Hadoop技術(shù)內(nèi)幕：深入解析YARN架構(gòu)設(shè)計與實現(xiàn)原理

前　言
第一部分　準(zhǔn)備篇
第1章　環(huán)境準(zhǔn)備
1.1　準(zhǔn)備學(xué)習(xí)環(huán)境
1.1.1　基礎(chǔ)軟件下載
1.1.2　如何準(zhǔn)備Linux環(huán)境
1.2　獲取Hadoop源代碼
1.3　搭建Hadoop源代碼閱讀環(huán)境
1.3.1　創(chuàng)建Hadoop工程
1.3.2　Hadoop源代碼閱讀技巧
1.4　Hadoop源代碼組織結(jié)構(gòu)
1.5　Hadoop初體驗
1.5.1　搭建Hadoop環(huán)境
1.5.2　Hadoop Shell介紹
1.6　編譯及調(diào)試Hadoop源代碼
1.6.1　編譯Hadoop源代碼
1.6.2　調(diào)試Hadoop源代碼
1.7　小結(jié)
第2章　YARN設(shè)計理念與基本架構(gòu)
2.1　YARN產(chǎn)生背景
2.1.1　MRv1的局限性
2.1.2　輕量級彈性計算平臺
2.2　Hadoop基礎(chǔ)知識
2.2.1　術(shù)語解釋
2.2.2　Hadoop版本變遷
2.3　YARN基本設(shè)計思想
2.3.1　基本框架對比
2.3.2　編程模型對比
2.4　YARN 基本架構(gòu)
2.4.1　YARN基本組成結(jié)構(gòu)
2.4.2　YARN通信協(xié)議
2.5　YARN工作流程
2.6　多角度理解YARN
2.6.1　并行編程
2.6.2　資源管理系統(tǒng)
2.6.3　云計算
2.7　本書涉及內(nèi)容
2.8　小結(jié)
第二部分　YARN核心設(shè)計篇
第3章　YARN基礎(chǔ)庫
3.1　概述
3.2　第三方開源庫
3.2.1　Protocol Buffers
3.2.2　Apache Avro
3.3　底層通信庫
3.3.1　RPC通信模型
3.3.2　Hadoop RPC的特點概述
3.3.3　RPC總體架構(gòu)
3.3.4　Hadoop RPC使用方法
3.3.5　Hadoop RPC類詳解
3.3.6　Hadoop RPC參數(shù)調(diào)優(yōu)
3.3.7　YARN RPC實現(xiàn)
3.3.8　YARN RPC應(yīng)用實例
3.4　服務(wù)庫與事件庫
3.4.1　服務(wù)庫
3.4.2　事件庫
3.4.3　YARN服務(wù)庫和事件庫的使用方法
3.4.4　事件驅(qū)動帶來的變化
3.5　狀態(tài)機庫
3.5.1　YARN狀態(tài)轉(zhuǎn)換方式
3.5.2　狀態(tài)機類
3.5.3　狀態(tài)機的使用方法
3.5.4　狀態(tài)機可視化
3.6　源代碼閱讀引導(dǎo)
3.7　小結(jié)
3.8　問題討論
第4章　YARN應(yīng)用程序設(shè)計方法
4.1　概述
4.2　客戶端設(shè)計
4.2.1　客戶端編寫流程
4.2.2　客戶端編程庫
4.3　ApplicationMaster設(shè)計
4.3.1　ApplicationMaster編寫流程
4.3.2　ApplicationMaster編程庫
4.4　YARN 應(yīng)用程序?qū)嵗?br /> 4.4.1　DistributedShell
4.4.2　Unmanaged AM
4.5　源代碼閱讀引導(dǎo)
4.6　小結(jié)
4.7　問題討論
第5章　ResourceManager剖析
5.1　概述
5.1.1　ResourceManager基本職能
5.1.2　ResourceManager內(nèi)部架構(gòu)
5.1.3　ResourceManager事件與事件處理器
5.2　用戶交互模塊
5.2.1　ClientRMService
5.2.2　AdminService
5.3　ApplicationMaster管理
5.4　NodeManager管理
5.5　Application管理
5.6　狀態(tài)機管理
5.6.1　RMApp狀態(tài)機
5.6.2　RMAppAttempt狀態(tài)機
