationattempt 查看尝试运行的任务
（1）列出所有 Application 尝试的列表：yarn applicationattempt -list<applicationid></applicationid>
[sl@hadoop102 hadoop-3.1.3]$ yarn applicationattempt -list
application_1612577921195_0001 2021-02-06 10:26:54,195
INFO client.RMProxy: Connecting to ResourceManager at
hadoop103/192.168.10.103:8032 Total number of application
attempts :1 ApplicationAttempt-Id State AM- Container-Id
Tracking-URL appattempt_1612577921195_0001_000001
FINISHED container_1612577921195_0001_01_000001
http://hadoop103:8088/proxy/application_1612577921195_0001/
（2）打印 ApplicationAttemp 状态：yarn applicationattempt -status<applicationattemptid></applicationattemptid>
[sl@hadoop102 hadoop-3.1.3]$ yarn applicationattempt -status
appattempt_1612577921195_0001_000001 2021-02-06
10:27:55,896 INFO client.RMProxy: Connecting to
ResourceManager at hadoop103/192.168.10.103:8032
Application Attempt Report : ApplicationAttempt-Id :
appattempt_1612577921195_0001_000001 State : FINISHED
AMContainer : container_1612577921195_0001_01_000001
Tracking-URL :
http://hadoop103:8088/proxy/application_1612577921195_0001/
RPC Port : 34756 AM Host : hadoop104 Diagnostics :
1.5.4 yarn container 查看容器
（1）列出所有 Container：yarn container -list<applicationattemptid></applicationattemptid>
[sl@hadoop102 hadoop-3.1.3]$ yarn container -list
appattempt_1612577921195_0001_000001 2021-02-06
10:28:41,396 INFO client.RMProxy: Connecting to
ResourceManager at hadoop103/192.168.10.103:8032 Total
number of containers :0 Container-Id Start Time Finish Time State
Host Node Http Address
（2）打印 Container 状态： yarn container -status<containerid></containerid>
[sl@hadoop102 hadoop-3.1.3]$ yarn container -status
container_1612577921195_0001_01_000001 2021-02-06
10:29:58,554 INFO client.RMProxy: Connecting to
ResourceManager at hadoop103/192.168.10.103:8032 Container
with id 'container_1612577921195_0001_01_000001' doesn't
exist in RM or Timeline Server.
注：只有在任务跑的途中才能看到 container 的状态
1.5.5 yarn node 查看节点状态
列出所有节点：yarn node -list -all
[sl@hadoop102 hadoop-3.1.3]$ yarn node -list -all 2021-02-06 10:31:36,962 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8032 Total Nodes:3 Node-Id Node-State Node-Http-Address Number-of-Running- Containers hadoop103:38168 RUNNING hadoop103:8042 0 hadoop102:42012 RUNNING hadoop102:8042 0 hadoop104:39702 RUNNING hadoop104:8042 0
1.5.6 yarn rmadmin 更新配置
加载队列配置：yarn rmadmin -refreshQueues
[sl@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshQueues 2021-02-06 10:32:03,331 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.10.103:8033
1.5.7 yarn queue 查看队列
打印队列信息：yarn queue -status<queuename></queuename>
[sl@hadoop102 hadoop-3.1.3]$ yarn queue -status default
2021-02-06 10:32:33,403 INFO client.RMProxy: Connecting to
ResourceManager at hadoop103/192.168.10.103:8032 Queue
Information : Queue Name : default State : RUNNING Capacity :
100.0% Current Capacity : .0% Maximum Capacity : 100.0%
Default Node Label expression : <DEFAULT_PARTITION>
Accessible Node Labels : * Preemption : disabled Intra-queue
Preemption : disabled
1.6 Yarn 生产环境核心参数
