Ubuntu HDFS与YARN关系解析

HDFS与YARN的角色定位
HDFS（Hadoop分布式文件系统）是Hadoop生态的存储基石，核心功能是通过NameNode（主节点）管理文件系统元数据（如文件目录结构、文件与数据块的映射关系），由DataNode（工作节点）实际存储数据块（默认128MB/块），并通过多副本机制（默认3副本）保证数据高可用。YARN（Yet Another Resource Negotiator）是Hadoop生态的资源管理与调度中枢，核心功能是通过ResourceManager（全局主节点）接收应用资源请求、统一分配集群资源（CPU、内存等），由NodeManager（每个节点的代理）监控本节点资源使用情况并启动/销毁容器（Container，资源抽象单元），通过ApplicationMaster（每个应用的实例）协调应用的资源申请、任务调度与进度监控。

协同工作机制：从作业提交到结果输出
HDFS与YARN的协同以“用户提交数据处理作业”为起点，遵循“数据存储-资源调度-任务执行-结果反馈”的闭环流程：

1. 作业提交：用户通过Hadoop命令行或编程接口（如Java API）提交作业（如MapReduce、Spark任务）到YARN的ResourceManager。
2. 资源调度：ResourceManager接收请求后，启动对应的ApplicationMaster（如MapReduce的AM），由其向RM申请作业所需的资源（如“需要2个容器，每个容器分配2核CPU、4GB内存”）。
3. 容器启动：ResourceManager根据集群资源状况，将资源分配给NodeManager，NodeManager在本节点上启动容器，并在其中运行ApplicationMaster。
4. 任务分发与执行：ApplicationMaster向ResourceManager申请运行具体任务（如Map任务、Reduce任务）的容器，NodeManager启动容器并执行任务。任务执行过程中，数据从HDFS读取（如Map任务读取HDFS中的输入文件块），处理完成后中间结果或最终结果写回HDFS（如Reduce任务将汇总结果写入HDFS的指定目录）。
5. 故障恢复：若NodeManager故障，RM会将其资源重新分配给其他节点；若ApplicationMaster故障，RM会重新启动新的AM，确保任务可靠性。

关键交互细节：数据与资源的联动

• 数据依赖：YARN的任务执行完全依赖HDFS存储的数据。例如，Map任务的输入数据需从HDFS读取，Reduce任务的中间结果需从HDFS获取，处理完成的结果需写回HDFS以供后续查询或分析。
• 资源协调：YARN的ResourceManager通过心跳机制（NodeManager定期向RM汇报资源状态）监控集群资源负载，动态调整资源分配（如某节点空闲时，RM将其资源分配给其他任务）；ApplicationMaster则根据任务进度动态申请/释放资源（如Map任务完成后，申请Reduce任务的资源）。
• 数据本地性优化：YARN调度任务时会优先考虑数据本地性（如将任务分配到存储有所需数据块的节点），减少网络传输开销，提升处理效率。这一优化依赖于HDFS的块位置信息（NameNode维护数据块与DataNode的映射关系）。

Ubuntu环境下的配置与启动要点
在Ubuntu上部署HDFS与YARN时，需通过配置文件明确二者的协同关系：

• HDFS配置：编辑hdfs-site.xml设置NameNode目录（dfs.namenode.name.dir）、DataNode目录（dfs.datanode.data.dir）及副本数（dfs.replication）；编辑core-site.xml设置HDFS的默认文件系统地址（fs.defaultFS，如hdfs://namenode:9000）。
• YARN配置：编辑yarn-site.xml设置ResourceManager主机名（yarn.resourcemanager.hostname）、NodeManager的辅助服务（yarn.nodemanager.aux-services，需设置为mapreduce.shuffle以支持MapReduce任务）；编辑mapred-site.xml设置计算框架为YARN（mapreduce.framework.name，值为yarn）。
• 启动顺序：先启动HDFS（start-dfs.sh），初始化NameNode与DataNode；再启动YARN（start-yarn.sh），启动ResourceManager与NodeManager。启动后可通过hdfs dfsadmin -report查看HDFS节点状态，通过yarn node -list查看YARN节点状态。