5.6.3　RMContainer狀態(tài)機
5.6.4　RMNode狀態(tài)機
5.7　幾個常見行為分析
5.7.1　啟動ApplicationMaster 
5.7.2　申請與分配Container
5.7.3　殺死Application
5.7.4　Container超時
5.7.5　ApplicationMaster超時
5.7.6　NodeManager超時
5.8　安全管理
5.8.1　術(shù)語介紹
5.8.2　Hadoop認(rèn)證機制
5.8.3　Hadoop授權(quán)機制
5.9　容錯機制
5.9.1　Hadoop HA基本框架
5.9.2　YARN HA實現(xiàn) 
5.10　源代碼閱讀引導(dǎo)
5.11　小結(jié)
5.12　問題討論
第6章　資源調(diào)度器
6.1　資源調(diào)度器背景
6.2　HOD調(diào)度器
6.2.1　Torque資源管理器
6.2.2　HOD作業(yè)調(diào)度
6.3　YARN資源調(diào)度器的基本架構(gòu)
6.3.1　基本架構(gòu)
6.3.2　資源表示模型
6.3.3　資源調(diào)度模型
6.3.4　資源搶占模型
6.4　YARN層級隊列管理機制
6.4.1　層級隊列管理機制
6.4.2　隊列命名規(guī)則
6.5　Capacity Scheduler
6.5.1　Capacity Scheduler的功能
6.5.2　Capacity Scheduler實現(xiàn)
6.6　Fair Scheduler
6.6.1　Fair Scheduler功能介紹
6.6.2　Fair Scheduler實現(xiàn)
6.6.3　Fair Scheduler與Capacity Scheduler對比
6.7　其他資源調(diào)度器介紹
6.8　源代碼閱讀引導(dǎo)
6.9　小結(jié)
6.10　問題討論
第7章　NodeManager剖析
7.1　概述
7.1.1　NodeManager基本職能
7.1.2　NodeManager內(nèi)部架構(gòu)
7.1.3　NodeManager事件與事件處理器
7.2　節(jié)點健康狀況檢測
7.2.1　自定義Shell腳本
7.2.2　檢測磁盤損壞數(shù)目
7.3　分布式緩存機制
7.3.1　資源可見性與分類
7.3.2　分布式緩存實現(xiàn)
7.4　目錄結(jié)構(gòu)管理
7.4.1　數(shù)據(jù)目錄管理
7.4.2　日志目錄管理
7.5　狀態(tài)機管理
7.5.1　Application狀態(tài)機
7.5.2　Container狀態(tài)機
7.5.3　LocalizedResource狀態(tài)機
7.6　Container生命周期剖析
7.6.1　Container資源本地化
7.6.2　Container運行
7.6.3　Container資源清理
7.7　資源隔離
7.7.1　Cgroups介紹
7.7.2　內(nèi)存資源隔離
7.7.3　CPU資源隔離
7.8　源代碼閱讀引導(dǎo)
7.9　小結(jié)
7.10　問題討論
第三部分　計算框架篇
第8章　離線計算框架MapReduce
8.1　概述
8.1.1　基本構(gòu)成
8.1.2　事件與事件處理器
8.2　MapReduce客戶端
8.2.1　ApplicationClientProtocol協(xié)議
8.2.2　MRClientProtocol協(xié)議
8.3　MRAppMaster工作流程
8.4　MR作業(yè)生命周期及相關(guān)狀態(tài)機
8.4.1　MR作業(yè)生命周期
8.4.2　Job狀態(tài)機
8.4.3　Task狀態(tài)機
8.4.4　TaskAttempt狀態(tài)機
8.5　資源申請與再分配
8.5.1　資源申請
8.5.2　資源再分配
8.6　Container啟動與釋放
8.7　推測執(zhí)行機制
8.7.1　算法介紹
8.7.2　推測執(zhí)行相關(guān)類
8.8　作業(yè)恢復(fù)
8.9　數(shù)據(jù)處理引擎
8.10　歷史作業(yè)管理器
8.11　MRv1與MRv2對比
