您好,登錄后才能下訂單哦!
本篇文章給大家分享的是有關(guān)如何進(jìn)行spark on yarn 的資源調(diào)度器設(shè)置.,小編覺得挺實用的,因此分享給大家學(xué)習(xí),希望大家閱讀完這篇文章后可以有所收獲,話不多說,跟著小編一起來看看吧。
最近一段時間 發(fā)現(xiàn)了一個問題. 就是即便在整個集群 不忙的時候, 也會某幾個節(jié)點, 會被spark on yarn 的任務(wù)跑滿.
而不是把任務(wù)均勻的分配到到多幾個節(jié)點上.
百思不解.
于是開始各個方面的調(diào)查. 從spark 方面沒有發(fā)現(xiàn)什么問題. 回過頭來看yarn .
發(fā)現(xiàn)原來使我們的資源調(diào)度的配置上有點問題.
<property>
<name>yarn.scheduler.capacity.resource-calculator</name>
<!--value>org.apache.hadoop.yarn.util.resource.DefaultResourceCalculator</value-->
<value>org.apache.hadoop.yarn.util.resource.DominantResourceCalculator</value>
<description>
The ResourceCalculator implementation to be used to compare
Resources in the scheduler.
The default i.e. DefaultResourceCalculator only uses Memory while
DominantResourceCalculator uses dominant-resource to compare
multi-dimensional resources such as Memory, CPU etc.
</description>
</property>
問題就出在這里了. default 調(diào)度器, 只關(guān)注node 的內(nèi)存 情況, 根據(jù)內(nèi)存情況來分派任務(wù).
這就是導(dǎo)致, 如果一個spark 任務(wù)向yarn 申請container 的時候, yarn 只關(guān)注了 某幾個點的內(nèi)存情況.
如果內(nèi)存滿足 spark 的要求, 就可能把所有的container 都分派到一個node 去,導(dǎo)致這個node 節(jié)點 負(fù)載飚高.
比如 spark 申請 10個 1g 內(nèi)存的container . 然后 yarn 發(fā)現(xiàn)有2個節(jié)點 各有5g 空閑內(nèi)存, 但是卻只有3個cpu 空閑.
那么可能就會只有這倆node 來跑這10個container , 而不是把10個container 分配到10個node上去.
然后就出現(xiàn)我們前面說的情況. 內(nèi)存充足但是cpu不足. 導(dǎo)致spark 的container 只有3個在運行. 另外倆個要等待 .
這也符合我們前面看到的現(xiàn)象.
以上就是如何進(jìn)行spark on yarn 的資源調(diào)度器設(shè)置.,小編相信有部分知識點可能是我們?nèi)粘9ぷ鲿姷交蛴玫降?。希望你能通過這篇文章學(xué)到更多知識。更多詳情敬請關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。