本篇文章将深入介绍 Yarn 三种调度器。Yarn 本身作为资源管理和调度服务，其中的资源调度模块更是重中之重。下面将介绍 Yarn 中实现的调度器功能，以及内部执行逻辑。

(相关资料图)

一、简介

Yarn 最主要的功能就是资源管理与分配。本篇文章将对资源分配中最核心的组件调度器（Scheduler）进行介绍。调度器最理想的目标是有资源请求时，立即满足。然而由于物理资源是有限的，就会存在资源如何分配的问题。针对不同资源需求量、不同优先级、不同资源类型等，很难找到一个完美的策略可以解决所有的应用场景。因此，Yarn提供了多种调度器和可配置的策略供我们选择。Yarn 资源调度器均实现 ResourceScheduler 接口，是一个插拔式组件，用户可以通过配置参数来使用不同的调度器，也可以自己按照接口规范编写新的资源调度器。在 Yarn 中默认实现了三种调速器：FIFO Scheduler 、Capacity Scheduler、Fair Scheduler。官方对三种调度器的介绍图。看个大概意思就行，随着调度器的不断更新迭代，这个图不再符合当下的情况。

二、FIFO

最简单的一个策略，仅做测试用。用一个队列来存储提交等待的任务，先提交的任务就先分资源，有剩余的资源就给后续排队等待的任务，没有资源了后续任务就等着之前的任务释放资源。优点：简单，开箱即用，不需要额外的配置。早些版本的 Yarn 用 FIFO 作为默认调度策略，后续改为 CapacityScheduler 作为默认调度策略。缺点：除了简单外都是缺点，无法配置你各种想要的调度策略（限制资源量、限制用户、资源抢夺等）。

三、CapacityScheduler一）CS 简介

Capacity Scheduler（后以 CS 简写代替）以队列为单位划分资源。会给每个队列配置最小保证资源和最大可用资源。最小配置资源保证队列一定能拿到这么多资源，有空闲可共享给其他队列使用；最大可用资源限制队列最多能使用的资源，防止过度消耗。队列内部可以再嵌套，形成层级结构。队列内资源默认采用 FIFO 的方式分配。如下图所示。

优点：

队列最低资源保障，防止小应用饿死；空闲容量共享，当队列配置资源有空闲时可共享给其他队列使用

缺点：

队列配置繁琐，父队列、子队列都要单独配置优先级、最大资源、最小资源、用户最大资源、用户最小资源、用户权限配置等等。工程中会写个程序，自动生成该配置；二）CS 特征分层队列 (Hierarchical Queues)：支持队列分层结构，子队列可分配父队列可用资源。容量保证 (Capacity Guarantees)：每个队列都会配置最小容量保证，当集群资源紧张时，会保证每个队列至少能分到的资源。弹性 (Elasticity)：当队列配置资源有空闲时，可以分配给其他有资源需求的队列。当再次需要这些资源时可以抢夺回这些资源。安全性 (Security)：每个队列都有严格的 ACL，用于控制哪些用户可以向哪些队列提交应用程序。多租户 (Multi-tenancy)：提供全面的限制以防止单个应用程序、用户和队列从整体上独占队列或集群的资源。优先级调度 (Priority Scheduling)：此功能允许以不同的优先级提交和调度应用程序。同时队列间也支持优先级配置（2.9.0 后支持）。绝对资源配置 (Absolute Resource Configuration)：管理员可以为队列指定绝对资源，而不是提供基于百分比的值（3.1.0 后支持）。资源池配置：可将 NodeManager 分割到不同的资源池中，资源池中配置队列，进行资源隔离。同时资源池有共享和独立两种模式。在共享情况下，多余的资源会共享给 default 资源池。三）CS 配置

假设队列层级如下：

root├── prod└── dev    ├── eng    └── science

可以通过配置 capacity-scheduler.xml来实现：

      yarn.scheduler.capacity.root.queues    prod,dev        yarn.scheduler.capacity.root.dev.queues    eng,science        yarn.scheduler.capacity.root.prod.capacity    40        yarn.scheduler.capacity.root.dev.capacity    60                    yarn.scheduler.capacity.root.dev.eng.capacity    50                    yarn.scheduler.capacity.root.dev.science.capacity    50  

除了容量配置外，还可以配置单个用户或者程序能够使用的最大资源数，同时可以运行几个应用，权限ACL控制等，不是本篇重点，不再展开。可参考：cloudera - Capacity Scheduler、Hadoop doc - Capacity Scheduler、Hadoop: Capacity Scheduler yarn容量调度配置。

四）CS 实现

这里仅关注 CS 资源分配的过程。CS 分配的是各 NM 节点上的空闲资源，NM 资源汇报请到之前的文章《4-3 RM 管理 NodeManager》中了解。

1、资源请求描述

AM 通过心跳汇报资源请求，包含的信息如下。

message ResourceRequestProto {  optional PriorityProto priority = 1;  // 优先级  optional string resource_name = 2;// 期望资源所在节点或机架  optional ResourceProto capability = 3;// 资源量  optional int32 num_containers = 4;// Container 数目  optional bool relax_locality = 5 [default = true]; // 是否松弛本地性  optional string node_label_expression = 6;// 所在资源池}

