大数据IMF-L38-MapReduce内幕解密听课笔记及总结

本期内容：

1 MapReduce架构解密

2 MapReduce运行集群研究

3 通过Java编程操作MapReduce实战

Hadoop从2。0开始就已经必须运行在 Yarn上面了，1.0时根本不关心Yarn。

现在是 MR，也是讲Yarn的，而且已经是 基础入门阶段。零基础已经过去了。

明天开始 - 20个左右的MapReduce代码的集合讲解

一：基于Yarn的MapReduce架构

1.MR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，Reducer是进行最后的统计的工作的；

2.Hadoop 2.x开始是基于Yarn运行的。

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: YarnChild

ResourceManager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

RM生产环境中是要做HA的

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）