Hadoop2.0介绍.pptxVIP

Apache Hadoop 2.0 下一代数据处理框架介绍 主要内容 Hadoop 1.0 的局限性 Hadoop 2.0 新特性介绍 Hadoop现状及最新进展 Hadoop1.0的局限- HDFS ※资源隔离 ※元数据扩展性 ※访问效率 ※数据丢失 Hadoop1.0的局限-MapReduce 扩展性 集群最大节点数–4000 最大并发任务数–40000 可用性 JobTracker负载较重 存在单点故障, 一旦故障， 所有执行的任务的全部失败 批处理模式,时效性低 仅仅使用MapReduce一种计算方式 低效的资源管理 把资源强制划分为 map task slot 和 reduce task slot, 当系统中只有 map task 或者只有 reduce task 的时候，会造成资源的浪费 当 map-reduce job 非常多的时候，会造成很大的内存开销，潜在来说，也增加了 JobTracker fail 的风险，这也是业界普遍总结出老 Hadoop 的 Map-Reduce 只能支持 4000 节点主机的上限。 Next-Gen DataProccess Platform-Hadoop2.0介绍 Single Use System Batch Apps Multi Purpose Platform Batch, Interactive, Online, Streaming, … Hadoop 2.0新特性： 由HDFS、MapReduce和YARN三个分支构成 HDFS：支持NN Federation、HA MapReduce：运行在YARN上的MR，编程模型不变 YARN：资源管理系统 … Hadoop2.0 新特性: YARN-产生背景 直接源于MRv1在几个方面的无能 扩展性差，JobTracker成为瓶颈 可靠性差，NameNode单点故障 扩展性差，难以支持MR之外的计算 资源利用率低 多计算框架各自为战，数据共享困难 MR：离线计算框架 Storm：实时计算框架 Spark：内存计算框架 Hadoop2.0 新特性: YARN-架构及组件 ResourceManager 处理客户端请求 启动/监控ApplicationMaster 监控NodeManager 资源分配与调度 NodeManager 单个节点上的资源管理 处理来自ResourceManager的命令 处理来自ApplicationMaster的命令 ApplicationMaster 数据切分 为应用程序申请资源，并分配给内部任务 任务监控与容错 YARN 是Hadoop 2.0 中的资源管理系统，它是一个通用的资源管理模块，可为各类应用程序进行资源管理和调度。 Hadoop2.0 新特性: YARN-架构及组件 Hadoop2.0 新特性: YARN-MRv2作业处理流程 Hadoop2.0 新特性: YARN-MRv2作业处理流程 步骤1　用户向YARN 中提交应用程序， 其中包括ApplicationMaster 程序、启动ApplicationMaster 的命令、用户程序等。 步骤2　ResourceManager 为该应用程序分配第一个Container， 并与对应的NodeManager 通信，要求它在这个Container 中启动应用程序的ApplicationMaster。 步骤3　ApplicationMaster 首先向ResourceManager 注册， 这样用户可以直接通过ResourceManage 查看应用程序的运行状态，然后它将为各个任务申请资源，并监控它的运行状态，直到运行结束，即重复步骤4~7。 步骤4　ApplicationMaster 采用轮询的方式通过RPC 协议向ResourceManager 申请和领取资源。 步骤5　一旦ApplicationMaster 申请到资源后，便与对应的NodeManager 通信，要求它启动任务。 步骤6　NodeManager 为任务设置好运行环境（包括环境变量、JAR 包、二进制程序 等）后，将任务启动命令写到一个脚本中，并通过运行该脚本启动任务。 步骤7　各个任务通过某个RPC 协议向ApplicationMaster 汇报自己的状态和进度，以让ApplicationMaster 随时掌握各个任务的运行状态，从而可以在任务失败时重新启动任务。在应用程序运行过程中，用户可随时通过RPC 向ApplicationMaster 查询应用程序的当 前运行状态。 步骤8　应用程序运行完成后，ApplicationMaster 向ResourceManager 注销并关闭自己。 Hadoop2.0 新特性: Y