YARN and MapReduce的【内存】优化配置详解

转载自：http://blog.itpub.net/30089851/viewspace-2127850/

在Hadoop2.x中, YARN负责管理MapReduce中的资源(内存, CPU等)并且将其打包成Container。
使之专注于其擅长的数据处理任务, 将无需考虑资源调度. 如下图所示    
         
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Co
ntainer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. 

目前我这里的服务器情况：6台slave，每台：32G内存，2*6核CPU。

由于hadoop 1.x存在JobTracker和TaskTracker，资源管理有它们实现，在执行mapreduce作业时，资源分为map task和reduce task。
所有存在下面两个参数分别设置每个TaskTracker可以运行的任务数：

点击(此处)折叠或打开

1. <property>
   
2.         <name>mapred.tasktracker.map.tasks.maximum</name>
   
3.         <value>6</value>
   
4.         <description><![CDATA[CPU数量=服务器CPU总核数 / 每个CPU的核数；服务器CPU总核数 = more /proc/cpuinfo | grep 'processor' | wc -l；每个CPU的核数 = more /proc/cpui nfo | grep 'cpu cores']]></description>
   
5. </property>
   
6. <property>
   
7.         <name>mapred.tasktracker.reduce.tasks.maximum</name>
   
8.         <value>4</value>
   
9.         <description>一个task tracker最多可以同时运行的reduce任务数量</description>
   
10. </property>

 

但是在hadoop 2.x中，引入了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，而slot也不再像1.x那样区分Map slot和Reduce slot。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：

点击(此处)折叠或打开

1. <property>
   
2.         <name>yarn.nodemanager.resource.memory-mb</name>
   
3.         <value>22528</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>1500</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>16384</value>
    
16.         <discription>单个任务可申请最大内存，默认8192MB</discription>
    
17.     </property>

 

由于我Yarn集群还需要跑Spark的任务，而Spark的Worker内存相对需要大些，所以需要调大单个任务的最大内存（默认为8G）。

而Mapreduce的任务的内存配置：

点击(此处)折叠或打开

1. <property>
   
2.         <name>mapreduce.map.memory.mb</name>
   
3.         <value>1500</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>3000</value>
   
10.         <description>每个Reduce任务的物理内存限制</description>
    
11.     </property>
    
12.     
    
13.     <property>
    
14.         <name>mapreduce.map.java.opts</name>
    
15.         <value>-Xmx1200m</value>
    
16.     </property>
    
17.     
    
18.     <property>
    
19.         <name>mapreduce.reduce.java.opts</name>
    
20.         <value>-Xmx2600m</value>
    
21.     </property>

mapreduce. map .memory.mb：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<=  22528 / 1500 , reduce 任务的数量<= 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这种模式下，JVM进程跑在container中，mapreduce.{map|reduce}.java.opts 能够通过Xmx设置JVM最大的heap的使用，
一般设置为0.75倍的memory.mb，

则预留些空间会存储java,scala code等。

来自若泽大数据交流群