Yarn(RM-AM-NM 三大组件的通信，任务提交搭到 Yarn 的过程，文件切片)-摩杜云开发者社区

一、 Yarn简介

Yarn把 jobtracker的任务分解开来，分为：

ResourceManager（简写RM）负责管理分配全局资源
ApplicationMaster（简写AM），AM与每个具体任务对应，负责管理任务的整个生命周期内的所有事宜

除了上面两个以外，tasktracker被NodeManager（简写NM）替代，RM与NM构成了集群的计算平台。这种设计允许NM上长期运行一些辅助服务，这些辅助服务一般都是应用相关的，通过配置项指定，在NM启动时加载。例如在yarn上运行mapreduce程序时，shuffle就是一个由NM加载起来的辅助服务。

与每个应用相关的AM是一个框架类库，它与RM沟通协商如何分配资源，与NM协同执行并且监测应用的执行情况。在yarn的设计中，mapreduce只是一种编程模式，yarn还允许像MPI(message passing interface)，Spark等应用构架部署在yarn上运行。

二、Yarn设计

Yarn(RM-AM-NM 三大组件的通信，任务提交搭到 Yarn 的过程，文件切片)
上图是一个典型的YARN集群。可以看到RM有两个主要服务：

可插拔的Scheduler，只负责用户提交任务的调度
ApplicationsMaster的（简写AsM）负责管理集群中每个任务的ApplicationMaster（简写AM），负责任务的监控、失败重起等

在haodop2.x中，yarn采用了container的概念来分配资源。每个container由一些可以动态改变的属性组成，到现在为止，仅支持内存、cpu两种。但是yarn的这种资源管理方式是通用的，社区以后会加入更多的属性，比如网络带宽，本地硬盘大小等等。

三、Yarn主要组件

ResourceManager

ResourceManager负责整个集群的资源管理和分配，是一个全局的资源管理系统。
NodeManager以心跳的方式向ResourceManager汇报资源使用情况（目前主要是CPU和内存的使用情况）。RM只接受NM的资源回报信息，对于具体的资源处理则交给NM自己处理。
YARN Scheduler根据application的请求为其分配资源，不负责application job的监控、追踪、运行状态反馈、启动等工作。

NodeManager

NodeManager是每个节点上的资源和任务管理器，它是管理这台机器的代理，负责该节点程序的运行，以及该节点资源的管理和监控。YARN集群每个节点都运行一个NodeManager。
NodeManager定时向ResourceManager汇报本节点资源（CPU、内存）的使用情况和Container的运行状态。当ResourceManager宕机时NodeManager自动连接RM备用节点。
NodeManager接收并处理来自ApplicationMaster的Container启动、停止等各种请求。

ApplicationMaster

用户提交的每个应用程序均包含一个ApplicationMaster，它可以运行在ResourceManager以外的机器上。
负责与RM调度器协商以获取资源（用Container表示）。
将得到的任务进一步分配给内部的任务(资源的二次分配)。
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。
当前YARN自带了两个ApplicationMaster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。

注：RM只负责监控AM，并在AM运行失败时候启动它。RM不负责AM内部任务的容错，任务的容错由AM完成。

在这小节里，主要介绍yarn各个组件，以及他们之间是如何通信的。

3.1 Client<===>RM

Yarn(RM-AM-NM 三大组件的通信，任务提交搭到 Yarn 的过程，文件切片)

上面这个图是Client向RM提交任务时的流程。
(1) Client通过New Application Request来通知 RM 中的AsM（Applications Manager）组件
(2) AsM一般会返回一个新生成的全局ID，除此之外，传递的信息还有集群的资源状况，这样Client就可以在需要时请求资源来运行任务的第一个 container 即 AM。
(3) 之后，Client就可以构造并发送ASC了。ASC中包括了调度队列，优先级，用户认证信息，除了这些基本的信息之外，还包括用来启动 AM 的 CLC 信息，一个CLC中包括jar包、依赖文件、安全token，以及运行任务过程中需要的其他文件。

Yarn(RM-AM-NM 三大组件的通信，任务提交搭到 Yarn 的过程，文件切片)

经过上面这三步，一个Client就完成了一次任务的提交。之后，Client可以直接通过RM查询任务的状态，在必要时，可以要求RM杀死这个应用。如下图：
Yarn(RM-AM-NM 三大组件的通信，任务提交搭到 Yarn 的过程，文件切片)

3.2 RM <===>AM

RM 在收到 Client 端发送的 ASC (Applicatoin Submission Context)后，它会查询是否有满足其资源要求的 container 来运行 AM，有满足的资源，RM会与那个 container 所在机器上的NM通信，来启动AM。

下面这个图描述了这其中的细节。
Yarn(RM-AM-NM 三大组件的通信，任务提交搭到 Yarn 的过程，文件切片)

(1) AM 向 RM 注册，这个过程包括handshaking过程，并且传递一些信息，包括 AM 监听的 RPC 端口、用于监测任务运行状态的URL等。
(2) RM 中的 Scheduler 部件做回应。这个过程会传递 AM 所需的信息，比如这个集群的最大与最小资源使用情况等。AM利用这些信息来计算并请求任务所需的资源。
(3) 这个过程是AM向RM请求资源。传递的信息主要包含请求 container 的列表，还有可能包含这个 AM 已经释放的 container 的列表。
(4) 在 AM 经过(3)请求资源之后，在稍微晚些时候，会把心跳包与任务进度信息发送给RM
(5) Scheduler在收到AM的资源请求后，会根据调度策略，来分配container以满足AM的请求。
(6) 在任务完成后，AM会给RM发送一个结束消息，然后退出。

在上面(5)与(6)之间，AM在收到RM返回的container列表后，会与每个container所在机器的NM通信，来启动这个container，下面就说说这个过程。