CDH集羣中YARN的參數配置

CDH集羣中YARN的參數配置 前言：Hadoop 2.0以後，原先的MapReduce不在是簡單的離線批處理MR任務的框架，升級爲MapReduceV2（Yarn）版本，也就是把資源調度和任務分發兩塊分離開來。而在最新的CDH版本中，同時集成了MapReduceV1和MapReduceV2（Yarn）兩個版本，若是集羣中須要使用Yarn作統一的資源調度，建議使用Yarn。 CDH對Yarn的部分參數作了少了修改，而且添加了相關的中文說明，本文着重介紹了CDH中相比 MapReduceV1一些參數改動的配置。 1、CPU配置 ApplicationMaster虛擬 CPU 內核 yarn.app.mapreduce.am.resource.cpu-vcores       // ApplicationMaster佔用的cpu內核數（Gateway--資源管理） 容器虛擬 CPU 內核 yarn.nodemanager.resource.cpu-vcores        //單 個NodeManager 最大能分配的cpu核數（NodeManager --資源管理） 結論：當前 nodemanager 申請的 ApplicationMaster數總 和小於 nodemanager最大cpu內核數 2、內存配置 容器內存    yarn.nodemanager.resource.memory-mb      //單個NodeManager能分配的最大內存（NodeManager --資源管理）                //Memory Total= 單個NodeManager內存 * 節點數 結論：提交任務佔用內存Memory Used 小於Memory Total Map 任務內存    mapreduce.map.memory.mb                         //爲做業的每一個 Map 任務分配的物理內存量  （Gateway--資源管理 ） 結論：map或reduce的內存需求不大於appmaster的內存需求 最大容器內存   yarn.scheduler.maximum-allocation-mb     //單個任務可申請最大內存 （ResourceManager--資源管理 ） 3、同一個Map或者Reduce 並行執行 Map 任務推理執行 mapreduce.map.speculative                       //Gateway Reduce 任務推理執行 mapreduce.reduce.speculative                   //Gateway 4、JVM重用 啓用 Ubertask 優化 ： mapreduce.job.ubertask.enable | (默認false)     //true則表示啓用jvm重用（Gateway--性能） jvm重用的決定參數以下： Ubertask最大 Map    mapreduce.job.ubertask.maxmaps                   //超過多少個map啓用jvm重用（Gateway--性能） Ubertask最大 Reduce    mapreduce.job.ubertask.maxreduces               //超過多少  Reduce  啓用jvm重用，目前支持1個 （Gateway--性能） Ubertask最大做業大小    mapreduce.job.ubertask.maxbytes                  //application的輸入大小的閥值，默認爲 block大小（Gateway--性能） 5、其餘參數 給spark加日誌編輯 spark-defaults.conf spark.yarn.historyServer.address=http://cloud003:18080/

更多精彩內容請關注：http://bbs.superwu.cn

關注超人學院微信二維碼：

關注超人學院java免費學習交流羣：