在 Hadoop YARN 中，当 Active ResourceManager (RM) 宕机并重启（或发生主备切换）时，恢复之前正在运行的作业状态的核心机制被称为 Work-Preserving RM Restart（保持工作的 RM 重启）。这项特性自 Hadoop 2.4 引入，确保了 RM 的重启对正在运行的应用程序（如 MapReduce、Spark、Flink 作业）是透明的，不会导致正在执行的任务失败。 YARN 恢复作业状态的过程是一个多方协作的过程，主要依赖于 状态存储（State Store）、NodeManager (NM) 的心跳汇报 以及 ApplicationMaster (AM) 的重新同步。 以下是详细的恢复流程和原理解析： 1. 核心基础：状态的持久化 (RMStateStore) ResourceManager 在正常运行时，不会把所有细粒度的状态（比如每一个 Container 的状态）都存下来，因为那样开销太大。它只会把最核心的元数据持久化到外部存储（通常是 ZooKeeper，也可以是 HDFS 或 LevelDB）中。 持久化的信息包...
播面