1.Webpack入门到精通 五（常用配置）
2.yarn源码分析（四）AppMaster启动
3.YARN源码剖析：NM启动过程
4.Spark源码解析2-YarnCluster模式启动
5.深入理解 Hadoop （七）YARN资源管理和调度详解
6.深入浅出 Yarn 架构与实现4-1 ResourceManager 功能概述
Webpack入门到精通 五（常用配置）
为更好的源码阅读体验请移步掘金
初始化项目
在package.json中添加
运行yarn build，即可看到当前打包好的图解dist.js文件
使用webpack build支持IE，用babel-loader打包js
安装babel-loader npm
使用babel-loader打包jsx
测试
yarn build
为webpack配置eslint
eslint-config-react-app 包含Create React App使用的源码可共享 ESLint 配置。npm link
让webpack可以感知到eslint的图解配置，从而在编译的源码过程中提示报错信息
在没加eslint-webpack-plugin之前，尽管编辑器中eslint报错，图解外汇源码吧但在运行yarn build时，源码它仍能编译成功。图解如下图所示
加完之后的源码情况，此时不仅eslint报错，图解webpack构建时也会在控制台报错，源码这样很好地使用了eslint
使用babel-loader打包TypeScript
参考babel官网
添加一个test.tsx，图解并在index.js中引入，源码以下结果编译成功
让eslint支持TypeScript
让eslint支持ts，图解添加相关配置
运行yarn build发现此时编译仍可成功
修改后的源码效果
使用babel-loader打包tsx
生成tsconfig.json文件
编写tsx-demo.tsx文件并在index.js中引入进行测试
CRLF是什么？一、LF和CRLF是什么？二、LF和CRLF区别
让js和ts支持@alias
引入代码进行测试
让webpack支持scss
使用sass-loader npm
scss自动导入全局文件，scss共享变量给js
可以让项目中使用的css变量由同一份js和scss共同维护一份变量
webpack支持less文件
使用less-loader npm
less共享给js，对比scss和less
若要选择，则选择scss
stylus文件
使用stylus npm
webpack config重构，生产页面单独提取css文件
使用mini-css-extract-plugin webpack文档
自动生成HTML页面
使用html-webpack-plugin npm
webpack优化：单独打包runtime
单独打包runtime的原因
webpack优化：使用splitChunks将node依赖单独打包
在编译时缓存React等类库文件
webpack优化：固定modules
运行yarn build后，可以看到引入了三个js文件
optimizationmoduleids
webpack多页面
webpack优化：common插件
如果共有文件，则打包成一个文件；如果两个入口同时引用了一个文件，看这个打包后页面引入js的查询快递源码顺序
无限多页面的实现思路
只需将这两个参数设置为动态生成的即可满足要求。测试后大功告成！！！
最后附上源代码链接
其他文章
一咻：Webpack入门到精通 五（常用配置）
一咻：Webpack 入门到精通四 （插件）
一咻：Webpack入门到精通 三（Loader原理）
一咻：Webpack入门到精通 二（核心原理）
一咻：Webpack入门到精通 一（AST、Babel、依赖）
yarn源码分析（四）AppMaster启动
在容器分配完成之后，启动容器的代码主要在ContainerImpl.java中进行。通过状态机转换，container从NEW状态向其他状态转移时，会调用RequestResourceTransition对象。RequestResourceTransition负责将所需的资源进行本地化，或者避免资源本地化。若需本地化，还需过渡到LOCALIZING状态。为简化理解，此处仅关注是否进行资源本地化的情况。
为了将LAUNCH_CONTAINER事件加入事件处理队列，调用了sendLaunchEvent方法。该事件由ContainersLauncher负责处理。ContainersLauncher的handle方法中，使用一个ExecutorService（线程池）容器Launcher。ContainerLaunch实现了Callable接口，其call方法生成并执行launch_container脚本。reddit网站源码以MapReduce框架为例，该脚本在hadoop.tmp.dir/application name/container name目录下生成，其主要作用是启动MRAppMaster进程，即MapReduce的ApplicationMaster。
YARN源码剖析：NM启动过程
NodeManager初始化和启动过程主要涉及配置文件读取，资源信息配置，以及服务启动等步骤。重点在于初始化阶段，配置文件读取完成，包括关于节点资源信息的配置。
启动NodeManager（NM）时，遵循与ResourceManager（RM）类似的逻辑，启动各个服务。关键在于nodeStatusUpdater模块。其中两个重要方法为registerWithRM()和startStatusUpdater()。这两个方法通过RPC远程调用ResourceManager中的两个接口：registerNodeManager()和nodeHeartbeat()。
