1.1 失败
1.1.1 任务失败
Map和reduce任务失败：Map或者reduce任务有缺陷，抛出异常，JVM会会向applicationmaster 发出错误报告，applicationmaster将任务标记为failed，将错误报告写入用户日志，释放资源。
Stream任务失败：Streaming任务以非零状态码退出，则标记为失败，属性stream.non.zero.exit.is.failure属性设置为true，才会触发。
Jvm失败：Jvm软件缺陷突然退出，节点管理器会发现进程一退出，通知applicationmaster标记任务失败。
任务超时失败：applicationmaster在一段时间内没有收到进度更新，则将任务标记失败，超时时间通过mapreduce.task.timeout设置，为0表示无超时限制，这样会导致挂起的任务无法结束，释放资源。
任务重试：任务失败后，application master会尽量安排在其他节点管理器上再次运行该任务，失败次数超过mapreduce.map.maxattempts属性设置的值（默认4）时，整个作业就会失败。如果不希望单个任务失败， 就判定整个作业失败，可以设置失败比例，mapreduce.map.faileures.maxpercent和mapreduce.reduce.failures.maxpercent属性设置比例。
任务中止：任务是推测副本或者是节点崩溃，application master会将任务标记为中止（killed），不计入尝试失败次数（maxattempts）。
1.1.2 Application master运行失败
Mapreduce Application master尝试次数由mapreduce.am.max-attempts属性控制，默认值是2。YARN对集群上运行的YARN application master的最大尝试次数也加了限制，由属性yarn.resourcemanage.am.max-attempts设置，默认为2，想增加Mapreduce Application master的尝试次数，先增加YARN的设置。
application master重启资源管理器和application master之间有心跳，application失败时，资源管理器 检测不到心跳，就在一个新的容器中开启新的application master，使用作业历史来恢复任务状态，不必重新运行，yarn.app.mapreduce.am.job.revocery.enable来开启这个恢复功能。
客户端重定向application master地址：客户端向application master轮循进度报告，初始化时，客户端缓存application master地址，断联后，客户端会向资源管理器重新请求application master的地址。
1.1.3 节点管理器运行失败
节点管理器和资源管理器之间也有心跳，如果10分钟（属性yarn.resourcemanager.nm.liveness-monitor.expiry-interval-ms设置,单位秒）。资源管理器将有问题的节点管理器从节电池中移除。移除的节点管理器上的作业未完成的，在其他节点上恢复，重新运行。
节点管理器黑名单：由applicationmaster管理黑名单，对于mapreduce任务，在一个节点管理器上有三个任务失败，就会尽量将任务调度到不同的节点上。属性mapreduce.job.maxtaskfailures.per.tracker设置阈值。
1.1.4 资源管理器失败
资源管理器失败重启资源管理器失败非常严重，作业和任务容器无法启动，失败的作业不能恢复。采用双机热备配置，获得高可用性。运行中的应用程序的信息存储在高可用的状态存储区（zookeeper或HDFS），资源管理器重启后，从存储区读取应用程序的信息，恢复失败的资源管理器的关键状态，重启所有应用程序的application master，次数不计入yarn.resourcemanage.am.attempts。节点管理器信息没有存储，她的信息可以被资源管理器重构。
故障转移控制器：资源管理器发生故障，自动将资源管理器从主机切换到备机。
也可配置为手动，但是不建议这样。
客户端和节点管理器自动连接资源管理器：客户端和节点管理器以轮询方式连接资源管理器，一直尝试连接，直到备份资源管理器替换故障的资源管理器，成功连接。
自己开发了一个股票智能分析软件，功能很强大，需要的点击下面的链接获取：
https://www.cnblogs.com/bclshuai/p/11380657.html
原文地址：https://www.cnblogs.com/bclshuai/p/12204106.html