大数据IMF-L38-MapReduce内幕解密听课笔记及总结

上午课程：6：00am
Hadoop MapReduce内幕解密：
MR架构解密

MR运行集群研究

JAVA操作MR实战

【随课笔记】：
一：基于Yarn的MapReduce架构
1.MapReduce代码程序是基于实现Mapper和Reducer两大阶段构成的，其中Mapper是把一个计算任务分解成很多小任务进行并行计算，Reduce进行最后的统计的工作的；
2.Hadoop 2.x开始是基于Yarn运行的（1.x版本是不关心Yarn的）
Yarn是管理集群的所有资源的（如内存和CPU），ResourceManager，每个节点上安排了一上JVM进程，NodeManager，接收要求用Container方式来包裹这些资源，当RM接收到作业请求时，




3.当ResourceManager接收到Client提交的请求的程序的时候会根据集群资源的状况在某个NodeManager所在的节点上命令NodeManager启动该程序的第一个Container，该Container就是程序的ApplicationMaster，负责程序的任务调度的执行过程，ApplicationManager转过来向ResourceManager注册自己，注册之后会向ReourceManager申请具体的Container计算资源。





4.如何街道一个程序中的ApplicationMaster需要多少个Container呢？
Application在启动时会运行程序的Main方法，该方法中会有数据的输入和相关的配置，通过这些内容就可以知道需要多少Container；
（container是一个单位的计算机资源，根据客户端请求的计算，集群会解析计算job,计算结果包含需要的contain资源）
Application要运行Main方法，知道分析程序有多少个分片，多少个分片对应Container，再考量其他资源，如Shuffle等再分配一些资源。

5.MapReduce运行在Yarn上的总结

主从结构主节点，只有一个: ResourceManager控制节点，每个Job都有一个MRAppMaster从节点，有很多个: YarnChildResourceManager负责：接收客户提交的计算任务把Job分给MRAppMaster执行监控MRAppMaster的执行情况MRAppMaster负责：负责一个Job执行的任务调度把Job分给YarnChild执行监控YarnChild的执行情况YarnChild负责：执行MRAppMaster分配的计算任务

6.Hadoop MapReduce中的 MRAppMaster，相当于Spark中的Driver，Hadoop MapReduce中的YarnChildren相当于Spark中的CoarseGrainedExecutorBackend；
（Hadoop相对于Spark资源的损耗相当多）