CDH集群调优：内存、Vcores和DRF

电玩女神 2022-06-06 02:36 280阅读 2赞

### 吐槽 ###

最近“闲”来无事，通过CM把vcores使用情况调出来看了一眼，发现不论集群中有多少个任务在跑，已分配的VCores始终不会超过120。而集群的可用Vcores是360（15台机器×24虚拟核）。这就相当于CPU资源只用到了1/3，作为一个半强迫症患者绝对不能容忍这样的事情发生。

分析的过程不表，其实很简单就是几个参数的问题。本以为CM能智能的将这些东西配好，现在看来好像不行。以下记录结论。

### DRF和相关参数 ###

DRF: Dominant Resource Fairness，根据CPU和内存公平调度资源。CDH动态资源池默认采用的DRF计划策略。简单的理解就是内存不够的时候，多余的CPU就不会分配任务了，就让他空着；CPU不够的时候，多出来的内存也不会再启动任务了。

理解这个计划策略后，再查看Yarn启动任务时资源相关的参数，发现有以下几个参数可能会产生影响：

*  mapreduce.map.memory.mb ，map任务内存，cdh默认1G
 *  mapreduce.map.cpu.vcores ，map任务虚拟CPU核数，cdh默认1
 *  mapreduce.reduce.memory.mb ，reduce任务内存，cdh默认1G
 *  mapreduce.reduce.cpu.vcores ，reduce任务虚拟CPU核数，cdh默认1
 *  yarn.nodemanager.resource.memory-mb ，容器内存，cdh默认8G
 *  yarn.nodemanager.resource.cpu-vcores ，容器虚拟CPU核数，cdh默认8，但CM会自动检测内核数并修改，我这里被自动改成了24。

可以看到默认配置下，CPU核数和内存是1：1G的比例来启动任务的。

接着查看了下分配给Yarn的内存，果然是8×15=120G，所以可用内存比可用vcores（360个）比起来就小太多了，导致按照1：1G的比例下最多只能使用120个vcores。

以上只是猜想

。

### 测试 ###

为了证实我的猜想，将 yarn.nodemanager.resource.memory-mb 调成了16G（咱内存128G，管够）。重启yarn后，再次启动MR，于是有了下图：

![30089851_1458733230y2q2.jpg][]

可以看到参数调整前，Yarn可用内存为120G，调整后变成了240G；vcores由调整前的120变成了240。至此，证明猜想正确。

所以对于这个集群来说，由于内存为128G，内核为24个，所以完全可以将 yarn.nodemanager.resource.memory-mb 参数调成24G，这样就能将所有的CPU都利用起来了。

#### 测试结果 ####

yarn.nodemanager.resource.memory-mb 为8G时：

Time taken: 3794.17 secondsTotal MapReduce CPU Time Spent: 3 days 10 hours 43 minutes 22 seconds 640 msec