虽说后面部分稍有重复，但也是目前市场上最详细和深入的YARN书籍
2015-10-23
现在大数据在互联网领域可谓是如日中天，本人作为一名涉足大数据领域的博士，对华章科技的赠书，表示感谢。看完本书之后，首先作者对现在的大数据领域理解非常深入，但本书不适合初学者，适合有一定基础的人观看，由于我涉及的领域需要对Hadoop 的底层代码进行分析和改造，本书在这一方面做得工作很多，如果单学学如何编写MapReduce的程序，不建议看本书，毕竟本书分析的是机制而不是代码。虽然技术过硬，但写作方式上，难免有些是工科男的惯性，看起这本书难免在很难理解的地方，让人有种昏昏欲睡的感觉。不过总体来说很好，对于YARN的分析真得很深入。
我总结下，对看完本书的整体印象，由于大数据的快速发展，使得Hadoop也快速的更新，对于程序员来说，接触到新的事物，也无疑是一种挑战。本书的Hadoop版本是2.2.0版本，而当我写这篇读后感的时候，Hadoop已经更新到2.7.0，而且新版本不仅在对java的支持上改变和MapReduce的优化都有了些许的改进，不过我根据书中描述，查看了作者的博客，发现其相应的对新的技术进行了更新，这样做可以让广大读者对新版本有个更新的认识，逐步去适应。本书对Yarn的运行机制进行了详细的分析，同时也对MR1和MR2进行了详细的对比。同时也对MR的不足进行了总结，并引入了现在的几个非常流行的框架Storm和Spark。但没有对其进行深入的探讨，可能是因为写书时候，这两个框架还不是很流行，现在Flink也算是顶级的项目，或许当作者再次写一本关于大数据的书时，就会将重心偏移了。毕竟流的实时分析才是大数据的未来发展趋势。
下面谈下我接触YARN,对它的认识。书中有很少的代码，大篇幅的展示了整个2.0版本的Hadoop的优势和底层的运行机制，以及由于Yarn的到来，给Hadoop上的各种类型的框架带来了飞速的发展，这是Yarn得以有强大生命力的必要因素。把Job Tracker的两个主要功能（资源管理和作业调度/监控）分成了两个独立的服务程序——全局的资源管理（RM）和针对每个应用的应用 Master（AM），实现了框架的集中管理。其思想：
将JobTracker和TaskTacker进行分离，它由下面几大构成组件：
a. 一个全局的资源管理器 ResourceManager
b.ResourceManager的每个节点代理 NodeManager
c. 表示每个应用的 ApplicationMaster
d. 每一个ApplicationMaster拥有多个Container在NodeManager上运行。
而新版本的2.7版本对Yarn上也有比较大的改动。首先是，YARN的授权模块变成插拔式的，用户可根据需要编写授权模块。其次是，对DistributedCache功能增强，DistributedCache模块拥有独立的服务，可以独立升级，也可以通过命令显式地预先cache文件。
不过本书就内容和深度而言，无疑是上乘之作。
本书个人认为的不足之处，对于每一个初学者来说，几乎不会得到真实的集群环境，所以需要搭建hadoop的集群环境，虽说本书用一章的篇幅来诉说hadoop的环境搭建，但仍有些很关键的地方没有注明为何这么做，这让初学者很难找到门路，如果搭建不成功环境，对后来的学习会有一个很消极的态度。虽说本书的环境搭建已经很简洁，但毕竟每个人使用的Linux和hadoop版本不同，因此有些地方真的需要注明。另外即使按照本书所说的环境搭建过程中，仍会遇到很多关于环境变量的配置，远比书中所提到的必要的java的环境变量和Hadoop的环境变量要多得多，甚至要修改配置文件，这对本身就有可能不熟悉linux的学习者来说，有点过于困难。其实可以附录一些Linux的必要命令，比如在安装linux系统时，安装vim编辑器也是很重要的，虽说这些关于集群环境的事，不是本书的重点，但初学者，看完第一章之后，配了很久环境，同时对于初学不太会看日志的人来说，根本不知道问题出在哪里，会打退堂鼓的。因此觉得，在此，本书就对阅读者的水平有了一定的限制，至少是熟悉linux的命令和能够读懂hadoop的日志，才能在此基础上，实现本书的阅读工作。
写作模式上，既然作者是很用心在写一本机制和原理的书，我觉得有些细节可以忽略，比如作者对ApplicationMaster等管理介绍的很形象，但有些地方给出了大量的服务配置参数，我认为，既然是高谈底层和机制的书籍，不需要太接地气，毕竟能够读懂的人都是专业人士，列出参考文献和出处，将大量篇幅都放在形象描述机制和对框架的个人看法更好。
以上是本人的拙见，忘有兴趣的网友相互探讨。
查字典图书网
