clipboard.png
在Yarn上运行的container包含两类，一类是ApplicationMaster，这是每个yarn任务启动的第一个Container；另一类是运行用户任务的Container。
ApplicationMaster进程启动
1.Yarn Client 向 Yarn 中提交应用程序。（对应上图中1）
客户端向Yarn提交任务时需要调用org.apache.hadoop.yarn.client.api.YarnClient的两个api方法：
public abstract YarnClientApplication createApplication() throws YarnException, IOException;public abstract ApplicationId submitApplication( ApplicationSubmissionContext appContext) throws YarnException, IOException;
createApplication向通过RPC与ResourceManager进程通信(rmClient.getNewApplication(request))，让其分配一个新的AppLication，结果存在GetNewApplicationResponse实体中，其中包括ApplicationId、集群最大可分配资源。createApplication的结果存在YarnClientApplication实体中。
客户端获取到YarnClientApplication后需要设置其中的上下文对象中的信息org.apache.hadoop.yarn.api.records.ApplicationSubmissionContext，包括aplicationName、资源、队列、优先级、ApplicationMaster启动命令（在ContainerLaunchContext实体中，普通Container启动也使用这个实体），最后调用上面提到的第二个方法submitApplication，将ApplicationSubmissionContext实体传到ResourceManger端（rmClient.submitApplication(request);）。
2.ResourceManager 收到请求后，在集群中选择一个 NodeManager，并为该应用程序分配一个 Container，在这个 Container 中启动应用程序的 ApplicationMaster。 （对应图中2）
ResourceManager端对应处理代码：
1）org.apache.hadoop.yarn.server.resourcemanager.ClientRMService类处理对RM的所有RPC请求，提交任务对应处理的方法为submitApplication。
2）org.apache.hadoop.yarn.server.resourcemanager.RMAppManager#submitApplication方法，首先会实例化RMAppImpl，在实例化RMAppImpl时会初始化状态机（RMAppImpl类155行，见参考 2）
最后调用
this.rmContext.getDispatcher().getEventHandler() .handle(new RMAppEvent(applicationId, RMAppEventType.START));
该处使用异步调度器和状态机模式，状态机的注册在ResouceManger#serviceInit方法中：
rmDispatcher.register(RMAppEventType.class, new ApplicationEventDispatcher(rmContext));
3）ApplicationMaster启动：
上面提到到了RMApp状态机，在RM中，一个RMApp对应一到多个RMappAttempt，即假如RMApp的第一个RMAppAttempt失败后，RM会根据配置启动新的RMAppAttempt，RMAppAttempt的状态机见参考3。
RMApp启动RMAppAttempt的源码：
org.apache.hadoop.yarn.server.resourcemanager.rmapp.RMAppImpl#createAndStartNewAttempt（RMApp状态机流转到APP_ACCEPTED或ATTEMPT_FAILED时触发），触发RMAppAttempt状态机中的START状态。当流转到ALLOCATED状态时RM中的ApplicationMasterLauncher与对应的NodeManager通信，启动ApplicationMaster，此时Application Attempt将被置为LAUNCHED状态。（资源申请过程略）
代码参考
org.apache.hadoop.yarn.server.resourcemanager.rmapp.attempt.RMAppAttemptImpl.AttemptStoredTransition、
org.apache.hadoop.yarn.server.resourcemanager.rmapp.attempt.RMAppAttemptImpl#launchAttempt、
org.apache.hadoop.yarn.server.resourcemanager.amlauncher.ApplicationMasterLauncher
状态机关系：
// Transitions from ALLOCATED_SAVING State
.addTransition(RMAppAttemptState.ALLOCATED_SAVING,
RMAppAttemptState.ALLOCATED,RMAppAttemptEventType.ATTEMPT_NEW_SAVED, new AttemptStoredTransition())
// Transitions from ALLOCATED State
.addTransition(RMAppAttemptState.ALLOCATED, RMAppAttemptState.LAUNCHED,
RMAppAttemptEventType.LAUNCHED, new AMLaunchedTransition())
RM与NM通信真正启动AppMaster进程及启动后修改状态机为LAUNCHED:
org.apache.hadoop.yarn.server.resourcemanager.amlauncher.AMLauncher#run
try {
LOG.info("Launching master" + application.getAppAttemptId());
launch();
handler.handle(new RMAppAttemptEvent(application.getAppAttemptId(),
RMAppAttemptEventType.LAUNCHED));