2、资源更新入口

NM 发送心跳给 RM 后，RM 会发送 NODE_UPDATE事件，这个事件会由 CapacityScheduler进行处理。

case NODE_UPDATE:    {      NodeUpdateSchedulerEvent nodeUpdatedEvent = (NodeUpdateSchedulerEvent)event;      RMNode node = nodeUpdatedEvent.getRMNode();      setLastNodeUpdateTime(Time.now());      nodeUpdate(node);      if (!scheduleAsynchronously) {        // 重点        allocateContainersToNode(getNode(node.getNodeID()));      }    }

重点在 allocateContainersToNode()，内部逻辑如下：

从根队列往下找，找到 most "under-served" 队列（即 已分配资源/配置资源 最小的）；先满足已经预留资源（RESERVED）的容器再处理未预留的资源请求，如果资源不够，则进行 RESERVE，等待下次分配

这里有个预留的概念（之后会有文章专门介绍 reserve 机制）：

RESERVED 是为了防止容器饿死；传统调度：比如一堆 1G 和 2G 的容器请求，当前集群全被 1G 的占满了，当一个 1G 的容器完成后，下一个还是会调度 1G，因为 2G 资源不够；RESERVED 就是为了防止这种情况发生，所以先把这个资源预留出来，谁也别用，等下次有资源了再补上，直到满足这个容器资源请求。四、FairScheduler一、Fair 简介

同 Capacity Seheduler 类似，Fair Scheduler 也是一个多用户调度器，它同样添加了多层级别的资源限制条件以更好地让多用户共享一个 Hadoop 集群，比如队列资源限制、用户应用程序数目限制等。在 Fair 调度器中，我们不需要预先占用一定的系统资源，Fair 调度器会为所有运行的 job 动态的调整系统资源。如下图所示，当第一个大 job 提交时，只有这一个 job 在运行，此时它获得了所有集群资源；当第二个小任务提交后，Fair 调度器会分配一半资源给这个小任务，让这两个任务公平的共享集群资源。

Fair 调度器的设计目标是为所有的应用分配公平的资源（对公平的定义可以通过参数来设置）。优点：

分配给每个应用程序的资源取决于其优先级；它可以限制特定池或队列中的并发运行任务。二）Fair 特征公平调度器，就是能够共享整个集群的资源不用预先占用资源，每一个作业都是共享的每当提交一个作业的时候，就会占用整个资源。如果再提交一个作业，那么第一个作业就会分给第二个作业一部分资源，第一个作业也就释放一部分资源。再提交其他的作业时，也同理。也就是说每一个作业进来，都有机会获取资源。权重属性，并把这个属性作为公平调度的依据。如把两个队列权重设为 2 和 3，当调度器分配集群 40:60 资源给两个队列时便视作公平。每个队列内部仍可以有不同的调度策略。队列的默认调度策略可以通过顶级元素进行配置，如果没有配置，默认采用公平调度。三）Fair 配置

在 FairScheduler 中是通过在 fair-scheduler.xml中配置队列权重，来实现「公平」的。计算时是看（当前队列权重 / 总权重）得到当前队列能分得资源的百分比。更详细参数配置，可参考：Yarn 调度器Scheduler详解

  512mb, 4vcores  30720nb, 30vcores  100  fair  2.0  512mb, 4vcores  30720nb, 30vcores  100  fair  1.0

五、Fair Scheduler与Capacity Scheduler区别

相同点

都支持多用户多队列，即：适用于多用户共享集群的应用环境都支持层级队列支持配置动态修改，更好的保证了集群的稳定运行。均支持资源共享，即某个队列中的资源有剩余时，可共享给其他缺资源的队列单个队列均支持优先级和FIFO调度方式

不同点

Capacity Scheduler的调度策略是，可以先选择资源利用率低的队列，然后在队列中通过FIFO或DRF进行调度。Fair Scheduler的调度策略是，可以使用公平排序算法选择队列，然后再队列中通过Fair（默认）、FIFO或DRF的方式进行调度。六、小结

本篇介绍了 Yarn 中组重要的资源调度模块 ResourceScheduler，作为一个可插拔组件，默认有三种实现方式 Fifo、CapacityScheduler、FairScheduler。文中对三个调度器的功能、特征、配置、实现进行了较为详细的分析。各位同学若对其中实现细节有兴趣可深入源码，进一步探究。

参考文章：YARN Capacity Scheduler (容量调度器) 不完全指南 | Bambrow"s Blog - 对 CS 中配置属性有较详细讲解Capacity Scheduler - vs - Fair SchedulerYarn 调度器Scheduler详解 - 对 Fair 队列配置有较详细讲解YARN调度器(Scheduler)详解详解Yarn中三种资源调度器（FIFO Scheduler、Capacity Scheduler、Fair Scheduler）和配置自定义队列实现任务提交不同队列Yarn Fair Scheduler详解 - 源码分析Yarn源码分析6-Reserve机制 | 亚坤的博客 (yoelee.github.io)YARN资源调度原理剖析Hadoop 三大调度器源码分析及编写自己的调度器