YARN内存使用优化配置
来源:互联网 发布:心理学本科网络教育 编辑:程序博客网 时间:2024/06/02 18:47
YARN内存使用优化配置
在Hadoop2.0中, YARN负责管理MapReduce中的资源(内存, CPU等)并且将其打包成Container. 这样可以精简MapReduce, 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Container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:
<property> <name>mapred.tasktracker.map.tasks.maximum</name> <value>6</value> <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></property><property> <name>mapred.tasktracker.reduce.tasks.maximum</name> <value>4</value> <description>一个task tracker最多可以同时运行的reduce任务数量</description></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:
<property> <name>yarn.nodemanager.resource.memory-mb</name> <value>22528</value> <discription>每个节点可用内存,单位MB</discription> </property> <property> <name>yarn.scheduler.minimum-allocation-mb</name> <value>1500</value> <discription>单个任务可申请最少内存,默认1024MB</discription> </property> <property> <name>yarn.scheduler.maximum-allocation-mb</name> <value>16384</value> <discription>单个任务可申请最大内存,默认8192MB</discription> </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:
<property> <name>mapreduce.map.memory.mb</name> <value>1500</value> <description>每个Map任务的物理内存限制</description> </property> <property> <name>mapreduce.reduce.memory.mb</name> <value>3000</value> <description>每个Reduce任务的物理内存限制</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
0 0
- YARN内存使用优化配置
- YARN内存使用优化配置
- YARN内存使用优化配置
- YARN内存使用优化配置
- YARN内存使用优化配置
- Hadoop Yarn内存使用优化配置
- Hadoop Yarn内存使用优化配置
- YARN and MapReduce的【内存】优化配置详解
- yarn、spark配置优化
- yarn内存配置指南
- yarn内存配置
- yarn内存配置指南
- yarn 配置内存
- Hadoop YARN中内存配置
- yarn简介及内存配置
- 如何优化YARN和MapReduce内存
- Yarn简单介绍及内存配置
- Yarn简单介绍及内存配置
- java\大数据牛人 -flychao88
- 坑之:Waiting server-side response timeout
- android app 换包名流程
- Mojo 分析日志接口
- 记录帖--SpringMVC 配置静态资源
- YARN内存使用优化配置
- JavaScript 面向对象:多态
- 关于navicat for mysql注册码问题
- Android事件处理
- 使用路径动画完成一个简洁优雅的启动页动画
- Eclipse通过Maven插件创建webapp项目中遇到的问题
- link to gibbsLDA++
- 网站运营怎么寻找“种子用户”?
- 图解WordPress的安装与使用