大資料IMF-L38-MapReduce內幕解密聽課筆記及總結

標籤：大資料   hadoop   

本期內容：

1 MapReduce架構解密

2 MapReduce運行叢集研究

3 通過Java編程操作MapReduce實戰

Hadoop從2。0開始就已經必須運行在 Yarn上面了，1.0時根本不關心Yarn。

現在是 MR，也是講Yarn的，而且已經是 基礎入門階段。零基礎已經過去了。

明天開始 - 20個左右的MapReduce代碼的集合講解

一：基於Yarn的MapReduce架構

1.MR代碼程式是基於實現Mapper和Reducer兩大階段構成的，其中Mapper是把一個計算任務分解成很多

小任務進行並行計算，Reducer是進行最後的統計的工作的；

2.Hadoop 2.x開始是基於Yarn啟動並執行。

Yarn是管理叢集的所有資源的（如記憶體和CPU），ResourceManager，每個節點上安排了一上JVM進程，NodeManager，接收要求用Container方式來包裹這些資源，當RM接收到作業請求時，

3.當ResourceManager接收到Client提交的請求的程式的時候會根據叢集資源的狀況在某個NodeManager所在的節點上命令NodeManager啟動該程式的第一個Container，該Container就是程式的ApplicationMaster，負責程式的任務調度的執行過程，ApplicationManager轉過來向ResourceManager註冊自己，註冊之後會向ReourceManager申請具體的Container計算資源。

4.如何街道一個程式中的ApplicationMaster需要多少個Container呢？

 Application在啟動時會運行程式的Main方法，該方法中會有資料的輸入和相關的配置，通過這些內容就可以知道需要多少Container；

（container是一個單位的電腦資源，根據用戶端請求的計算，叢集會解析計算job,計算結果包含需要的contain資源）

Application要運行Main方法，知道剖析器有多少個分區，多少個分區對應Container，再考量其他資源，如Shuffle等再分配一些資源。

5.MapReduce運行在Yarn上的總結

主從結構

主節點，只有一個: ResourceManager

控制節點，每個Job都有一個MRAppMaster

從節點，有很多個: YarnChild

ResourceManager負責：

接收客戶提交的計算任務

把Job分給MRAppMaster執行

監控MRAppMaster的執行情況

MRAppMaster負責：

負責一個Job執行的任務調度

把Job分給YarnChild執行

監控YarnChild的執行情況

YarnChild負責：

執行MRAppMaster分配的計算任務

RM生產環境中是要做HA的

6.Hadoop MapReduce中的 MRAppMaster，相當於Spark中的Driver，Hadoop MapReduce中的YarnChildren相當於Spark中的CoarseGrainedExecutorBackend；

（Hadoop相對於Spark資源的損耗相當多）

本文出自 “在雲端” 部落格，請務必保留此出處http://ymzhang.blog.51cto.com/3126300/1741453

大資料IMF-L38-MapReduce內幕解密聽課筆記及總結