一、經典MapReduce的作業運行機制

如下圖是經典MapReduce作業的工作原理：

1.1 經典MapReduce作業的實體

經典MapReduce作業運行過程包含的實體：

• ?客戶端，提交MapReduce作業。
• JobTracker，協調作業的運行。JobTracker是一個Java應用程序，它的主類是JobTracker。
• ?TaskTracker，運行作業劃分后的任務。TaskTracker是Java應用程序，它的主類是TaskTracker。
• 分布式文件系統（一般為HDFS），用來在其他實體間共享作業文件。

1.2 經典MapReduce作業的運行過程

1. 作業提交

• 客戶端運行MapReduce作業（步驟1）
• 向JobTracker請求一個新的作業ID，通過調用JobTracker的getNewJobId()方法獲取（步驟2）
• 將運行作業所需的資源（包括作業JAR文件、配置文件和計算所得的輸入分片）復制到一個以ID命名的JobTracker的文件系統中（步驟3）
• 告知JobTracker作業準備執行，通過調用JobTracker的submitJob()方法實現（步驟4）

2. 作業初始化

• JobTracker收到對其submitJob()方法的調用后，會把此調用放入一個內部隊列中，交由作業調度器進行調度，并對其進行初始化（步驟5）。初始化包括創建一個表示正在運行作業的對象，用于封裝任務和記錄信息，以便跟蹤任務的狀態和進程。
• 作業調度器從共享文件系統中獲取客戶端已經計算好的輸入分片（步驟6）。為每個分片創建一個map任務，創建的reduce任務由Job的mapred.reduce.tasks屬性決定，以及新建作業創建和作業清理的任務。

3. 任務分配

• TaskTracker定期向JobTracker發生“心跳（heartbeat）”，表名TaskTracker是否存活，同時保持兩者之間的通信（步驟7）
• JobTracker為TaskTracker分配任務，對于map任務，jobtracker會考慮tasktracker的網絡位置，選取一個距離其輸入分片文件最近的tasktracker，對于reduce任務，jobtracker會從reduce任務列表中選取下一個來執行。

4. 任務執行

• 從HDFS中把作業的JAR文件復制到TaskTracker所在的文件系統，實現JAR文件本地化，同時，TaskTracker將應用程序所需的全部文件從分布式緩存復制到本地磁盤（步驟8），并且為任務新建一個本地工作目錄，把JAR文件中的內容解壓到這個文件夾下，然后新建一個TaskRunner實例運行該任務。

5. 進度和狀態更新

• 任務在運行時，對其進度（progress，即任務完成百分比）的保持跟蹤。

6. 作業完成

• 將作業的狀態設置為“成功”，并且清空JobTracker作業的工作狀態，也指示TaskTracker清空作業的工作狀態（如刪除中間輸出）。

二、Yarn上MapReduce作業運行機制

如圖為Yarn中MapReduce作業的工作原理：

2.1 Yarn上的MapReduce作業的實體

主要包括以下幾個實體：

• 提交MapReduce作業的客戶端
• ResourceManager，Yarn資源管理器，負責協調集群上計算資源的分配
• NodeManager，Yarn節點管理器，負責啟動和監視集群中機器上的計算容器（container）
• MRAPPMaster，MapReduce應用程序MRAppMaster負責協調運行MapReduce作業的任務。它和MapReduce任務在容器中運行，這些容器由資源管理器分配并由節點管理器進行管理
• 分布式文件系統，一般為HDFS，用來與其他實體間共享作業文件

2.2 Yarn中MapReduce作業的運行過程

1. 作業提交

• 客戶端運行MapReduce作業（步驟1）
• 客戶端向ResourceManager請求新的作業ID，ResourceManager收到請求后，返回一個ApplicationID（步驟2）
• 客戶端檢查作業的的輸出說明，計算輸入分片，并將作業運行所需的資源（包括作業jar文件、配置文件和分片信息）復制到HDFS（步驟3）
• 告知ResourceManager作業準備執行，并調用ResourceManager上的submitApplication( )方法提交作業（步驟4）

2. 作業初始化

• 資源管理器收到應用提交請求后，便將請求傳遞給調度器Scheduler，調度器分配一個容器，然后ResourceManager在NodeManager的管理下在容器中啟動應用程序的master進程（步驟5(a)和5(b)）
• 對作業進行初始化，創建對象以保持對作業進度的跟蹤（步驟6）
• MRAppMaster接受來自共享文件系統HDFS的在客戶端計算的輸入分片（步驟7）

?3. 任務分配

• MRAppMaster為作業中的所有map任務和reduce任務向ResourceManager請求容器（步驟8）

4. 任務執行

• 一旦ResourceManager的調度器為任務分配了容器，MRAppMaster就通過與NodeManager通信來啟動容器（步驟9(a)和9(b)）
• 任務在運行之前，需要將任務所需的資源本地化，包括作業的配置、JAR文件和所有來自分布式緩存的文件（步驟10）
• 運行map任務或reduce任務（步驟11）

5. 進度和狀態更新

• 任務每三秒鐘通過umbilical接口向ApplicationMaster匯報自己的進度和狀態（包含計數器），方便ApplicationMaster隨時掌握各個任務的運行狀態。

6. 作業完成

• 作業完成后，ApplicationMaster和任務容器清理其工作狀態，ApplicationMaster向ResourceManager注銷并關閉自己。

?

【參考鏈接】

[1]?Asu_PC,?MR1和MR2的工作原理.

[2] Tom Wbite, 《Hadoop權威指南》

轉載于:https://www.cnblogs.com/walker-/p/9751398.html

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的经典MapReduce作业和Yarn上MapReduce作业运行机制的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。