Yarn 组件的指挥部 – 调度器Scheduler

linux基础 为hadoop集群的搭建扫清了障碍，也为内存的管理，文件系统的管理扫清了障碍

接着到Hadoop的阶段，首先做集群的安装，深入到使用这两个核心的组件，分布式文件系统HDFS，解决大量数据怎么存储的问题，第二个就是分布式计算MapReduce。MapReduce的包含Yarn和MapReduce，随着集群规模的扩大，资源的管理必要用一个单独的组件Yarn来管理，程序员只要关注如何来写程序就好了。

然后讲了Zookeeper；

轻量级组件，往大数据集群里导数据的，比如Sqoop和Flume，分别代表了SQL和Log；如果是第三方的数据，可以用第三方的API来抽取数据。

Yarn作为资源管理器，Zookeeper作为资源协调器；

资源主要有disk/mem/cpu，G、G、core（PC、VC）（物理核，虚拟核）。Yarn管理内存和cpu；cloudera manager里cluster中有动态资源池和静态资源池。

configuration ： 静态资源池  HDFS   Yarn 占整个操作系统资源的百分比，按组件来划分。之所以能实现这样划分，因为在linux中有个资源隔离技术叫CGroup，大名顶顶的Docker（linux上的容器）就是基于CGroup。

动态资源池，不是基于组件之间的隔离，是基于yarn组件内部的资源管理。若果靠编程来写作业，yarn组件要分大一点。

一个客户端提交了一个作业，另一个也提交了作业，就会对资源竞争，当资源、服务不够用的时候就会发生资源管理。怎么协调几个作业之间的关系。Yarn根据不同的客户端过来的作业，按照一定的策略去分配集群的资源。由yarn组件的指挥部scheduler调度器来做，有公平fair、优先级、FIFO。默认是基于优先级capacity的。Cloudera在自己的公平调度器里实现了基于优先级的功能 DRF （在yarn选项里设置weight权重）整个资源池的比例，乘上权重。虚拟核的数量，内存的最大值最小值，同时最大的作业数（一般资源池都是跟客户绑定的）