Hadoop Yarn内存使用优化配置

落日映苍穹つ 2022-06-06 04:13 430阅读 0赞

第一部分Hadoop Yarn内存使用优化配置

在Hadoop2.0中, YARN负责管理MapReduce中的资源(内存, CPU等)并且将其打包成Container. 这样可以精简MapReduce, 使之专注于其擅长的数据处理任务, 将无需考虑资源调度。

YARN会管理集群中所有机器的可用计算资源. 基于这些资源YARN会调度应用(比如MapReduce)发来的资源请求, 然后YARN会通过分配Container来给每个应用提供处理能力, Container是YARN中处理能力的基本单元, 是对内存, CPU等的封装。

Yarn架构做资源管理，在每个节点上面运行NodeManager负责节点资源的分配，在Yarn上面Container是资源的分配的最小单元。

Yarn集群的内存分配配置在yarn-site.xml文件中配置：

1. <property>  
2.     <name>yarn.nodemanager.resource.memory-mb</name>  
3.     <value>8192</value>  
4.     <discription>每个节点可用内存,单位MB</discription>  
5. </property>  
6.   
7. <property>  
8.     <name>yarn.scheduler.minimum-allocation-mb</name>  
9.     <value>1024</value>  
10.     <discription>单个任务可申请最少内存，默认1024MB</discription>  
11. </property>  
12.   
13. <property>  
14.     <name>yarn.scheduler.maximum-allocation-mb</name>  
15.     <value>8192</value>  
16.     <discription>单个任务可申请最大内存，默认8192MB</discription>  
17. </property>

而Mapreduce的任务的内存配置：

1. <property> 
2. <name>mapreduce.map.memory.mb</name> 
3. <value>1024</value> 
4. <description>每个Map任务的物理内存限制</description> 
5. </property> 
6.  
7. <property> 
8. <name>mapreduce.reduce.memory.mb</name> 
9. <value>1024</value> 
10. <description>每个Reduce任务的物理内存限制</description> 
11. </property> 
12.  
13. <property> 
14. <name>mapred.child.java.opts</name> 
15. <value>-Xmx1024m</value> 
16. </property>

其中mapreduce.map.memory.mb配置每个map任务的内存，应该是大于或者等于Container的最小内存。

按照上面的配置：每个slave可以运行map的数据<= yarn.nodemanager.resource.memory-mb/mapreduce.map.memory.mb

，reduce任务的数量<=yarn.nodemanager.resource.memory-mb/mapreduce.reduce.memory.mb

第二部分Hadoop YARN配置参数剖析

一、RM与NM相关参数（yarn-site.xml）

1、ResourceManager相关配置参数

（1）yarn.resourcemanager.address

参数解释：ResourceManager 对客户端暴露的地址。客户端通过该地址向RM提交应用程序，杀死应用程序等。

默认值：$\{yarn.resourcemanager.hostname\}:8032

（2）yarn.resourcemanager.scheduler.address

参数解释：ResourceManager 对ApplicationMaster暴露的访问地址。ApplicationMaster通过该地址向RM申请资源、释放资源等。

默认值：$\{yarn.resourcemanager.hostname\}:8030

（3）yarn.resourcemanager.resource-tracker.address

参数解释：ResourceManager 对NodeManager暴露的地址.。NodeManager通过该地址向RM汇报心跳，领取任务等。

默认值：$\{yarn.resourcemanager.hostname\}:8031

（4）yarn.resourcemanager.admin.address

参数解释：ResourceManager 对管理员暴露的访问地址。管理员通过该地址向RM发送管理命令等。

默认值：$\{yarn.resourcemanager.hostname\}:8033

（5）yarn.resourcemanager.webapp.address

参数解释：ResourceManager对外web ui地址。用户可通过该地址在浏览器中查看集群各类信息。

默认值：$\{yarn.resourcemanager.hostname\}:8088

（6）yarn.resourcemanager.scheduler.class

参数解释：启用的资源调度器主类。目前可用的有FIFO、Capacity Scheduler和Fair Scheduler。

默认值：org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler

（7）yarn.resourcemanager.resource-tracker.client.thread-count

参数解释：处理来自NodeManager的RPC请求的Handler数目。

默认值：50

（8）yarn.resourcemanager.scheduler.client.thread-count

参数解释：处理来自ApplicationMaster的RPC请求的Handler数目。

默认值：50

（9）yarn.scheduler.minimum-allocation-mb/yarn.scheduler.maximum-allocation-mb

参数解释：单个可申请的最小/最大内存资源量。比如设置为1024和3072，则运行MapRedce作业时，每个Task最少可申请1024MB内存，最多可申请3072MB内存。

默认值：1024/8192

（10）yarn.scheduler.minimum-allocation-vcores/yarn.scheduler.maximum-allocation-vcores

参数解释：单个可申请的最小/最大虚拟CPU个数。比如设置为1和4，则运行MapRedce作业时，每个Task最少可申请1个虚拟CPU，最多可申请4个虚拟CPU。什么是虚拟CPU，可阅读我的这篇文章：“YARN 资源调度器剖析”。

