如何编写YARN应用程序

2023-06-02 22:06:57 842人浏览泡泡鱼

摘要

本篇内容介绍了“如何编写YARN应用程序”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！1. 概要Drill是Apache旗下的一个开源sql

本篇内容介绍了“如何编写YARN应用程序”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

1. 概要

Drill是Apache旗下的一个开源 sql查询引擎，可用于探索大数据。它的设计初衷是为了支持对大数据的高性能分析，同时支持行业标准查询语言ANSI SQL。

在Drill 1.13之前，Drill只支持独立集群部署，部署成功后每个节点上会运行一个名为Dirllbit的守护进程。从1.13版本开始，Drill支持与YARN集成来管理资源。使用YARN后，Drill将成为一个运行在YARN上的长进程。当您启动Drill时，YARN会自动将Drill软件部署到每个节点上，避免了在每个节点上安装Drill的繁琐。除此之外，资源管理也会得到简化，因为YARN对于Drill使用的资源是敏感的。

目前所有YARN发行版都提供了内存和CPU（YARN称为“vcores”）的设置，某些发行版还提供磁盘的设置。对于内存，在把Drill部署在YARN上的时候，你会配置Drill要使用的内存，然告知YARN。此外，Drill将使用所有可用的磁盘和CPU，当然可以启用linux cgroup来限制Drill对CPU使用的，以到匹配YARN的vcores分配。

为了方便讲解在YARN下部署Drill，先简单介绍YARN的核心概念。

2. YARN核心概念

YARN全称是Yet Another Resource NeGotiator（另一种资源协调者），是一种新的hadoop资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度。

2.1 核心组件

ResurceManager(RM)：一个全局的资源管理器,负责整个系统的资源管理和分配。它主要由两个组件构成：调度器（Scheduler）和应用程序管理器（Applications Manager，ASM）。
ApplicationMaster(AM)：用户提交的每个应用程序均包含一个AM，主要功能包括

与RM调度器协商以获取资源（以Container表示）
与NM通信以启动/停止任务
监控所有任务运行状态，并在任务失败时重新为任务申请资源以重启任务

Container ：Container是YARN中的资源抽象，它封装了某个节点上的多维资源，如CPU、内存、磁盘、络等。当AM向RM申请资源时，RM向AM返回的资源便是用Container表示的。YARN会为每个任务分配一个Container，且该任务只能使用该Container中描述的资源。Container是一个动态资源划分单位，是根据应用程序的需求自动生成的。
nodeManager(NM) ：NM是每个节点上的资源和任务管理器。一方面，它定时地向RM汇报本节点的资源使用情况和Container运行状态；另一方面，它接受并处理来自AM的Container启动/停止等各种请求。
客户端（Client）：是集群中一个能向RM提交应用的实例，并且指定了执行应用所需要的AM类型。

2.2 YARN工作流程

当用户向YARN中提交一个任务后，YARN将分两个阶段运行该任务：第一阶段是启动AM。第二阶段是由AM创建任务，为它申请资源，并监控它的整个运行过程，直到运行完成。具体如下：

用户向YARN中提交任务，其中包括AM程序、启动AM的命令等。
RM为该应用程序分配第一个Container，通常称为001，并与对应的NM通信，要求它在这个Container中启动应用程序的AM。
AM首先RM注册，这样用户就可以直接通过RM查看任务的运行状态，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。
AM采用轮询的方式通过rpc协议向RM申请和领取资源。
一旦AM申请到资源后，便与对应的NM通信，要求它启动任务。
NM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。
各个任务通过RPC协议向AM汇报自己的状态和进度，以让AM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。
应用程序运行完成后，AM向RM注销并关闭自己。

如何编写YARN应用程序

2.3 如何编写YARN应用程序

编写客户端

// 初始化并启动一个YarnClientConfiguration yarnConfig = new YarnConfiguration(getConf());YarnClient client = YarnClient.createYarnClient();client.init(yarnConfig);client.start();...// 创建一个应用程序YarnClientApplication app = client.createApplication();GetNewApplicationResponse appResponse = app.getNewApplicationResponse();...// 设置应用程序提交上下文ApplicationSubmissionContext appContext = app.getApplicationSubmissionContext();appContext.setApplicationId(appResponse.getApplicationId());appContext.setApplicationName(config.getProperty("app.name"));appContext.setApplicationType(config.getProperty("app.type"));...// 设置am container启动上下文 ContainerLaunchContext amContainer = Records.newRecord(ContainerLaunchContext.class);amContainer.setLocalResources(amLocalResources);amContainer.setEnvironment(amEnvironment);amContainer.setCommands(Collections.singletonList(amCommand.toString()));...// 提交应用程序client.submitApplication(appContext);

