1、YARN架构设计

mr job执行流程，mr on yarn架构设计，yarn架构设计三个指的都是同一个架构

2.YARN生产上资源管理调优-非常重要

至关重要，这里是生产中hadoop平台最核心最重要的地方，伴随着hadoop平台的整个生命周期，好的yarn配置信息会，调优涉及cpu和内存，网络和磁盘在这里不做考虑。

2.1.案例：生产中机器内存资源规划

　　1）一台机器，如48G，8core，首选分配Linux系统本身要占内存+空留:  20% =9.6G， 剩余80%约38G
　　2）vim hadoop-env.sh  #编辑文件，修改 nn，dn进程运行是占用的内存，默认1000M
    　　　HADOOP_NAMENODE_OPTS=-Xmx1024m -Xms1024m #测试追加等号右边参数，修改nn进程内存为1024，生产中根据hadoop集群规模，8G一般够用
  　　　 HADOOP_DATANODE_OPTS=-Xmx1024m -Xms1024m #测试追加等号右边参数，修改dn进程内存为1024，DN进程: 生产是4G，完全够用
　　3）yarn-env.sh #编辑文件，修改 nm，rm进程运行是占用的内存，默认1000M
   　　　 export YARN_RESOURCEMANAGER_HEAPSIZE=1024 #测试修改rm进程内存为1024M，生产8G，完全够用
    　　　export YARN_NODEMANAGER_HEAPSIZE=1024 #测试修改rmnm内存为1024M，生产4G，完全够用
　　4）若模拟生产，环境当前节点只部署了nm，dn进程,当前剩余资源 38 - 4 -4 = 30G。
　　　　编辑yarn-site.xml文件，进行nm内存配置，配置信息如下:
　　　　yarn.nodemanager.resource.memory-mb  #重要，这个参数是配置你nm可使用的总内存总量，默认是8192M，这里要配置为可支配的内存资源，即32*1024M
　　　　yarn.scheduler.minimum-allocation-mb  #默认，容器初始分配最小1024M 
　　　　yarn.scheduler.maximum-allocation-mb  #默认，容器最终分配最大内存8192M 
　　　　此时该机器容器理论数为2-30个，当容器为2时，且其它任务所需要内存远超4G时，就会有4内存浪费了，
　　生产案列：所以以30G内存算我们可以适当将配置最小改为2G，最大为30G（这个最大根据集群实际作业来确定，若都是小作业那么10G也是可以的），container默认是一开始以最低内存去运行任务，若内存不够会一个G一个G的去增加内存，直至达到最大内存限制，若最大内存还不够，则会报异常p memory oom，生产只会将容器内存上限调大，不会调小了。
　　５）vcore是分配给容器的逻辑cpu，它一旦分配，则在容器运行阶段不可更改
　　　　编辑yarn-site.xml文件，配置如下:
　　　　yarn.nodemanager.resource.cpu-vcores    12 #默认是8，生产上根据实际计划的core数来配置
　　　　yarn.scheduler.minimum-allocation-vcores  1  
　　　　yarn.scheduler.maximum-allocation-vcores  4
　　　我因为有8个物理cpu故我放大两倍填为了16,分出4core给其应用，不能因为hadoop繁忙时导致其它进程夯住了。最新的官网pcore和vcore配置比为1:1。若资源很多可以只放大1倍。
　　６）高级调优：此时以内存 32 :2:8,cpu 12:1:4,分别计算容器数为4~16,3~12，则实际container容器数范围为3~12个，当分配3容器且每个容器分配4core时，内存至少会有8G内存无法被利用，故须尽量合理的配置内存和cpu的上限和下限阈值，将两者的范围值拉近。

总结：重要生产hadoop进程以及内存中部署规划
　　1）nm，dn生产上是部署在同一台机器上,分别使用4G,2G内存
　　2）rm,nn可以部署在同一台机器（穷），分别使用8G内存，该机器尽量不部署nm，dm。若hadoop集群节点较多，如上百节点以上可以考虑，将nn增大至16G
　　3）hadoop集群机器可能还部署了其它集群，如kafka或者Hbase，在上面基础上要减去这些组件使用的内存才是nm真正可支配使用的内存。
　　4）snn生产上不会部署，会使用ha进行热备份nn。
　　5）hdfs进程内存大小修改位置于hadoop-env.sh的HADOOP_进程名_OPTS。yarn进程内存大小修改位置于yarn-env.sh的 YARN_进程名_HEAPSIZE
　　6）通过编辑文件yarn-site.xml来修改内存以及vcore调优
　　7）虽然设置了容器的最大和最小内存，但是hadoop不会真的去检验是否有那么多的物理内存，即使是最低的1G都不满足，也是可以跑起任务的。
　　8）yarn的container的vcore数,Cloudera公司建议不要超过5,内存不要超过32G。

3.YARN作业调度
3.1调度类型：

作业一定是归属于某个队列的，队列中的作业调度类型如下
 　　

FIFO调度：先进先出，缺点后来小作业会一直等待大作业完成
　Capacity调度：计算，缺点：浪费资源，若队列无任务也会占用资源
　Fair调度：公平， 生产中只使用该调度，新任务添加入队列，等待该队列中的其它作业空出部分资源，新作业运行完毕后，还回资源。不浪费资源且任务都能运行。

3.2调度规则对比图

hadoop yarn 任务分配数 hadoop yarn调度策略_作业放置规则

3.3作业调度配置

通过动态资源池(后续单独介绍)以及作业放置规则来配置的。

　Apache Hadoop官网案例中队列信息配置如下：配置了队列名称、所能获取的资源信息、资源权重、调度规则

<?xml version="1.0"?>
<allocations>
  <queue name="ABC">
    <minResources>10000 mb,10vcores</minResources>
    <maxResources>60000 mb,30vcores</maxResources>
    <weight>2.0</weight>
    <schedulingPolicy>fair</schedulingPolicy>
  </queue> 
  
<queue name="XYZ">
      <minResources>20000 mb,0vcores</minResources>
      <maxResources>80000 mb,0vcores</maxResources>
      <weight>3.0</weight>
      <schedulingPolicy>fifo</schedulingPolicy>  
</queue>
<queueMaxResourcesDefault>40000 mb,20vcores</queueMaxResourcesDefault>
<queuePlacementPolicy>
    <rule name="specified" />
    <rule name="primaryGroup" create="false" />
    <rule name="default" queue="ABC"/>
  </queuePlacementPolicy>
</allocations>

作业放置规则：
　　　queuePlacementPolicy这里配置的作业的放置规则，首先若该作业提交时指定了队列，则使用该队列，若没有，使用提交作业的用户主组名称队列，若没有用户主组名称队列，则不会创建队列（false），放置到默认的队列ABC中。生产中不搞子队列。