默认值：1/32

（11）yarn.resourcemanager.nodes.include-path /yarn.resourcemanager.nodes.exclude-path

参数解释：NodeManager黑白名单。如果发现若干个NodeManager存在问题，比如故障率很高，任务运行失败率高，则可以将之加入黑名单中。注意，这两个配置参数可以动态生效。（调用一个refresh命令即可）

默认值：“”

（12）yarn.resourcemanager.nodemanagers.heartbeat-interval-ms

参数解释：NodeManager心跳间隔

默认值：1000（毫秒）

2、NodeManager相关配置参数

（1）yarn.nodemanager.resource.memory-mb

参数解释：NodeManager总的可用物理内存。注意，该参数是不可修改的，一旦设置，整个运行过程中不可动态修改。另外，该参数的默认值是8192MB，即使你的机器内存不够8192MB，YARN也会按照这些内存来使用（傻不傻？），因此，这个值通过一定要配置。不过，Apache已经正在尝试将该参数做成可动态修改的。

默认值：8192

（2）yarn.nodemanager.vmem-pmem-ratio

参数解释：每使用1MB物理内存，最多可用的虚拟内存数。

默认值：2.1

（3）yarn.nodemanager.resource.cpu-vcores

参数解释：NodeManager总的可用虚拟CPU个数。

默认值：8

（4）yarn.nodemanager.local-dirs

参数解释：中间结果存放位置，类似于1.0中的mapred.local.dir。注意，这个参数通常会配置多个目录，已分摊磁盘IO负载。

默认值：$\{hadoop.tmp.dir\}/nm-local-dir

（5）yarn.nodemanager.log-dirs

参数解释：日志存放地址（可配置多个目录）。

默认值：$\{yarn.log.dir\}/userlogs

（6）yarn.nodemanager.log.retain-seconds

参数解释：NodeManager上日志最多存放时间（不启用日志聚集功能时有效）。

默认值：10800（3小时）

（7）yarn.nodemanager.aux-services

参数解释：NodeManager上运行的附属服务。需配置成mapreduce\_shuffle，才可运行MapReduce程序

默认值：“”

二、权限与日志聚集相关参数（yarn-site.xml）

1、权限相关配置参数

这里的权限由三部分组成，分别是：（1）管理员和普通用户如何区分（2）服务级别的权限，比如哪些用户可以向集群提交ResourceManager提交应用程序，（3）队列级别的权限，比如哪些用户可以向队列A提交作业等。

管理员列表由参数yarn.admin.acl指定。

服务级别的权限是通过配置hadoop-policy.xml实现的，这个与Hadoop 1.0类似。

队列级别的权限是由对应的资源调度器内部配置的，比如Fair Scheduler或者Capacity Scheduler等，具体见后面。

2、日志聚集相关配置参数

日志聚集是YARN提供的日志中央化管理功能，它能将运行完成的Container/任务日志上传到HDFS上，从而减轻NodeManager负载，且提供一个中央化存储和分析机制。默认情况下，Container/任务日志存在在各个NodeManager上，如果启用日志聚集功能需要额外的配置。

（1）yarn.log-aggregation-enable

参数解释：是否启用日志聚集功能。

默认值：false

（2）yarn.log-aggregation.retain-seconds

参数解释：在HDFS上聚集的日志最多保存多长时间。

默认值：\-1

（3）yarn.log-aggregation.retain-check-interval-seconds

参数解释：多长时间检查一次日志，并将满足条件的删除，如果是0或者负数，则为上一个值的1/10。

默认值：\-1

（4）yarn.nodemanager.remote-app-log-dir

参数解释：当应用程序运行结束后，日志被转移到的HDFS目录（启用日志聚集功能时有效）。

默认值：/tmp/logs

（5）yarn.log-aggregation.retain-seconds

参数解释：远程日志目录子目录名称（启用日志聚集功能时有效）。

默认值：日志将被转移到目录yarn.nodemanager.remote−app−log−dir/\{user\}/$\{thisParam\}下

三、MapReduce相关参数（mapred-site.xml）

MapReduce相关配置参数分为两部分，分别是JobHistory Server和应用程序参数，Job History可运行在一个独立节点上，而应用程序参数则可存放在mapred-site.xml中作为默认参数，也可以在提交应用程序时单独指定，注意，如果用户指定了参数，将覆盖掉默认参数。

以下这些参数全部在mapred-site.xml中设置。

1、MapReduce JobHistory相关配置参数

在JobHistory所在节点的mapred-site.xml中配置。

（1）mapreduce.jobhistory.address

参数解释：MapReduce JobHistory Server地址。

默认值： 0.0.0.0:10020

（2）mapreduce.jobhistory.webapp.address

参数解释：MapReduce JobHistory Server Web UI地址。

默认值： 0.0.0.0:19888

（3）mapreduce.jobhistory.intermediate-done-dir

参数解释：MapReduce作业产生的日志存放位置。

默认值： /mr-history/tmp

（4）mapreduce.jobhistory.done-dir

参数解释：MR JobHistory Server管理的日志的存放位置。

默认值： /mr-history/done

2、MapReduce作业配置参数

可在客户端的mapred-site.xml中配置，作为MapReduce作业的缺省配置参数。也可以在作业提交时，个性化指定这些参数。

<table> 
 <tbody> 
 <tr> 
 <td> 参数名称 </td> 
 <td> 缺省值 </td> 
 <td> 说明 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.job.name </td> 
 <td> 
 <div> 
 