编写ApplicationMaster(AM)

// 初始化AMRMClientAsyncYarnConfiguration yarnConfig = new YarnConfiguration();AMRMClientAsync amrmClientAsync = AMRMClientAsync.createAMRMClientAsync(5000, new AMRMCallbackHandler());amrmClientAsync.init(yarnConfig);amrmClientAsync.start();// 初始化NMClientAsyncYarnConfiguration yarnConfig = new YarnConfiguration();NMClientAsync nmClientAsync = NMClientAsync.createNMClientAsync(new NMCallbackHandler());nmClientAsync.init(yarnConfig);nmClientAsync.start();// 注册ApplicationMaster(AM)amrmClientAsync.reGISterApplicationMaster(thisHostName, 0, "");...// 添加ContainerRequestamrmClientAsync.addContainerRequest(containerRequest);...// 启动容器nmClientAsync.startContainerAsync(container, containerContext);...// 注销amrmClientAsync.unregisterApplicationMaster(appStatus, appMessage, null);

这里只是简单介绍了YARN的概念，以及如何编写YARN应用程序，详情可以参考Apache Hadoop YARN

3. Drill-on-YARN部署

3.1 Drill-on-YARN组件

Drill发行包： Drill-on-YARN上传此发行包至分布式文件系统（如hdfs）。YARN下载它到每个工作节点（即是Node Manager所在的节点）
Drill site目录：一个包含Drill配置问和自定义jar包的目录。Drill-on-YARN会拷贝它至每个工作节点
配置：一个用于告知Drill-on-YARN如何管理Drill集群的配置文件。这个文件和drill本身的配置文件互相独立
Drill-on-YARN client： Drill-on-YARN客户端，提供了启动、停止、监控等命令
Drill Application Master (AM)：用于和YARN交互，包括：请求资源、启动Drillbits等。AM还提供了WEB界面用于管理Drill集群
Drillbit：运行在每个节点的Drill守护进程

3.2. 部署步骤

YARN通过客户端来启动应用程序。对于Drill来说，就是Drill-on-YARN客户端了。客户端可以在任何机器上，只要该机器同时有Drill和Hadoop软件。使用YARN部署Drill时，您只需要在客户端计算机上安装Drill，Drill-on-YARN会自动部署到其它节点。需要注意的是，当你不使用YARN部署Drill时，一般会将其配置文件和自定义代码放在Drill的目录中，但是在YARN下运行时，建议所有配置和自定义代码都会放在一个名为site的目录中，勿改变Drill目录中的任何内容。

接下来详细说明部署步骤：

部署的环境
关于jdk、ZooKeeper、hadoop的部署，不做赘述了，记得设置JAVA_HOME、HADOOP_HOME

JDK8+
Zookeeper集群
Hadoop集群

创建一个目录，用于放置下载好的Drill发行包
```
export DRILL_DIR=/path/to/drillmkdir -p $DRILL_DIRcd $DRILL_DIR
```
说明：执行完上面的命令后，所处的目录为/path/to/drill
下载Drill发行包，这里使用apache-drill-1.14.0.tar.gz，下载完后解压，再次强调，目前所处的目录为/path/to/drill
```
export DRILL_NAME=apache-drill-1.14.0tar -xzf $DRILL_NAME.tar.gzexport DRILL_HOME=$DRILL_DIR/$DRILL_NAME
```
说明：DRILL_NAME很重要，后面启动的时候和名字有关系

创建site目录，并把配置文件和自定义代码放置在其中

export DRILL_SITE=$DRILL_DIR/sitemkdir -p $DRILL_SITEcp $DRILL_HOME/conf/drill-override-example.conf $DRILL_SITE/drill-override.confcp $DRILL_HOME/conf/drill-on-yarn-example.conf $DRILL_SITE/drill-on-yarn.confcp $DRILL_HOME/conf/drillenv.sh $DRILL_SITE

说明：

对于自定义代码，一般都是打成jar包，放置在DRILLSITE/jars。比如自定义的udf，可以放在DRILLSITE/jars。比如自定义的udf，可以放在DRILL_SITE/jars/3rdparty
不要拷贝drill-override-example.conf整个文件，仅仅拷贝需要的配置，然后进行修改

修改$DRILL_SITE/drill-override.conf
一般情况下，可能需要修改的配置有：cluster-id、zk、Http、rpc。此处，我只修改cluster-id和zk

drill.exec: {  cluster-id: "drillbits1"  zk: {    connect: "11.167.47.76:2181,11.167.57.229:2181,11.167.67.151:2181",    root: "drill",    refresh: 500,    timeout: 5000,      retry: {        count: 7200,        delay: 500      }  }}

