yarn资源管理

在TARN中，资源管理由RescoueceManager和NodeManager共同完成，其中，Resourcemanager中的调度器负责资源分配，而NodeManager则负责资源的供给和隔离。

ResourceManager将某个Nodemanager上资源分配给任务（这就是所谓的资源调度）后，NodeManager需按照要求为任务提供相应的资源，甚至保证这些资源应具备独占性，为任务运行提供基础保证，这就是所谓的资源隔离。

 图解：容器是内存和vcore的抽象概念。容器运行在nm节点

  基于以上考虑，YARN容许用户配置每、个节点上可用的物理内存资源，注意，这里是“可用的”，由于一个节点上的内存会被若干个服务共享，好比一部分给YARN，一部分给HDFS，一部分给HBase等，YARN配置的只是本身可使用的，配置参数以下：

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

表示该节点上YARN可以使用的物理内存总量，默认是8192MB，注意，若是你的节点内存资源不够8G，则须要调减少这个值，而YARN不会智能的探测节点的物理内存总量。

上边这两个参数是有关联的，若是yarn.nodemanager.resource.detect-hardware-capabilities 为true而且yarn.nodemanager.resource.memory-mb 为-1，那么

yarn.nodemanager.resource.memory-mb是自动计算，若是不是则yarn.nodemanager.resource.memory-mb=8G(默认)

（2）yarn.scheduler.minimum-allocation-mb 

        单个任务可申请的最少内存，默认时1024M，若是一个任务申请的物理内存量少于该值，则该对应的值减小位这个数

（3）yarn.scheduler.maximum-allocation-mb

         单个任务可申请的最大内存，默认时8192M

（4）yarn.nodemanager.pmem-check-enabled      true

         是否启动一个线程检查每一个任务正在使用的物理内存量，若是任务超出分配值，直接将他杀掉，默认是True

（5）yarn.nodemanager.vmem-check-enabled     true

         是否启动一个线程检查每一个任务正在使用的虚拟内存量，若是任务超出分配值，直接将他杀掉，默认是True

（6）yarn.nodemanager.vmem-pmem-ratio           2.1

任务每使用1M的物理内存，最多可以使用的虚拟内存量

 

目前的CPU被划分红虚拟CPU（CPU virtual Core），这里的虚拟CPU是YARN本身引入的概念，初衷是，考虑到不一样节点的CPU性能可能不一样，每一个CPU具备的计算能力也是不同的，好比某个物理CPU的计算能力多是另一个物理CPU的2倍，这时候，你能够经过为第一个物理CPU多配置几个虚拟CPU弥补这种差别。用户提交做业的时候，能够指定每一个任务须要的虚拟CPU个数。在YARN中，CPU相关配置参数以下：

(7) yarn.nodemanager.resource.cpu-vcores    12 

      表示该节点上YARN可以使用的虚拟CPU个数，默认是8，目前推荐将该值设置位与物理CPU核数数目相同。若是物理CPU核数不够8，则须要调小这个值，而YARN不       会智能的探测物理CPU总数。
(8) yarn.scheduler.minimum-allocation-vcores   1

      单个任务可申请的最小CPU个数，默认是1，若是一个任务申请的CPU个数小于该数，则将该数改成这个数。
(9) yarn.scheduler.maximum-allocation-vcores   4

      单个任务可申请的最大CPU个数，默认是4

 

container: 容器个数的判别标准有两个维度

 一个是物理内存，一个是CPU

memory 16c~4c
vcores 12c~3c

总结:  yarn的在调优时候要综合考虑CPU和内存的分配，尽可能保证不要空出多余的资源，假如container总内存30，container最小2G，总vcore8 container 最小1c

那么咱们内存能够启动最多15个container，cpu最多启动8个container，最终能够启动8个container，会有至关多的内存没有用到。因此生产上的调优配置须要综合考量内存和 CPU的配比。