在 YarnScheduler 中，定义了一个资源调度器应该实现的方法。在 AbstractYarnScheduler 中实现了大部分方法，若自己实现调度器可继承该类，将发开重点放在资源分配实现上。

public interface YarnScheduler extends EventHandler<SchedulerEvent> {
  // 获得一个队列的基本信息
  public QueueInfo getQueueInfo(String queueName, boolean includeChildQueues,
      boolean recursive) throws IOException;

  // 获取集群资源
  public Resource getClusterResource();

  /**
   * AM 和资源调度器之间最主要的一个方法
   * AM 通过该方法更新资源请求、待释放资源列表、黑名单列表增减
   */
  @Public
  @Stable
  Allocation allocate(ApplicationAttemptId appAttemptId,
      List<ResourceRequest> ask, List<ContainerId> release,
      List<String> blacklistAdditions, List<String> blacklistRemovals,
      List<UpdateContainerRequest> increaseRequests,
      List<UpdateContainerRequest> decreaseRequests);

  // 获取节点资源使用情况报告
  public SchedulerNodeReport getNodeReport(NodeId nodeId);

ResourceScheduler 本质是个事件处理器，主要处理10种事件（CapacityScheduler 还会多处理几种抢占相关的事件），可以到对应 Scheduler 的 handle() 方法中查看这些事件处理逻辑：

• NODE_ADDED: 集群中增加一个节点
• NODE_REMOVED: 集群中移除一个节点
• NODE_RESOURCE_UPDATE: 集群中有一个节点的资源增加了
• NODE_LABELS_UPDATE: 更新node labels
• NODE_UPDATE: 该事件是 NM 通过心跳和 RM 通信时发送的，会汇报该 node 的资源使用情况，同时触发一次分配操作。
• APP_ADDED: 增加一个Application
• APP_REMOVED: 移除一个application
• APP_ATTEMPT_ADDED: 增加一个application Attempt
• APP_ATTEMPT_REMOVED: 移除一个application attempt
• CONTAINER_EXPIRED: 回收一个超时的container

三、资源调度维度

目前有两种：DefaultResourceCalculator 和 DominantResourceCalculator。

• DefaultResourceCalculator: 仅考虑内存资源
• DominantResourceCalculator: 同时考虑内存和 CPU 资源（后续更新中支持更多类型资源，FPGA、GPU 等）。该算法扩展了最大最小公平算法（max-min fairness）。
  • 在 DRF 算法中，将所需份额（资源比例）最大的资源称为主资源，而 DRF 的基本设计思想则是将最大最小公平算法应用于主资源上，进而将多维资源调度问题转化为单资源调度问题，即 DRF 总是最大化所有主资源中最小的
  • 感兴趣的话，可到源码中 DominantResourceCalculator#compare 探究实现逻辑
  • 对应的论文 《Dominant Resource Fairness: Fair Allocation of Multiple Resource Types》

（这里注意！很多文章和书中写的是「YARN 资源调度器默认采用了 DominantResourceCalculator」，实际并不是这样的！）

• FifoScheduler 默认使用 DefaultResourceCalculator 且不可更改。
• CapacityScheduler 是在 capacity-scheduler.xml 中配置 yarn.scheduler.capacity.resource-calculator 参数决定的。
• FairScheduler 才默认使用 DominantResourceCalculator。

四、资源抢占模型

这里仅简要介绍资源抢占模型，在后面的文章中会深入源码分析抢占的流程。

• 在资源调度器中，每个队列可设置一个最小资源量和最大资源量，其中，最小资源量是资源紧缺情况下每个队列需保证的资源量，而最大资源量则是极端情况下队列也不能超过的资源使用量
• 为了提高资源利用率，资源调度器（包括Capacity Scheduler和Fair Scheduler）会将负载较轻的队列的资源暂时分配给负载重的队列，仅当负载较轻队列突然收到新提交的应用程序时，调度器才进一步将本属于该队列的资源分配给它。

五、总结

本文介绍了 Yarn 资源调度器的基本框架，包括基本架构，以及简要介绍三种 YARN 实现的调度器，并对资源调度维度，资源抢占模型等进行了介绍。
后续文章中将会围绕三种 YARN 调度器，深入源码进行探究。看其在源码中是如何一步步实现对应功能的。

参考文章：
《Hadoop 技术内幕：深入解析 YARN 架构设计与实现原理》第六章
深入解析yarn架构设计与技术实现-资源调度器
Yarn源码分析5-资源调度