3.2　YARN基本架构及组件

YARN集群总体上是经典的主/从（Master/Slave）架构，主要由ResourceManager、NodeManager、Task、Container和ApplicationMaster等组件构成。YARN集群架构如图3-4所示。

各个组件的解析如下。

1.ResourceManager

ResourceManager以后台进程的形式运行，负责对集群资源进行统一管理和任务调度。ResourceManager的主要职责如下：

·接收来自客户端的请求。

·启动和管理各个应用程序的ApplicationMaster。

·接收来自ApplicationMaster的资源申请，并为其分配Container。

·管理NodeManager，接收来自NodeManager的资源和节点健康情况汇报。

2.NodeManager

NodeManager是集群中每个节点上的资源和任务管理器，以后台进程的形式运行。它会定时向ResourceManager汇报本节点上的资源（内存、CPU）使用情况和各个Container的运行状态，同时会接收并处理来自ApplicationMaster的Container启动/停止等请求。NodeManager不会监视任务，它仅监视Container中的资源使用情况。例如，如果一个Container消耗的内存比最初分配得更多，就会结束该Container。

3.Task

Task是应用程序的具体执行任务。一个应用程序可能有多个任务，如一个MapReduce程序可以有多个Map任务和多个Reduce任务（本书第5章会对MapReduce进行详细讲解）。

4.Container

Container是YARN中资源分配的基本单位，是封装了CPU和内存资源的一个容器，相当于一个Task运行环境的抽象。从实现上看，Container是一个Java抽象类，定义了资源信息。应用程序的Task将会被发布到Container中运行，从而限定了Task使用的资源量。Container类的部分源码如下：

从上述代码中可以看出，Container类中定义的一个重要属性类型是Resource。Resource类也是一个抽象类，其中定义了内存和CPU核心数，该类的部分源码如下：

Container的大小取决于它所包含的资源量。一个节点上的Container数量，由节点空闲资源总量（总CPU数和总内存）决定。

在YARN的NodeManager节点上有许多动态创建的Container。NodeManager会将计算机的CPU和内存的一定值抽离成虚拟的值，然后将这些虚拟的值根据配置组成多个Container，当应用程序提出申请时，就会对其分配相应的Container。

此外，一个应用程序所需的Container分为两类：运行ApplicationMaster的Container和运行各类Task的Container。前者由ResourceManager向内部的资源调度器申请和启动，后者由ApplicationMaster向ResourceManager申请，并由ApplicationMaster请求NodeManager进行启动。

我们可以将Container类比成数据库连接池中的连接，需要的时候进行申请，使用完毕后进行释放，而不需要每次独自创建。

5.ApplicationMaster

ApplicationMaster即应用程序管理者，主要负责应用程序的管理，以后台进程的形式运行。它为应用程序向ResourceManager申请资源（CPU、内存），并将资源分配给所管理的应用程序的Task。

一个应用程序对应一个ApplicationMaster。例如，一个MapReduce应用程序会对应一个ApplicationMaster（MapReduce应用程序运行时，会在NodeManager节点上启动一个名为MRAppMaster的进程，该进程则是MapReduce的ApplicationMaster实现）；一个Spark应用程序也会对应一个ApplicationMaster。

在用户提交一个应用程序时，会启动一个ApplicationMaster实例，ApplicationMaster会启动所有需要的Task来完成它负责的应用程序，并且监视Task运行状态和运行进度、重新启动失败的Task等。应用程序完成后，ApplicationMaster会关闭并释放自己的Container，以便其他应用程序的ApplicationMaster或Task转移至该Container中运行，提高资源利用率。

ApplicationMaster自身和应用程序的Task都在Container中运行。

ApplicationMaster可在Container内运行任何类型的Task。例如，MapReduce ApplicationMaster请求一个容器来启动Map Task或Reduce Task。也可以实现一个自定义的ApplicationMaster来运行特定的Task，以便任何分布式框架都可以受到YARN的支持，只要实现了相应的ApplicationMaster即可。

总结来说，我们可以这样认为：ResourceManager管理整个集群，NodeManager管理集群中单个节点，ApplicationMaster管理单个应用程序（集群中可能同时有多个应用程序在运行，每个应用程序都有各自的ApplicationMaster）。 xRgsnrTYgu18VNMWo9NiAAcFMQNcG1nEfhiwTEvvCE3eqkvOs7qAJpiP2Fx6NEy8