Hadoop  YARN同時(shí)支持內(nèi)存和CPU兩種資源的調(diào)度（默認(rèn)只支持內(nèi)存，如果想進(jìn)一步調(diào)度CPU，需要自己進(jìn)行一些配置），本文將介紹YARN是如何對(duì)這些資源進(jìn)行調(diào)度和隔離的。

在YARN中，資源管理由ResourceManager和NodeManager共同完成，其中，ResourceManager中的調(diào)度器負(fù)責(zé) 資源的分配，而NodeManager則負(fù)責(zé)資源的供給和隔離。ResourceManager將某個(gè)NodeManager上資源分配給任務(wù)（這就是所 謂的“資源調(diào)度”）后，NodeManager需按照要求為任務(wù)提供相應(yīng)的資源，甚至保證這些資源應(yīng)具有獨(dú)占性，為任務(wù)運(yùn)行提供基礎(chǔ)的保證，這就是所謂的 資源隔離。

關(guān)于Hadoop YARN資源調(diào)度器的詳細(xì)介紹，可參考我的這篇文章：YARN/MRv2 Resource Manager深入剖析—資源調(diào)度器。

在正式介紹具體的資源調(diào)度和隔離之前，先品味一下內(nèi)存和CPU這兩種資源的特點(diǎn)，這是兩種性質(zhì)不同的資源。內(nèi)存資源的多少會(huì)會(huì)決定任務(wù)的生死，如果內(nèi)存不夠，任務(wù)可能會(huì)運(yùn)行失??；相比之下，CPU資源則不同，它只會(huì)決定任務(wù)運(yùn)行的快慢，不會(huì)對(duì)生死產(chǎn)生影響。

【YARN中內(nèi)存資源的調(diào)度和隔離】

基于以上考慮，YARN允許用戶配置每個(gè)節(jié)點(diǎn)上可用的物理內(nèi)存資源，注意，這里是“可用的”，因?yàn)橐粋€(gè)節(jié)點(diǎn)上的內(nèi)存會(huì)被若干個(gè)服務(wù)共享，比如一部分給YARN，一部分給HDFS，一部分給HBase等，YARN配置的只是自己可以使用的，配置參數(shù)如下：

（1）yarn.nodemanager.resource.memory-mb

表示該節(jié)點(diǎn)上YARN可使用的物理內(nèi)存總量，默認(rèn)是8192（MB），注意，如果你的節(jié)點(diǎn)內(nèi)存資源不夠8GB，則需要調(diào)減小這個(gè)值，而YARN不會(huì)智能的探測(cè)節(jié)點(diǎn)的物理內(nèi)存總量。

（2）yarn.nodemanager.vmem-pmem-ratio

任務(wù)每使用1MB物理內(nèi)存，最多可使用虛擬內(nèi)存量，默認(rèn)是2.1。

（3） yarn.nodemanager.pmem-check-enabled

是否啟動(dòng)一個(gè)線程檢查每個(gè)任務(wù)正使用的物理內(nèi)存量，如果任務(wù)超出分配值，則直接將其殺掉，默認(rèn)是true。

（4） yarn.nodemanager.vmem-check-enabled

是否啟動(dòng)一個(gè)線程檢查每個(gè)任務(wù)正使用的虛擬內(nèi)存量，如果任務(wù)超出分配值，則直接將其殺掉，默認(rèn)是true。

（5）yarn.scheduler.minimum-allocation-mb

單個(gè)任務(wù)可申請(qǐng)的最少物理內(nèi)存量，默認(rèn)是1024（MB），如果一個(gè)任務(wù)申請(qǐng)的物理內(nèi)存量少于該值，則該對(duì)應(yīng)的值改為這個(gè)數(shù)。

（6）yarn.scheduler.maximum-allocation-mb

單個(gè)任務(wù)可申請(qǐng)的最多物理內(nèi)存量，默認(rèn)是8192（MB）。

默認(rèn)情況下，YARN采用了線程監(jiān)控的方法判斷任務(wù)是否超量使用內(nèi)存，一旦發(fā)現(xiàn)超量，則直接將其殺死。由于Cgroups對(duì)內(nèi)存的控制缺乏靈活性 （即任務(wù)任何時(shí)刻不能超過(guò)內(nèi)存上限，如果超過(guò)，則直接將其殺死或者報(bào)OOM），而Java進(jìn)程在創(chuàng)建瞬間內(nèi)存將翻倍，之后驟降到正常值，這種情況下，采用 線程監(jiān)控的方式更加靈活（當(dāng)發(fā)現(xiàn)進(jìn)程樹(shù)內(nèi)存瞬間翻倍超過(guò)設(shè)定值時(shí)，可認(rèn)為是正?，F(xiàn)象，不會(huì)將任務(wù)殺死），因此YARN未提供Cgroups內(nèi)存隔離機(jī)制。

【YARN中CPU資源的調(diào)度和隔離】

在YARN中，CPU資源的組織方式仍在探索中，目前（2.2.0版本）只是一個(gè)初步的，非常粗粒度的實(shí)現(xiàn)方式，更細(xì)粒度的CPU劃分方式已經(jīng)提出來(lái)了，正在完善和實(shí)現(xiàn)中。

