1.深入理解 Hadoop （七）YARN资源管理和调度详解
2.Hadoop 的源码 Lists.newArrayList和正常的 new ArrayList()有什么区别？
3.Hadoop学习之fileSystem.delete方法

深入理解 Hadoop （七）YARN资源管理和调度详解

       Hadoop最初为批处理设计，其资源管理与调度仅支持FIFO机制。解析然而，源码随着Hadoop的解析普及与用户量的增加，单个集群内的源码应用程序类型与数量激增，FIFO调度机制难以高效利用资源，解析多空飘带源码也无法满足不同应用的源码服务质量需求，故需设计适用于多用户的解析资源调度系统。

       YARN采用双层资源调度模型：ResourceManager中的源码资源调度器分配资源给ApplicationMaster，由YARN决定；ApplicationMaster再将资源分配给内部任务Task，解析用户自定。源码YARN作为统一调度系统，解析满足调度规范的源码爬虫爬网页源码分布式应用皆可在其中运行，调度规范包括定义ApplicationMaster向RM申请资源，解析AM自行完成Container至Task分配。源码YARN采用拉模型实现异步资源分配，RM分配资源后暂存缓冲区，等待AM通过心跳获取。

       Hadoop-2.x版本中YARN提供三种资源调度器，分别为...

       YARN的队列管理机制包括用户权限管理与系统资源管理两部分。CapacityScheduler的核心特点包括...

       YARN的更多理解请参考官方文档：...

       在分布式资源调度系统中，资源分配保证机制常见有...

       YARN采用增量资源分配，避免浪费但不会出现资源饿死现象。YARN默认资源分配算法为DefaultResourceCalculator，专注于内存调度。android源码目录路径DRF算法将最大最小公平算法应用于主资源上，解决多维资源调度问题。实例分析中，系统中有9个CPU和GB RAM，两个用户分别运行两种任务，所需资源分别为...

       资源抢占模型允许每个队列设定最小与最大资源量，以确保资源紧缺与极端情况下的需求。资源调度器在负载轻队列空闲时会暂时分配资源给负载重队列，仅在队列突然收到新提交应用程序时，调度器将资源归还给该队列，避免长时间等待。

       YARN最初采用平级队列资源管理，ssc基源码论坛新版本改用层级队列管理，优点包括...

       CapacityScheduler配置文件capacity-scheduler.xml包含资源最低保证、使用上限与用户资源限制等参数。管理员修改配置文件后需运行"yarn rmadmin -refreshQueues"。

       ResourceScheduler作为ResourceManager中的关键组件，负责资源管理和调度，采用可插拔策略设计。初始化、接收应用和资源调度等关键功能实现，RM收到NodeManager心跳信息后，向CapacityScheduler发送事件，调度器执行一系列操作。价格网源码

       CapacityScheduler源码解读涉及树型结构与深度优先遍历算法，以保证队列优先级。其核心方法包括...

       在资源分配逻辑中，用户提交应用后，AM申请资源，资源表示为Container，包含优先级、资源量、容器数目等信息。YARN采用三级资源分配策略，按队列、应用与容器顺序分配空闲资源。

       对比FairScheduler，二者均以队列为单位划分资源，支持资源最低保证、上限与用户限制。最大最小公平算法用于资源分配，确保资源公平性。

       最大最小公平算法分配示意图展示了资源分配过程与公平性保证。

Hadoop 的 Lists.newArrayList和正常的 new ArrayList()有什么区别？

       这个方法在google工具类中也有，源码内容如下

public static <E> ArrayList<E> newArrayList() {

           return new ArrayList();

       }

       内容是差不多的，唯一的好处就是可以少写泛型的部分。

       这个方法有着丰富的重载：

Lists.newArrayList(E... elements)

       Lists.newArrayList(Iterable<? extends E> elements)

       Lists.newArrayList(Iterator<? extends E> elements)

       还有很多前缀扩展方法：

List<T> exactly = Lists.newArrayListWithCapacity();

       List<T> approx = Lists.newArrayListWithExpectedSize();

       使得函数名变得更有可读性，一眼就看出方法的作用。

       但是查看源码发现官方的注解里头是这么写的：

       Creates a mutable, empty ArrayList instance (for Java 6 and earlier).

       创建一个可变的空ArrayList（适用于java 6及之前的版本）

       Note for Java 7 and later: this method is now unnecessary and should

       be treated as deprecated. Instead, use the ArrayList constructor

       directly, taking advantage of the new "diamond" syntax.

       针对java 7及之后版本，本方法已不再有必要，应视之为过时的方法。取而代之你可以直接使用ArrayList的构造器，充分利用钻石运算符<>（可自动推断类型）。

Hadoop学习之fileSystem.delete方法

       Hadoop中FileSystem.delete方法用于删除文件或目录。该方法接受两个参数：一个Path，代表要删除的路径；一个布尔值，表示是否进行递归删除。

       在源码中，该方法的实现逻辑如下。当指定删除的目标路径为文件时，无论参数recursive为true还是false，方法都能正常执行。而当目标路径为目录时，情况则有所不同。若参数recursive为true，则会递归地删除目录内的所有子文件和子目录，直至目录被空目录所替代，最终被删除。若参数recursive为false，则仅删除空目录，若目录内有文件或子目录，将抛出异常。因此，在使用此方法时，需根据实际情况合理设置参数，避免误删重要文件或目录。

       举例说明，若要删除名为"example.txt"的文件，可以这样调用方法：FileSystem.delete(new Path("/path/to/example.txt"), false)。若要删除名为"example"的目录及其内容，调用方法时需设置recursive为true，如：FileSystem.delete(new Path("/path/to/example"), true)。

       总结而言，FileSystem.delete方法提供了删除文件或目录的便利功能，通过合理设置参数，可灵活实现不同场景下的删除需求。在实际应用中，需根据目标路径的性质和预期结果，正确使用此方法，以避免不必要的数据丢失或系统异常。