1. Hadoop 的三大结构及各自的作用
• HDFS（Hadoop Distributed File System，Hadoop 分布式文件系统）
◦ 作用：提供高可靠、高吞吐量的海量数据存储服务。它将数据分块存储在不同节点上，支持大规模数据集的存储，具备良好的容错性，某个节点故障时不影响整体数据访问，适合一次写入、多次读取的大数据存储场景 。
• MapReduce
◦ 作用：是一种分布式计算模型，用于大规模数据集的并行计算。它将复杂的计算任务拆分为 Map（映射）和 Reduce（归约）两个阶段，Map 阶段对数据进行并行处理，Reduce 阶段对 Map 结果进行汇总计算，能高效处理海量数据的运算，如日志分析、数据挖掘等任务 。
• YARN（Yet Another Resource Negotiator，另一种资源协调者 ）
◦ 作用：负责集群资源的统一管理和调度。它为上层应用提供统一的资源管理和调度平台，可根据应用需求动态分配 CPU、内存等资源，提高集群资源利用率，支持多种计算框架在集群上运行。
2. YARN 的定义
YARN 是 Hadoop 中的资源管理和调度框架，它将资源管理和作业调度 / 监控功能分离，为集群中运行的各种应用程序（如 MapReduce、Spark 等）提供统一的资源管理和调度服务，使集群资源能更高效、灵活地被使用。
3. YARN 的三大组件及各自的作用
• ResourceManager（RM，资源管理器）
◦ 作用：负责整个集群的资源管理和分配，是 YARN 的全局资源管理器。它接收来自各个节点的资源汇报，监控集群资源使用情况，并根据应用程序的资源请求，按照一定的调度策略分配资源给 ApplicationMaster 。
• NodeManager（NM，节点管理器）
◦ 作用：运行在每个计算节点上，负责管理本节点的资源（CPU、内存等）和容器（Container）。它接收 ResourceManager 的指令，启动或停止容器，监控容器资源使用情况并向 ResourceManager 汇报。
• ApplicationMaster（AM，应用程序管理器）
◦ 作用：每个应用程序对应一个 ApplicationMaster，负责与 ResourceManager 协商获取资源，与 NodeManager 通信以启动和监控任务容器。它还负责应用程序的生命周期管理，包括任务的监控、容错处理等 。
4. YARN 的三个资源调度策略
• FIFO（First In First Out，先进先出）
◦ 原理：按照应用程序提交的顺序，先提交的应用先获得资源调度。
◦ 适用场景：适用于集群负载较低、应用对公平性要求不高的场景，简单直观，适合作业较少且无优先级区分的情况 。
• Capacity Scheduler（容量调度器）
◦ 原理：允许多个队列存在，每个队列可设置一定的资源容量（如内存、CPU 比例）。队列内采用 FIFO 调度，同时支持为不同队列设置不同优先级，可根据应用需求动态调整队列资源分配。
◦ 适用场景：适用于多用户、多应用共享集群的场景，能保证每个用户或应用类别有一定的资源份额，实现资源的合理分配，兼顾公平性和灵活性 。
• Fair Scheduler（公平调度器）
◦ 原理：其目标是让所有应用程序随着时间推移都能获取大致公平的资源。当集群有空闲资源时，会将资源分配给资源使用较少的应用，实现应用间资源的动态平衡。
◦ 适用场景：适用于对资源公平性要求较高的场景，多个应用程序竞争资源时，能尽量保证每个应用都有机会获得足够资源，避免资源过度倾斜 。