} catch(Exception ie) {
launch（）方法是真正启动APPMaster的地方，关键代码：
StartContainersResponse response =
containerMgrProxy.startContainers(allRequests);
此处containerMgrProxy是AppMaster和NM通信用来启动、停止、获取container状态的rpc协议，由于AppMaster是特殊的Container，且由RM发起启动，所以此处是RM与NM的通信过程。
3、AppMaster向RM申请资源并要求NM启动container（对应图中3、4）
AppMaster是一个yarn任务运行时第一个由RM启动的container，然后负责整个任务的运行，包括container的申请、启动、kill、状态检查等。ApplicationMaster属于应用程序级，其实现不是由Yarn框架提供（历史原因，yarn提供了MapReduce的ApplicationMaster的实现），需要用户自己实现ApplicationMaster进程的具体实现。以spakr的ApplicationMaster为例；
申请资源过程：
提交需求，通过心跳，把需求发送给 RM；
获取Container，通过心跳，拿到申请好的 Container；
每申请到一个 Container ，与 NM 通信，启动这个Container；
启动container过程：
调用过程：
org.apache.spark.deploy.yarn.ApplicationMaster#runExecutorLauncherorg.apache.spark.deploy.yarn.ApplicationMaster#registerAMorg.apache.spark.deploy.yarn.ExecutorRunnable#runorg.apache.spark.deploy.yarn.ExecutorRunnable#startContainertry {
nmClient.startContainer(container.get, ctx)
} catch {
nmClient为NM的client类
org.apache.hadoop.yarn.client.api.impl.NMClientImpl#startContainerStartContainersResponse response = proxy .getContainerManagementProtocol().startContainers(allRequests);此处通过ContainerManagementProtocol与NM通信，启动Container。
对应NM端的代码：
org.apache.hadoop.yarn.server.nodemanager.containermanager.ContainerManagerImpl#startContainers
Container进程启动的主类为CoarseGrainedBackend。（在哪指定的类名？）
container启动状态如何通知到AM？
4、driver端向完成DAG划分和Task划分，向excutor发送任务。（对应图中5）
图中YarnClusterScheduler类是yarn集群cluster模式下的TaskScheduler，继承YarnScheduler，YarnScheduler又继承TaskSchedulerImpl类，YarnClusterScheduler和YarnScheduler几乎没有其他实现，主要逻辑都集中在TaskSchedulerImpl类中，TaskSchedulerImpl在SparkContext类中被实例化（参考spark源码“第五节 taskscheduler”）。
driver端：
org.apache.spark.scheduler.cluster.CoarseGrainedSchedulerBackend.DriverEndpoint#launchTasks
excutor端注册、接受driver派发的任务：
org.apache.spark.executor.CoarseGrainedExecutorBackend#receive处理的消息类型包括：
RegisteredExecutor（成功向driver注册）、
RegisterExecutorFailed（向driver注册失败）、
LaunchTask(driver向excutor派发的任务)、
KillTask（杀死任务）、
StopExecutor（停止executor，转调shutdown）、
Shutdown（停止executor）
如果消息是“RegisteredExecutor”表示已经成功向driver注册，此时创建Excutor类
override def receive: PartialFunction[Any, Unit] = { case RegisteredExecutor =>
logInfo("Successfully registered with driver") try {
executor = new Executor(executorId, hostname, env, userClassPath, isLocal = false)
} catch { case NonFatal(e) =>
exitExecutor(1, "Unable to create executor due to " + e.getMessage, e)
}如果消息是“LaunchTask”则代表是driver派发过来的任务，此时调用executor的launchTask方法。
case LaunchTask(data) => if (executor == null) {
exitExecutor(1, "Received LaunchTask command but executor was null")
} else {
val taskDesc = TaskDescription.decode(data.value)
logInfo("Got assigned task " + taskDesc.taskId)
executor.launchTask(this, taskDesc)
}每个task的运行实际运行于线程池中的一个线程中，如下代码：
def launchTask(context: ExecutorBackend, taskDescription: TaskDescription): Unit = {
val tr = new TaskRunner(context, taskDescription)
runningTasks.put(taskDescription.taskId, tr)
threadPool.execute(tr)
}
作者：JX907
链接：https://www.jianshu.com/p/4d753ba9a8b2
共同学习，写下你的评论
评论加载中...
作者其他优质文章
