Spark on Yarn的运行原理

一、YARN是集群的资源管理系统

1、ResourceManager：负责整个集群的资源管理和分配。
2、ApplicationMaster：YARN中每个Application对应一个AM进程，负责与RM协商获取资源，获取资源后告诉NodeManager为其分配并启动Container。
3、NodeManager：每个节点的资源和任务管理器，负责启动/停止Container，并监视资源使用情况。
4、Container：YARN中的抽象资源。

二、SPARK的概念

1、Driver：和ClusterManager通信，进行资源申请、任务分配并监督其运行状况等。
2、ClusterManager：这里指YARN。
3、DAGScheduler：把spark作业转换成Stage的DAG图。
4、TaskScheduler：把Task分配给具体的Executor。

三、SPARK on YARN

3.1、yarn-cluster模式下

(1)ResourceManager接到请求后在集群中选择一个NodeManager分配Container，并在Container中启动ApplicationMaster进程；

(2)在ApplicationMaster进程中初始化sparkContext；
(3)ApplicationMaster向ResourceManager申请到Container后，通知NodeManager在获得的Container中启动excutor进程；
(4)sparkContext分配Task给excutor，excutor发送运行状态给ApplicationMaster。

3.2、yarn-client模式下

(1)ResourceManager接到请求后在集群中选择一个NodeManager分配Container，并在Container中启动ApplicationMaster进程；
(2)driver进程运行在client中，并初始化sparkContext；
(3)sparkContext初始化完后与ApplicationMaster通讯，通过ApplicationMaster向ResourceManager申请Container，ApplicationMaster通知NodeManager在获得的Container中启动excutor进程；
(4)sparkContext分配Task给excutor，excutor发送运行状态给driver。

3.3、yarn-cluster与yarn-client的区别：

它们的区别就是ApplicationMaster的区别，yarn-cluster中ApplicationMaster不仅负责申请资源，并负责监控Task的运行状况，因此可以关掉client；而yarn-client中ApplicationMaster仅负责申请资源，由client中的driver来监控调度Task的运行，因此不能关掉client。