8.11.1　MRv1 On YARN
8.11.2　MRv1與MRv2架構(gòu)比較
8.11.3　MRv1與MRv2編程接口兼容性
8.12　源代碼閱讀引導(dǎo)
8.13　小結(jié)
8.14　問題討論
第9章　DAG計算框架Tez
9.1　背景
9.2　Tez數(shù)據(jù)處理引擎
9.2.1　Tez編程模型
9.2.2　Tez數(shù)據(jù)處理引擎
9.3　DAG Master實現(xiàn)
9.3.1　DAG編程模型
9.3.2　MR到DAG轉(zhuǎn)換
9.3.3　DAGAppMaster
9.4　優(yōu)化機制
9.4.1　當(dāng)前YARN框架存在的問題
9.4.2　Tez引入的優(yōu)化技術(shù)
9.5　Tez應(yīng)用場景
9.6　與其他系統(tǒng)比較
9.7　小結(jié)
第10章　實時/內(nèi)存計算框架Storm/Spark
10.1　Hadoop MapReduce的短板
10.2　實時計算框架Storm 
10.2.1　Storm編程模型
10.2.2　Storm基本架構(gòu)
10.2.3　Storm On YARN
10.3　內(nèi)存計算框架Spark
10.3.1　Spark編程模型
10.3.2　Spark基本架構(gòu)
10.3.3　Spark On YARN
10.3.4　Spark/Storm On YARN比較
10.4　小結(jié)
第四部分　高級篇
第11章　Facebook Corona剖析
11.1　概述
11.1.1　Corona的基本架構(gòu)
11.1.2　Corona的RPC協(xié)議與序列化框架
11.2　Corona設(shè)計特點
11.2.1　推式網(wǎng)絡(luò)通信模型
11.2.2　基于Hadoop 0.20版本
11.2.3　使用Thrift
11.2.4　深度集成Fair Scheduler
11.3　工作流程介紹
11.3.1　作業(yè)提交
11.3.2　資源申請與任務(wù)啟動
11.4　主要模塊介紹
11.4.1　ClusterManager
11.4.2　CoronaJobTracker
11.4.3　CoronaTaskTracker
11.5　小結(jié)
第12章　Apache Mesos剖析
12.1　概述
12.2　底層網(wǎng)絡(luò)通信庫
12.2.1　libprocess基本架構(gòu)
12.2.2　一個簡單示例
12.3　Mesos服務(wù)
12.3.1　SchedulerProcess
12.3.2　Mesos Master 
12.3.3　Mesos Slave 
12.3.4　ExecutorProcess
12.4　Mesos工作流程
12.4.1　框架注冊過程
12.4.2　Framework Executor注冊過程
12.4.3　資源分配到任務(wù)運行過程
12.4.4　任務(wù)啟動過程
12.4.5　任務(wù)狀態(tài)更新過程
12.5　Mesos資源分配策略
12.5.1　Mesos資源分配框架
12.5.2　Mesos資源分配算法
12.6　Mesos容錯機制
12.6.1　Mesos Master容錯
12.6.2　Mesos Slave容錯
12.7　Mesos應(yīng)用實例
12.7.1　Hadoop On Mesos
12.7.2　Storm On Mesos
12.8　Mesos與YARN對比
12.9　小結(jié)
第13章　YARN總結(jié)與發(fā)展趨勢
13.1　資源管理系統(tǒng)設(shè)計動機
13.2　資源管理系統(tǒng)架構(gòu)演化
13.2.1　集中式架構(gòu)
13.2.2　雙層調(diào)度架構(gòu)
13.2.3　共享狀態(tài)架構(gòu)
13.3　YARN發(fā)展趨勢 
13.3.1　YARN自身的完善
13.3.2　以YARN為核心的生態(tài)系統(tǒng)
13.3.3　YARN周邊工具的完善
13.4　小結(jié)
附錄A　YARN安裝指南
附錄B　YARN配置參數(shù)介紹
附錄C　Hadoop Shell命令介紹
附錄D　參考資料