目前的CPU被劃分成虛擬CPU（CPU virtual Core），這里的虛擬CPU是YARN自己引入的概念，初衷是，考慮到不同節(jié)點(diǎn)的CPU性能可能不同，每個(gè)CPU具有的計(jì)算能力也是不一樣的，比如某個(gè) 物理CPU的計(jì)算能力可能是另外一個(gè)物理CPU的2倍，這時(shí)候，你可以通過(guò)為***個(gè)物理CPU多配置幾個(gè)虛擬CPU彌補(bǔ)這種差異。用戶提交作業(yè)時(shí)，可以指 定每個(gè)任務(wù)需要的虛擬CPU個(gè)數(shù)。在YARN中，CPU相關(guān)配置參數(shù)如下：

（1）yarn.nodemanager.resource.cpu-vcores

表示該節(jié)點(diǎn)上YARN可使用的虛擬CPU個(gè)數(shù)，默認(rèn)是8，注意，目前推薦將該值設(shè)值為與物理CPU核數(shù)數(shù)目相同。如果你的節(jié)點(diǎn)CPU核數(shù)不夠8個(gè)，則需要調(diào)減小這個(gè)值，而YARN不會(huì)智能的探測(cè)節(jié)點(diǎn)的物理CPU總數(shù)。

（2） yarn.scheduler.minimum-allocation-vcores

單個(gè)任務(wù)可申請(qǐng)的最小虛擬CPU個(gè)數(shù)，默認(rèn)是1，如果一個(gè)任務(wù)申請(qǐng)的CPU個(gè)數(shù)少于該數(shù)，則該對(duì)應(yīng)的值改為這個(gè)數(shù)。

（3）yarn.scheduler.maximum-allocation-vcores

單個(gè)任務(wù)可申請(qǐng)的最多虛擬CPU個(gè)數(shù)，默認(rèn)是32。

默認(rèn)情況下，YARN是不會(huì)對(duì)CPU資源進(jìn)行調(diào)度的，你需要配置相應(yīng)的資源調(diào)度器讓你支持，具體可參考我的這兩篇文章：

（1）Hadoop YARN配置參數(shù)剖析（4）—Fair Scheduler相關(guān)參數(shù)

（2）Hadoop YARN配置參數(shù)剖析（5）—Capacity Scheduler相關(guān)參數(shù)

默認(rèn)情況下，NodeManager不會(huì)對(duì)CPU資源進(jìn)行任何隔離，你可以通過(guò)啟用Cgroups讓你支持CPU隔離。

由于CPU資源的獨(dú)特性，目前這種CPU分配方式仍然是粗粒度的。舉個(gè)例子，很多任務(wù)可能是IO密集型的，消耗的CPU資源非常少，如果此時(shí)你為它 分配一個(gè)CPU，則是一種嚴(yán)重浪費(fèi)，你完全可以讓他與其他幾個(gè)任務(wù)公用一個(gè)CPU，也就是說(shuō)，我們需要支持更粒度的CPU表達(dá)方式。

借鑒亞馬遜EC2中CPU資源的劃分方式，即提出了CPU最小單位為EC2 Compute Unit（ECU），一個(gè)ECU代表相當(dāng)于1.0-1.2 GHz 2007 Opteron or 2007 Xeon處理器的處理能力。YARN提出了CPU最小單位YARN Compute Unit（YCU），目前這個(gè)數(shù)是一個(gè)整數(shù)，默認(rèn)是720，由參數(shù)yarn.nodemanager.resource.cpu-ycus-per- core設(shè)置，表示一個(gè)CPU core具備的計(jì)算能力（該feature在2.2.0版本中并不存在，可能增加到2.3.0版本中），這樣，用戶提交作業(yè)時(shí)，直接指定需要的YCU即 可，比如指定值為360，表示用1/2個(gè)CPU core，實(shí)際表現(xiàn)為，只使用一個(gè)CPU core的1/2計(jì)算時(shí)間。注意，在操作系統(tǒng)層，CPU資源是按照時(shí)間片分配的，你可以說(shuō)，一個(gè)進(jìn)程使用1/3的CPU時(shí)間片，或者1/5的時(shí)間片。

https://issues.apache.org/jira/browse/YARN-1089

https://issues.apache.org/jira/browse/YARN-1024

Hadoop 新特性、改進(jìn)、優(yōu)化和Bug分析系列5：YARN-3

【總結(jié)】

目前，YARN 內(nèi)存資源調(diào)度借鑒了Hadoop 1.0中的方式，比較合理，但CPU資源的調(diào)度方式仍在不斷改進(jìn)中，目前只是一個(gè)初步的粗糙實(shí)現(xiàn)，相信在不久的將來(lái)，YARN 中CPU資源的調(diào)度將更加完善。

原文鏈接：http://dongxicheng.org/mapreduce-nextgen/hadoop-yarn-memory-cpu-scheduling/