1. 程式人生 > >YARN and MapReduce的記憶體優化配置詳解

YARN and MapReduce的記憶體優化配置詳解

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:

<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:

<property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>22528</value>
        <discription>每個節點可用記憶體,單位MB</discription>
    </property>
    
    <property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>1500</value>
        <discription>單個任務可申請最少記憶體,預設1024MB</discription>
    </property>
    
    <property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>16384</value>
        <discription>單個任務可申請最大記憶體,預設8192MB</discription>
    </property>

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:

<property>
        <name>mapreduce.map.memory.mb</name>
        <value>1500</value>
        <description>每個Map任務的實體記憶體限制</description>
    </property>
    
    <property>
        <name>mapreduce.reduce.memory.mb</name>
        <value>3000</value>
        <description>每個Reduce任務的實體記憶體限制</description>
    </property>
    
    <property>
        <name>mapreduce.map.java.opts</name>
        <value>-Xmx1200m</value>
    </property>
    
    <property>
        <name>mapreduce.reduce.java.opts</name>
        <value>-Xmx2600m</value>
    </property>
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

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

轉:http://blog.itpub.net/30089851/viewspace-2127850/