yarn資源memory與core計算配置

 

yarn調度分配主要是針對Memory與CPU進行管理分配,並將其組合抽象成container來管理計算使用

 

 

memory配置

　　計算每臺機子最多能夠擁有多少個container:

　　　　 containers = min (2*CORES, 1.8*DISKS, (Total available RAM) / MIN_CONTAINER_SIZE) 

 

　　　說明：

　　　　　　CORES爲機器CPU核數

　　　　　　DISKS爲機器上掛載的磁盤個數

　　　　　　Total available RAM爲機器總內存
　　　　　　MIN_CONTAINER_SIZE是指container最小的容量大小，這須要根據具體狀況去設置，能夠參考下面的表格：

　　　　              

　　每一個container的平均使用內存大小計算方式爲：

　　　　　　 RAM-per-container = max(MIN_CONTAINER_SIZE, (Total Available RAM) / containers)) 

 

　相關配置調整說明:

（1）yarn.nodemanager.resource.memory-mb
    表示該節點上YARN可以使用的物理內存總量，默認是8192（MB），注意，若是你的節點內存資源不夠8GB，則須要調減少這個值，而YARN不會智能的探測節點的物理內存總量。

（2）yarn.nodemanager.vmem-pmem-ratio
    任務每使用1MB物理內存，最多可以使用虛擬內存量，默認是2.1。

（3） yarn.nodemanager.pmem-check-enabled
    是否啓動一個線程檢查每一個任務正使用的物理內存量，若是任務超出分配值，則直接將其殺掉，默認是true。

（4） yarn.nodemanager.vmem-check-enabled
    是否啓動一個線程檢查每一個任務正使用的虛擬內存量，若是任務超出分配值，則直接將其殺掉，默認是true。

（5）yarn.scheduler.minimum-allocation-mb
    單個container可申請的最少物理內存量，默認是1024（MB），若是一個任務申請的物理內存量少於該值，則該對應的值改成這個數。

（6）yarn.scheduler.maximum-allocation-mb
    單個container可申請的最多物理內存量，默認是8192（MB）。

　　

　　默認狀況下，YARN採用了線程監控的方法判斷任務是否超量使用內存，一旦發現超量，則直接將其殺死。因爲Cgroups對內存的控制缺少靈活性（即任務任什麼時候刻不能超過內存上限，若是超過，則直接將其殺死或者報OOM），而Java進程在建立瞬間內存將翻倍，以後驟降到正常值，這種狀況下，採用線程監控的方式更加靈活（當發現進程樹內存瞬間翻倍超過設定值時，可認爲是正常現象，不會將任務殺死），所以YARN未提供Cgroups內存隔離機制。

 

 

CPU配置

　　在yarn中使用的是虛擬CPU,這裏的虛擬CPU是YARN本身引入的概念，初衷是，考慮到不一樣節點的CPU性能可能不一樣，每一個CPU具備的計算能力也是不同的，好比某個物理CPU的計算能力多是另一個物理CPU的2倍，這時候，你能夠經過爲第一個物理CPU多配置幾個虛擬CPU彌補這種差別。用戶提交做業時，能夠指定每一個任務須要的虛擬CPU個數。在YARN中，CPU相關配置參數以下：

(1)yarn.nodemanager.resource.cpu-vcores
    表示該節點上YARN可以使用的虛擬CPU個數，默認是8，注意，目前推薦將該值設值爲與物理CPU核數數目相同。
    若是你的節點CPU核數不夠8個，則須要調減少這個值，而YARN不會智能的探測節點的物理CPU總數。

(2)yarn.scheduler.minimum-allocation-vcores
    單個任務可申請的最小虛擬CPU個數，默認是1，若是一個任務申請的CPU個數少於該數，則該對應的值改成這個數。

(3)yarn.scheduler.maximum-allocation-vcores
    單個任務可申請的最多虛擬CPU個數，默認是32。

　　默認狀況下，YARN是不會對CPU資源進行調度的，你須要配置相應的資源調度器讓你支持,具體參看如下連接:

　　（1）Hadoop YARN配置參數剖析（4）—Fair Scheduler相關參數

　　（2）Hadoop YARN配置參數剖析（5）—Capacity Scheduler相關參數

 

　　默認狀況下，NodeManager不會對CPU資源進行任何隔離，你能夠經過啓用Cgroups讓你支持CPU隔離。

因爲CPU資源的獨特性，目前這種CPU分配方式仍然是粗粒度的。舉個例子，不少任務多是IO密集型的，消耗的CPU資源很是少，若是此時你爲它分配一個CPU，則是一種嚴重浪費，你徹底可讓他與其餘幾個任務公用一個CPU，也就是說，咱們須要支持更粒度的CPU表達方式。

　　借鑑亞馬遜EC2中CPU資源的劃分方式，即提出了CPU最小單位爲EC2 Compute Unit（ECU），一個ECU表明至關於1.0-1.2 GHz 2007 Opteron or 2007 Xeon處理器的處理能力。YARN提出了CPU最小單位YARN Compute Unit（YCU），目前這個數是一個整數，默認是720，由參數yarn.nodemanager.resource.cpu-ycus-per-core設置，表示一個CPU core具有的計算能力（該feature在2.2.0版本中並不存在，可能增長到2.3.0版本中），這樣，用戶提交做業時，直接指定須要的YCU便可，好比指定值爲360，表示用1/2個CPU core，實際表現爲，只使用一個CPU core的1/2計算時間。注意，在操做系統層，CPU資源是按照時間片分配的，你能夠說，一個進程使用1/3的CPU時間片，或者1/5的時間片。對於CPU資源劃分和調度的探討，可參考如下幾個連接：

https://issues.apache.org/jira/browse/YARN-1089

https://issues.apache.org/jira/browse/YARN-1024

Hadoop 新特性、改進、優化和Bug分析系列5：YARN-3

 

轉載參考:董的博客