1.hadoop 1.x

　　JobTracker,TaskTracker

　　缺點：JobTracker負載過重，存在單點故障;與MapReduce強耦合，其他計算框架需要重復實現資源管理；

　　2.hadoop 2.x

　　App Mstr (Application Master進程)

　　3.工作流程

　　如架構圖所示，大致的工作流程如下：

　　用戶使用客戶端向 RM 提交一個任務，同時指定提交到哪個隊列和需要多少資源。用戶可以通過每個計算引擎的對應參數設置，如果沒有特別指定，則使用默認設置。

　　RM 在收到任務提交的請求后，先根據資源和隊列是否滿足要求選擇一個 NM，通知它啟動一個特殊的 container，稱為 Application Master(App Mstr，AM)，后續流程由它發起。

　　AM 向 RM 注冊后根據自己任務的需要，向 RM 申請 container，包括數量、所需資源量、所在位置等因素。

　　如果隊列有足夠資源，RM 會將 container 分配給有足夠剩余資源的 NM，由 AM 通知 NM 啟動 container。

　　container 啟動后執行具體的任務，處理分給自己的數據。NM 除了負責啟動 container，還負責監控它的資源使用狀況以及是否失敗退出等工作，如果 container 實際使用的內存超過申請時指定的內存，會將其殺死，保證其他 container 能正常運行。

　　各個 container 向 AM 匯報自己的進度，都完成后，AM 向 RM 注銷任務并退出，RM 通知 NM 殺死對應的 container，任務結束。

　　更多關于“大數據培訓”的問題，歡迎咨詢千鋒教育在線名師。千鋒教育多年辦學，課程大綱緊跟企業需求，更科學更嚴謹，每年培養泛IT人才近2萬人。不論你是零基礎還是想提升，都可以找到適合的班型，千鋒教育隨時歡迎你來試聽。