在2013年的Hadoop峰会上，YARN是一个热点话题，YARN本质上是Hadoop的新操作系统，突破了MapReduce框架的性能瓶颈。Murthy认为Hadoop和YARN的组合是企业大数据平台致胜的关键。
以下内容摘自《Hadoop技术内幕：深入解析YARN架构设计与实现原理》董西成著机械工业出版社
【YARN基本设计思想】
本节我们通过对比两代MapReduce的基本框架和编程模型来帮助读者理解YARN的基本设计思想。
2.3.1基本框架对比
在Hadoop 1.0中，JobTracker由资源管理（由TaskScheduler模块实现）和作业控制（由JobTracker中多个模块共同实现）两部分组成，具体如图2-6所示。当前Hadoop MapReduce之所以在可扩展性、资源利用率和多框架支持等方面存在不足，正是由于Hadoop对JobTracker赋予的功能过多而造成负载过重。此外，从设计角度上看，Hadoop未能够将资源管理相关的功能与应用程序相关的功能分开，造成Hadoop难以支持多种计算框架。
图2-6 第一代MapReduce框架基本架构
下一代MapReduce框架的基本设计思想是将JobTracker的两个主要功能，即资源管理和作业控制（包括作业监控、容错等），分拆成两独立的进程，如图2-7所示。资源管理进程与具体应用程序无关，它负责整个集群的资源（内存、CPU、磁盘等）管理，而作业控制进程则是直接与应用程序相关的模块，且每个作业控制进程只负责管理一个作业。这样，通过将原有JobTracker中与应用程序相关和无关的模块分开，不仅减轻了JobTracker负载，也使得Hadoop支持更多的计算框架。
图2-7 下一代MapReduce框架基本架构
从资源管理角度看，下一代MapReduce框架实际上衍生出了一个资源统一管理平台YARN，它使得Hadoop不再局限于仅支持MapReduce一种计算模型，而是可无限融入多种计算框架，且对这些框架进行统一管理和调度。
2.3.2 编程模型对比
前面提到MRv1主要由编程模型（由新旧API组成）、数据处理引擎（由MapTask和ReduceTask组成）和运行时环境（由一个JobTracker和若干个TaskTracker组成）三部分组成，为了保证编程模型的向后兼容性，MRv2重用了MRv1中的编程模型和数据处理引擎，但运行时环境被完全重写，具体如下。
编程模型与数据处理引擎：MRv2重用了MRv1中的编程模型和数据处理引擎。为了能够让用户应用程序平滑迁移到Hadoop 2.0中，MRv2应尽可能保证编程接口的向后兼容性，但由于MRv2本身进行了改进和优化，它在向后兼容性方面存在少量问题。MapReduce应用程序编程接口有两套，分别是新API（mapred）和旧API（mapredue），MRv2可做到以下兼容性：采用MRv1 旧API编写的应用程序，可直接使用之前的JAR包将程序运行在MRv2上；但采用MRv1 新API编写的应用程序则不可以，需要使用MRv2编程库重新编译并修改不兼容的参数和返回值，具体将在第8章介绍。
运行时环境：MRv1的运行时环境主要由两类服务组成，分别是JobTracker和TaskTracker。其中，JobTracker负责资源和任务的管理与调度，TaskTracker负责单个节点的资源管理和任务执行。MRv1将资源管理和应用程序管理两部分混杂在一起，使得它在扩展性、容错性和多框架支持等方面存在明显缺陷。而MRv2则通过将资源管理和应用程序管理两部分剥离开，分别由YARN和ApplicationMaster负责，其中，YARN专管资源管理和调度，而ApplicationMaster则负责与具体应用程序相关的任务切分、任务调度和容错等，具体如图2-8所示。
原文发布时间为：2013-12-29
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
