分散->汇总模式:
1. 将数据分片,多台服务器各自负责一部分数据处理
2. 然后将各自的结果,进行汇总处理
3. 最终得到想要的计算结果
1. 什么是计算、分布式计算?
•计算:对数据进行处理,使用统计分析等手段得到需要的结果
•分布式计算:多台服务器协同工作,共同完成一个计算任务
2. 分布式计算常见的2种工作模式
•分散->汇总 (MapReduce就是这种模式)
•中心调度->步骤执行 (大数据体系的Spark、Flink等是这种模式)
2.MapReduce概述
分布式计算框架 - MapReduce
MapReduce是“分散->汇总”模式的分布式计算框架,可供开发人员开发相关程序进行分布式数据计算。
MapReduce提供了2个编程接口:
•Map
•Reduce
其中
•Map功能接口提供了“分散”的功能, 由服务器分布式对数据进行处理
•Reduce功能接口提供了“汇总(聚合)”的功能,将分布式的处理结果汇总统计
用户如需使用MapReduce框架完成自定义需求的程序开发
只需要使用Java、Python等编程语言,实现Map Reduce功能接口即可。
MapReduce执行原理:
一个案例,简单分析一下,MapReduce是如何完成分布式计算的。
假设有如下文件,内部记录了许多的单词。且已经开发好了一个MapReduce程序,功能是统计每个单词出现的次数。
MapReduce执行原理:
假定有4台服务器用以执行MapReduce任务
可以3台服务器执行Map,1台服务器执行Reduce
1. 什么是MapReduce
•MapReduce是Hadoop中的分布式计算组件
•MapReduce可以以分散->汇总(聚合)模式执行分布式计算任务
2. MapReduce的主要编程接口
•map接口,主要提供“分散”功能,由服务器分布式处理数据
•reduce接口,主要提供“汇总”功能,进行数据汇总统计得到结果
•MapReduce可供Java、Python等语言开发计算程序
•注:MapReduce尽管可以通过Java、Python等语言进行程序开发,但当下年代基本没人会写它的代码了,因为太过时了。 尽管MapReduce很老了,但现在仍旧活跃在一线,主要是Apache Hive框架非常火,而Hive底层就是使用的MapReduce。 所以对于MapReduce的代码开发,课程会简单扩展一下,但不会深入讲解,对MapReduce的底层原理会放在Hive之后,基于Hive做深入分析。
3. MapReduce的运行机制
•将要执行的需求,分解为多个Map Task和Reduce Task
•将Map Task 和 Reduce Task分配到对应的服务器去执行
3.YARN概述
MapReduce是基于YARN运行的,即没有YARN”无法”运行MapReduce程序
YARN的资源调度
YARN 管控整个集群的资源进行调度, 那么应用程序在运行时,就是在YARN的监管(管理)下去运行的。
这就像:全部资源都是公司(YARN)的,由公司分配给个人(具体的程序)去使用。
比如,一个具体的MapReduce程序。
我们知道, MapReduce程序会将任务分解为若干个Map任务和Reduce任务。
假设,有一个MapReduce程序, 分解了3个Map任务,和1个Reduce任务,那么如何在YARN的监管(管理)下运行呢?
1. YARN是做什么的?
•YARN是Hadoop的一个组件
•用以做集群的资源(内存、CPU等)调度
2. 为什么需要资源调度
•将资源统一管控进行分配可以提高资源利用率
3. 程序如何在YARN内运行
•程序向YARN申请所需资源
•YARN为程序分配所需资源供程序使用
4. MapReduce和YARN的关系
•YARN用来调度资源给MapReduce分配和管理运行资源
•所以,MapReduce需要YARN才能执行(普遍情况)
4. YARN架构
1.掌握YARN的运行角色和角色之间的关系
2.理解使用容器做资源分配和隔离
1. YARN的架构有哪2个角色?
•主(Master):ResourceManager
•从(Slave):NodeManager
2. 两个角色各自的功能是什么?
•ResourceManager: 管理、统筹并分配整个集群的资源
•NodeManager:管理、分配单个服务器的资源,即创建管理容器,由容器提供资源供程序使用
3. 什么是YARN的容器?
•容器(Container)是YARN的NodeManager在所属服务器上分配资源的手段
•创建一个资源容器,即由NodeManager占用这部分资源
•然后应用程序运行在NodeManager创建的这个容器内
•应用程序无法突破容器的资源限制
•ps:容器是虚拟化的相关机制,后续我们会详细讲解
YARN辅助角色
YARN的架构中除了核心角色,即:
•ResourceManager:集群资源总管家
•NodeManager:单机资源管家
还可以搭配2个辅助角色使得YARN集群运行更加稳定
•代理服务器(ProxyServer):Web Application Proxy Web应用程序代理
•历史服务器(JobHistoryServer): 应用程序历史信息记录服务
•
YARN的架构有哪些角色
•核心角色:ResourceManager和NodeManager
•辅助角色:ProxyServer,保障WEB UI访问的安全性
•辅助角色:JobHistoryServer,记录历史程序运行信息和日志