YARN and MapReduce的【記憶體】優化配置詳解

阿新 • • 發佈：2019-01-09

在Hadoop2.x中, YARN負責管理MapReduce中的資源(記憶體, CPU等)並且將其打包成Container。
使之專注於其擅長的資料處理任務, 將無需考慮資源排程. 如下圖所示

YARN會管理叢集中所有機器的可用計算資源. 基於這些資源YARN會排程應用(比如MapReduce)發來的資源請求, 然後YARN會通過分配Co
ntainer來給每個應用提供處理能力, Container是YARN中處理能力的基本單元, 是對記憶體, CPU等的封裝.

目前我這裡的伺服器情況：6臺slave，每臺：32G記憶體，2*6核CPU。

由於hadoop 1.x存在JobTracker和TaskTracker，資源管理有它們實現，在執行mapreduce作業時，資源分為map task和reduce task。

所有存在下面兩個引數分別設定每個TaskTracker可以執行的任務數：

點選(此處)摺疊或開啟

<property>
<name>mapred.tasktracker.map.tasks.maximum</name>
<value>6</value>
<description><![CDATA[CPU數量=伺服器CPU總核數 / 每個CPU的核數；伺服器CPU總核數 = more /proc/cpuinfo | grep 'processor' | wc -l；每個CPU的核數 =

more /proc/cpui nfo | grep 'cpu cores']]></description>
</property>
<property>
<name>mapred.tasktracker.reduce.tasks.maximum</name>
<value>4</value>
<description>一個task tracker最多可以同時執行的reduce任務數量</description>
</property>

但是在hadoop 2.x中，引入了Yarn架構做資源管理，在每個節點上面執行NodeManager負責節點資源的分配，而slot也不再像1.x那樣區分Map slot和Reduce slot。在Yarn上面Container是資源的分配的最小單元。

Yarn叢集的記憶體分配配置在yarn-site.xml檔案中配置：

點選(此處)摺疊或開啟

由於我Yarn叢集還需要跑Spark的任務，而Spark的Worker記憶體相對需要大些，所以需要調大單個任務的最大記憶體（預設為8G）。

而Mapreduce的任務的記憶體配置：

點選(此處)摺疊或開啟

mapreduce.map.memory.mb：每個map任務的記憶體，應該是大於或者等於Container的最小記憶體。
按照上面的配置：每個slave可以執行map的資料<= 22528/1500,reduce任務的數量<=22528/3000 。

mapreduce.map.memory.mb >mapreduce.map.java.opts
mapreduce.reduce.memory.mb >mapreduce.reduce.java.opts

mapreduce.map.java.opts / mapreduce.map.memory.mb
=0.70~0.80
mapreduce.reduce.java.opts / mapreduce.reduce.memory.mb
=0.70~0.80

在yarn container這種模式下，JVM程序跑在container中，mapreduce.{map|reduce}.java.opts 能夠通過Xmx設定JVM最大的heap的使用，
一般設定為0.75倍的memory.mb，

則預留些空間會儲存java,scala code等。