NM启动过程中添加的服务列表构成其核心功能描述。例如，NodeHealthCheckerService提供节点健康检查功能，包含两个子service：NodeHealthScriptRunner（使用配置的脚本进行健康检查）和LocalDirsHandlerService（检查磁盘健康状况）。此服务包含getHealthReport()方法，用于获取健康检查结果。
NM中的csframework 5.0源码关键类之一为NMContext，它作为组件间信息共享的接口。
NM与RM之间的心跳通信是整个过程中不可或缺的部分，确保了资源管理系统的实时状态监控与资源分配协调。
综上所述，NodeManager的启动过程涉及初始化配置、启动关键服务以及与ResourceManager的交互，实现资源管理和节点健康监控等功能。这一过程为YARN框架提供了稳定、高效的基础结构。
Spark源码解析2-YarnCluster模式启动
YARN 模式运行机制主要体现在Yarn Cluster 模式和Yarn Client 模式上。在Yarn Cluster模式下，SparkSubmit、ApplicationMaster 和 CoarseGrainedExecutorBackend 是独立的进程，而Driver 是独立的线程；Executor 和 YarnClusterApplication 是对象。在Yarn Client模式下，SparkSubmit、ApplicationMaster 和 YarnCoarseGrainedExecutorBackend 也是独立的进程，而Executor和Driver是对象。
在源码中，SparkSubmit阶段首先执行Spark提交命令，底层执行的是开启SparkSubmit进程的命令。代码中，SparkSubmit从main()开始，fpga dds源码根据运行模式获取后续要反射调用的类名赋给元组中的ChildMainClass。如果是Yarn Cluster模式，则为YarnClusterApplication；如果是Yarn Client模式，则为主类用户自定义的类。接下来，获取ChildMainClass后，通过反射调用main方法的过程，反射获取类然后通过构造器获取一个示例并多态为SparkApplication，再调用它的start方法。随后调用YarnClusterApplication的start方法。在YarnClient中，new一个Client对象，其中包含了yarnClient = YarnClient.createYarnClient属性，这是Yarn在SparkSubmit中的客户端，yarnClient在第行初始化和开始，即连接Yarn集群或RM。之后就可以通过这个客户端与Yarn的RM进行通信和提交应用，即调用run方法。
ApplicationMaster阶段主要涉及开启一个Driver新线程、AM向RM注册、AM向RM申请资源并处理、封装ExecutorBackend启动命令以及AM向NM通信提交命令由NM启动ExecutorBackend。在ApplicationMaster进程中，首先开启Driver线程，开始运行用户自定义代码，创建Spark程序入口SparkContext，接着创建RDD，生成job，划分阶段提交Task等操作。
在申请资源之前，AM主线程创建了Driver的终端引用，作为参数传入createAllocator()，因为Executor启动后需要向Driver反向注册，所以启动过程必须封装Driver的EndpointRef。AM主线程向RM申请获取可用资源Container，并处理这些资源。ExecutorBackend阶段尚未完成，后续内容待补充。
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。然而，随着Hadoop的普及与用户量的增加，单个集群内的应用程序类型与数量激增，FIFO调度机制难以高效利用资源，也无法满足不同应用的服务质量需求，故需设计适用于多用户的资源调度系统。
YARN采用双层资源调度模型：ResourceManager中的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，用户自定。YARN作为统一调度系统，满足调度规范的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，AM自行完成Container至Task分配。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。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，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。
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。
深入浅出 Yarn 架构与实现4-1 ResourceManager 功能概述
深入浅出 Yarn 架构与实现，本文将重点介绍 ResourceManager（RM）的功能概述与架构解析。一、RM 基本职能
RM 主要承担集群管理、任务调度、状态机管理等功能，通过与各 Client 的 RPC 通信实现「Pull 模型」，定期接收 Client 心跳并下达指令。
二、RM 内部架构
RM 内部包含用户交互、NM 管理、AM 管理、Application 管理、状态机管理、安全管理与资源分配等多个模块。架构设计采用事件驱动机制，通过中央异步调度器整合不同组件。
三、RM 事件与事件处理器
Yarn 的事件驱动机制中，RM 作为核心组件，通过事件交互实现高效并行系统。组件间通过事件通信协同工作。
四、小结
ResourceManager 在 YARN 中扮演核心角色，负责资源统一管理和分配。本文对 RM 的职能、架构、事件处理进行了概述，后续文章将深入源码，对各个部分进行更详细的解析。
