JobTracker: 协作作业的运行
- 概述:JobTracker是一个后台服务进程,启动之后,会一直监听并接收来自各个TaskTracker发送的心跳信息,包括资源使用情况和任务运行情况等信息。
- JobTracker的主要功能:
- 作业控制:在hadoop中每个应用程序被表示成一个作业,每个作业又被分成多个任务,JobTracker的作业控制模块则负责作业的分解和状态监控。 *最重要的是状态监控:主要包括TaskTracker状态监控、作业状态监控和任务状态监控。主要作用:容错和为任务调度提供决策依据。
- 资源管理。
TaskTracker: 运行作业划分后的任务
- TaskTracker概述:TaskTracker是JobTracker和Task之间的桥梁:一方面,从JobTracker接收 并执行各种命令:运行任务、提交任务、杀死任务等;另一方面,将本地节点上各个任务的状态通过心跳周期性汇报给JobTracker。 TaskTracker与JobTracker和Task之间采用了RPC协议进行通信。
- TaskTracker的功能:
- 汇报心跳:Tracker周期性将所有节点上各种信息通过心跳机制汇报给JobTracker。这些信息包括两部分:
- 机器级别信息:节点健康情况、资源使用情况等。
- 任务级别信息:任务执行进度、任务运行状态等。
- 执行命令:JobTracker会给TaskTracker下达各种命令,主要包括:启动任务(LaunchTaskAction)、提交 任务(CommitTaskAction)、杀死任务(KillTaskAction)、杀死作业(KillJobAction)和重新初始化 (TaskTrackerReinitAction)。
- 汇报心跳:Tracker周期性将所有节点上各种信息通过心跳机制汇报给JobTracker。这些信息包括两部分:
- Task Tracker失败情况分析
- 正常运行中TaskTracker由于崩溃或者运行过于缓慢,会通过想JobTracker发送心跳来汇报
- 如果有未完成的作业,JobTracker会重新把这些任务分配到其他的TaskTracker上
- 即使TaskTracker没有失败,也可以被JobTracker列入黑名单
Job Scheduler
- Hadoop默认的调度器是基于队列的FIFO调度器
- 所有用户的作业都被提交到一个队列中,然后由Job Tracker先按照作业的优先级高低,再按照作业提交的时间先后顺序选择将被执行的作业
- Fair Scheduler(公平调度器) http://hadoop.apache.org/docs/r1.2.1/fair_scheduler.html
* 多个Pool,一个Job对应一个Pool
* 每个Pool可以设置最小Task Slot
* FileSystem会保证Pool之间的公平
* 支持资源抢占
- Capacity Scheduler(计算能力调度) Hive和Pig两个部门都需要用同一个集群计算
mapred-site.xml
参考资料
Hadoop官方文档 : http://hadoop.apache.org/docs/r1.0.4/cn/quickstart.html
陆嘉恒 : 《Hadoop实战》 第2版