脑补|yarn能并行运行任务总数～

https://cloud.tencent.com/developer/article/1534332

最近知识星球没动静主要原因是知识星球他们在做系统升级，我也很无奈，由此给球友带来的不安，深感抱歉。

前几天球友问了我一个问题：

请问浪总，集群400GB内存，提交了10个任务后就不能继续提交任务了， 资源还剩余300GB，CPU也很充足，完全满足新任务的资源，为啥就不能提交新任务了呢？？？

各位同仁也可以先思考一下可能的原因及解决方案。

估计很多人会说：

很明显，新任务申请的资源，大于了可提供的资源了～ 但是这位球友说的很清楚了，剩余的资源很充足，完全可以提供新任务所需的资源。

知识点小贴士～

对spark on yarn研究比较多的朋友都应该发现过你明明给executor申请了1GB内存，结果发现该executor占用了yarn的2GB内存。

其实，对于spark的driver和executor在申请内存的时候有个计算公式：

spark.yarn.am.memoryOverhead 除了指定的申请资源外额外申请（yarn-client模式）： AM memory * 0.10, with minimum of 384 spark.driver.memoryOverhead 除了指定的申请资源外，额外申请： driverMemory * 0.10, with minimum of 384 spark.executor.memoryOverhead 除了指定的申请资源外，额外申请： executorMemory * 0.10, with minimum of 384

由于1GB*0.10才100MB，所以会是1GB+384MB<2GB，不符合预期。实际上这个还依赖于yarn的内存调度粒度。resourcemanager的参数：

最小值
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>1024</value>
</property>
最大值
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>20480</value>
</property>

默认yarn的调度最小单元就是1GB，所以结果就是使你原本申请1GB(+额外内存)的内存变为了2GB。

读到这里估计很多同学该说了，这个我了解但是貌似跟yarn最大并行度没什么关系呀？别急！

重磅来袭～

其实，yarn为了很方便控制在运行的任务数，也即是处于running状态任务的数目，提供了一个重要的参数配置，但是很容易被忽略。

<property>
    <name>yarn.scheduler.capacity.maximum-am-resource-percent</name>
    <value>0.1</value>
    <description>      Maximum percent of resources in the cluster which can be used to run       application masters i.e. controls number of concurrent running      applications.    </description>
  </property>

配置文件是：hadoop-2.7.4/etc/hadoop/capacity-scheduler.xml

参数含义很明显就是所有AM占用的总内存数要小于yarn所管理总内存的一定比例，默认是0.1。

也即是yarn所能同时运行的任务数受限于该参数和单个AM的内存。

那么回归本话题，可以看看该同学所能申请的AM总内存的大小是：

400GB*0.1=40GB。

但是，该同学配置的yarn的内存调度最小单元是4GB，这样虽然他申请的任务AM每个都是1GB，但是由于调度单位是4GB，所以在这里实际内存就是4GB，刚好10个任务40GB，也就不能提交第11个任务了。

所以需要将调度内存调到默认值1GB，其实一般情况下没必要调整，然后将AM总内存占比提高，比如1，即可。