Yarn top命令解释_vcoresecs

yarn top -queues hadoop

Hadoop集群中资源使用情况的实时视图。YARN是Hadoop的资源管理系统，负责分配系统资源给各个正在运行的应用程序

• YARN top - 09:00:41, up 1d, 23:35, 0 active users, queue(s): hadoop: 这表示在09:00:41的时候，YARN已经运行了1天23小时35分钟，当前没有活跃用户，工作队列名称为hadoop。
• NodeManager(s): 10 total, 10 active, 0 unhealthy, 0 decommissioned, 5 lost, 0 rebooted: 集群中总共有10个NodeManager（负责管理单个节点的资源），其中10个处于活跃状态，没有不健康的NodeManager，也没有被停用的，有5个丢失，没有重新启动的。
• Queue(s) Applications: 27 running, 10 submitted, 0 pending, 12 completed, 10 killed, 0 failed: 在队列中，有27个应用正在运行，共提交了10个应用，没有等待中的应用，12个已完成，10个被终止，没有失败的。
• Queue(s) Mem(GB): 500 available, 200 allocated, 0 pending, 0 reserved: 在内存资源方面，有500GB可用，已经分配了200GB，没有等待分配的，也没有保留的内存。
• Queue(s) VCores: 200 available, 30 allocated, 0 pending, 0 reserved: 在虚拟CPU核心方面，有200个可用，已经分配了30个，没有等待分配的，也没有保留的核心。
• Queue(s) Containers: 30 allocated, 0 pending, 0 reserved: 在容器方面，已经分配了30个容器，没有等待分配的，也没有保留的容器。

具体的应用程序的信息：

• APPLICATIONID: 应用程序的ID，这里是application_1664244319391_xxx。
• USER: 提交应用程序的用户，这里是deployer。
• TYPE: 应用程序类型，这里是spark。
• QUEUE: 应用程序提交到的队列，这里是hadoop。
• PRIOR: 应用程序的优先级，这里是0。
• #CONT: 分配给该应用的容器数量，这里是11。
• #RCONT: 保留字段，通常为0。
• VCORES: 分配给该应用的虚拟CPU核心数，这里是11。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）

注大数据获取）**
[外链图片转存中…(img-yf4r86F8-1712866112375)]