标签：
对于节点数超过 4000 的大型集群，前一节描述的 MapReduce 系统开始面临着扩展的瓶颈。 2010 年 Yahoo 的团队开始设计下一代的 MapReduce。 （Yet Another Resource Negotiator、YARN Application Resource Nefotiator）。
YARN 将 JobTracker 的只能划分为多个独立的实体，从而改善了 MR1 面临的扩展瓶颈问题。 JobTracker 负责作业调度和任务进度监视，追踪任务、重启失败或过慢的任务和进行任务登记，例如维护计数器总数。
YARN 将这两种角色划分为两个独立的守护进程：
资源管理器：
管理集群上资源使用
应用管理器：
管理集群上运行任务生命周期的应用管理器
应用管理器 与 资源管理器 协商集群的计算资源 容器 （每个容器都有特定的内存上限），在这些容器上运行特定的应用程序的进程。容器由集群节点上运行的加点监视器（nodeManage）监视。
事实上，MapReduce 只是 YARN 应用的一种形式、YARN 应用可以在一个集群上共存。 例如一个 MR 应用可以同时作为 MPI 应用运行。大大提高了可管理性和集群利用率。
MPI 通信协议。的目标是高性能，大规模性，和可移植性。
YARN 上的 MR 比经典的 MR 包括更多的实体：
提交 MapReduce 的客户端。
YARN 的资源管理器
YARN 的节点管理器
MapReduce 应用程序 master 负责协调运行 MapReduce 作业的任务。 它和 MapReduce 任务在容器中运行， 这些容器由资源管理器分配并由节点管理器进行管理。
YARN 运行 MapReduce 的过程
加入了 master、优化了失败标记、
MR2 状态更新传播
早期 Hadoop 使用先进先出调度算法运行作业
不久后增加了优先级、 跟 dota 一样 VERY_HIGH、HIGH、NORMAL、LOW、VERY_LOW。 作业调度选择优先级时，选择最高的作业。 FIFO 调度算法中，优先级并不支持抢占，所以高优先级作业仍然受阻于之前已经开始的作业、长时间运行的地优先级作业。
1 公平调度器
目标是让每个用户公平共享集群能力。 作业都放在作业池中，并不会因为某个作业数较多的用户得到更多的集群资源。 可以用 map 和 reduce 的任务槽数来定制作业池的最小容量，也可以设置每个池的权重。
公平调度器支持抢占机制，如果一个池在特定的一段时间未能公平共享资源，就会终止运行池中获得更多资源的任务，吧空出来的槽位让给运行资源不足的作业池。
2 容量调度器
针对多用户调度，容量调度器可以让用户模拟出一个使用 FIFO 调度策略独立的 MapReduce 集群。 （更细粒度控制）
Map 处理
在将 压缩 map 输出写到磁盘的过程中对他进行压缩往往是个好主意。默认不压缩。
Reduce 处理
使用了压缩的map输出 都必须在内存中被解压缩。 复制完所有的map 任务后。 这个阶段将合并 map 输出（排序 map 已经做完 ）
输入分片与 HDFS 块之间的关系
一个文件被分成5行，行的边界与 HDFS 块边界没有对齐。 分片边界与逻辑边界（行边界）的边界对齐，所以第一个分片包含前 5行，及时第五行垮了第一块 和第二块。第二个分片 从第六行开始。
MultipleOutputs 的 write 方法可以指定基本路径相对于输出路径进行解释，因为他可以包含文件路径分隔符（/），所以可以创建任意深度的路径。
延迟输出
FileOutputFormat 的子类会产生输出文件，及时文件是空的。 因此 LazyOutputFormat 出现了。他可以保证指定分区第一条记录输出时才真正创建文件。 要使用它， 用 JobConf 和 相关的输出格式作为参数来调用
set OutputFormatClass() 方法即可。
MR 高级特性
Hadoop 为每个作业维护若干内置计数器。
边数据分布
“边数据”（side data） 是作业所需的额外的只读数据，以辅助处理主数据集。在于如何使所有 map or reduce 任务都能方便高效的使用边数据。
1 在作业配置中 （JobConf ） 序列化边数据。 耗费内存 浪费时间
2 分布式缓存，
MRv2 工作机制 、 公平调度器、MR压缩、边数据
标签：
原文地址：http://www.cnblogs.com/rocky24/p/5532052.html