修改$DRILL_SITE/drill-on-yarn.conf

# Drillbit资源配置drillbit: {    heap: "4G" # Java heap size    max-direct-memory: "8G"    memory-mb: 12288 # 单位MB，container使用的内存，一般来说等于heap+max-direct-memory，但是建议大于这个值    vcores: 4 # cpu个数}# Drillbit集群组配置cluster: [    {        name: "mypool"        type: "basic" # 可选的有basic和labeled，basic表示在YARN集群上任意可用的container上启动drillbits；labeled在一组特定labeled的容器中启动drillbits        count: 1 # 启动的YARN容器个数    }] # 配置drill发行包所在的位置drill-install:  {    client-path: "/path/to/drill/apache-drill-1.14.0.tar.gz"    # dir-name: "drill"}# 设置分布式文件系统位置dfs: {    connection: "hdfs://ip:port/"    dir: "/user/drill"}  # Drill-on-YARN Web界面配置drill.yarn:{    http: {        port: 8048    }}  # Drill-on-YARN Web界面安全配置drill.yarn.http: {    auth-type: "simple"    user-name: "drill" // 注意，drill-on-yan-example.conf默认是user_name，这是错误的，要改成user-name    passWord: "drill"}

说明：

附上完整的配置

drill.yarn: {  app-name: "Drill-on-YARN"  dfs: {    connection: "hdfs://11.162.91.196:9000/"    app-dir: "/users/drill"  }  yarn: {    queue: "default"  }  drill-install: {    client-path: "/home/admin/drill/apache-drill-1.14.0.tar.gz"    # dir-name: "drill"    # library-path: "/opt/libs"  }  am: {    heap: "450M"    memory-mb: 512    # node-label-expr: "drill-am"  }  http: {    port: 8048    # ssl-enabled: true    auth-type: "simple"    user-ame: "drill"    password: "drill"    rest-key=""  }  drillbit: {    heap: "3G"    max-direct-memory: "1G"    code-cache: "1G"    memory-mb: 4096    vcores: 2    # disks: 3    classpath: ""  }  cluster: [    {      name: "drill-group1"      type: "basic"      count: 3    }  ]}

关于Drillbit资源配置中的heap和max-direct-memory，在非YARN下部署，是修改DRILLHOME/conf/drillenv.sh文件，但是在YARN下部署，是修改DRILLHOME/conf/drillenv.sh文件，但是在YARN下部署，是修改DRILL_SITE/drill-on-yarn.conf。但是，如果你已经在drillenv.sh配置了，则drillenv.sh优先。
Drillbit集群组配置，虽然是个list，但目前只支持配置一个
dir-name特别说明，当你client-path解压出来的文件，目录是apache-drill-1.14.0时，不需要配置dir-name，反之如果不是，请把解压出来的文件目录名配上
Web界面安全配置的auth-type支持simple和drill两种，使用simple，需要指定用户名和密码，使用drill说明用drill的认证系统

启动

$DRILL_HOME/bin/drill-on-yarn.sh --site $DRILL_SITE start

接下来，就会看到启动日志

Connecting to DFS... Connected.Using existing Drill arcHive in DFS: /users/drill/apache-drill-1.14.0.tar.gzUploading site directory /home/admin/drill/apache-drill-1.14.0/bin/../../site to /users/drill/site.tar.gz ... Uploaded.Loading YARN Config... Loaded.Application ID: application_1533475543014_0005Launching Drill-on-YARN.......................Tracking URL: http://dtshow011162091196.zth:8088/proxy/application_1533475543014_0005/Application Master URL: http://11.163.210.105:8048/

从上面的命令可以看到，会首先把apache-drill-1.14.0.tar.gz和site目录打成的site.tar.gz上传至HDFS，然后加载YARN的配置，最后启动Drill

除了启动命令外，drill-on-yarn.sh还提供了status、stop、resize、clean命令，比如status

Application ID: application_1533475543014_0005Application State: RUNNINGHost: dtshow011163210105.zth/11.163.210.105Queue: defaultUser: adminStart Time: 2018-08-19 20:51:55Application Name: Drill-on-YARNTracking URL: http://dtshow011162091196.zth:8088/proxy/application_1533475543014_0005/AM State: LIVETarget Drillbit Count: 3Live Drillbit Count: 3Unmanaged Drillbit Count: 0Blacklisted Node Count: 0Free Node Count: 0For more infORMation, visit: http://11.163.210.105:8048/

启动成功后，便可以访问http://11.163.210.105:8048/，效果如下图：

如何编写YARN应用程序