 </div> </td> 
 <td> 作业名称 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.job.priority </td> 
 <td> NORMAL </td> 
 <td> 作业优先级 </td> 
 </tr> 
 <tr> 
 <td> yarn.app.mapreduce.am.resource.mb </td> 
 <td> 1536 </td> 
 <td> MR ApplicationMaster占用的内存量 </td> 
 </tr> 
 <tr> 
 <td> yarn.app.mapreduce.am.resource.cpu-vcores </td> 
 <td> 1 </td> 
 <td> MR ApplicationMaster占用的虚拟CPU个数 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.am.max-attempts </td> 
 <td> 2 </td> 
 <td> MR ApplicationMaster最大失败尝试次数 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.map.memory.mb </td> 
 <td> 1024 </td> 
 <td> 每个Map Task需要的内存量 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.map.cpu.vcores </td> 
 <td> 1 </td> 
 <td> 每个Map Task需要的虚拟CPU个数 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.map.maxattempts </td> 
 <td> 4 </td> 
 <td> Map Task最大失败尝试次数 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.reduce.memory.mb </td> 
 <td> 1024 </td> 
 <td> 每个Reduce Task需要的内存量 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.reduce.cpu.vcores </td> 
 <td> 1 </td> 
 <td> 每个Reduce Task需要的虚拟CPU个数 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.reduce.maxattempts </td> 
 <td> 4 </td> 
 <td> Reduce Task最大失败尝试次数 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.map.speculative </td> 
 <td> false </td> 
 <td> 是否对Map Task启用推测执行机制 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.reduce.speculative </td> 
 <td> false </td> 
 <td> 是否对Reduce Task启用推测执行机制 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.job.queuename </td> 
 <td> default </td> 
 <td> 作业提交到的队列 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.task.io.sort.mb </td> 
 <td> 100 </td> 
 <td> 任务内部排序缓冲区大小 </td> 
 </tr> 
 <tr> 
 <td> mapreduce.map.sort.spill.percent </td> 
 <td> 0.8 </td> 
 <td> Map阶段溢写文件的阈值（排序缓冲区大小的百分比） </td> 
 </tr> 
 <tr> 
 <td> mapreduce.reduce.shuffle.parallelcopies </td> 
 <td> 5 </td> 
 <td> Reduce Task启动的并发拷贝数据的线程数目 </td> 
 </tr> 
 </tbody> 
</table>

注意，MRv2重新命名了MRv1中的所有配置参数，但兼容MRv1中的旧参数，只不过会打印一条警告日志提示用户参数过期。MapReduce新旧参数对照表可参考Java类org.apache.hadoop.mapreduce.util.ConfigUtil，举例如下：

<table> 
 <tbody> 
 <tr> 
 <td> 过期参数名 </td> 
 <td> 新参数名 </td> 
 </tr> 
 <tr> 
 <td> mapred.job.name </td> 
 <td> mapreduce.job.name </td> 
 </tr> 
 <tr> 
 <td> mapred.job.priority </td> 
 <td> mapreduce.job.priority </td> 
 </tr> 
 <tr> 
 <td> mapred.job.queue.name </td> 
 <td> mapreduce.job.queuename </td> 
 </tr> 
 <tr> 
 <td> mapred.map.tasks.speculative.execution </td> 
 <td> mapreduce.map.speculative </td> 
 </tr> 
 <tr> 
 <td> mapred.reduce.tasks.speculative.execution </td> 
 <td> mapreduce.reduce.speculative </td> 
 </tr> 
 <tr> 
 <td> io.sort.factor </td> 
 <td> mapreduce.task.io.sort.factor </td> 
 </tr> 
 <tr> 
 <td> io.sort.mb </td> 
 <td> mapreduce.task.io.sort.mb </td> 
 </tr> 
 </tbody> 
</table>

四、Fair Scheduler相关参数

参考：[http://dongxicheng.org/mapreduce-nextgen/hadoop-yarn-configurations-fair-scheduler/][http_dongxicheng.org_mapreduce-nextgen_hadoop-yarn-configurations-fair-scheduler]

五、Capacity Scheduler相关参数

Capacity Scheduler是YARN中默认的资源调度器。

参考：[http://dongxicheng.org/mapreduce-nextgen/hadoop-yarn-configurations-capacity-scheduler/][http_dongxicheng.org_mapreduce-nextgen_hadoop-yarn-configurations-capacity-scheduler]

[http_dongxicheng.org_mapreduce-nextgen_hadoop-yarn-configurations-fair-scheduler]: http://dongxicheng.org/mapreduce-nextgen/hadoop-yarn-configurations-fair-scheduler/
[http_dongxicheng.org_mapreduce-nextgen_hadoop-yarn-configurations-capacity-scheduler]: http://dongxicheng.org/mapreduce-nextgen/hadoop-yarn-configurations-capacity-scheduler/