這篇文章主要介紹“Hadoop資源怎么管理”，在日常操作中，相信很多人在Hadoop資源怎么管理問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Hadoop資源怎么管理”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

創(chuàng)新互聯(lián)建站是一家成都網(wǎng)站設(shè)計、成都做網(wǎng)站，提供網(wǎng)頁設(shè)計，網(wǎng)站設(shè)計，網(wǎng)站制作，建網(wǎng)站，按需制作網(wǎng)站，網(wǎng)站開發(fā)公司，2013年至今是互聯(lián)行業(yè)建設(shè)者，服務(wù)者。以提升客戶品牌價值為核心業(yè)務(wù)，全程參與項目的網(wǎng)站策劃設(shè)計制作，前端開發(fā)，后臺程序制作以及后期項目運營并提出專業(yè)建議和思路。

Linux Control Groups(cgroups):在操作系統(tǒng)級別進行資源分配，可通過Cloudera Static Service Pools配置。

YARN調(diào)度器配置:對運行在YARN上的應(yīng)用進行資源配置，比如M/R，implala?？赏ㄟ^Cloudera 動態(tài)資源池進行配置。

以下資源可以通過cgroups配置進行限制：

Memory Hard Limit

– If a process exceeds this limit, the kernel swaps out some of the process’s memory; if it cannot do so, the process will be killed

Memory Soft Limit
– When memory contenFon exists on the host, the OS targets the process to not exceed this limit

CPU Shares
– When CPU contenFon exists on the host, processes with higher CPU shares will be given more CPU time

I/O Weight
– Specify the proportion of I/O access available to the read requests performed by a process 

通過YARN進行資源配置：

YARN scheduler決定何時何處給應(yīng)用分配Containers，Containers被賦予memory，CPU等資源。

YARN支持的scheduler類型：

1.FIFO Scheduler:先進先出調(diào)度器，基于時間順序分配資源。

2.Capacity Scheduler:資源分配到資源池，各資源池中采用FIFO分配資源。

3.Fair Scheduler（default，recommend）:公平調(diào)度器。資源分配到帶有權(quán)重的資源池。各資源池之間按權(quán)重分配資源。

公平調(diào)度器的分配份額永遠不會高于實際的需要。

單一考慮：應(yīng)用內(nèi)存均等的分，CPU均等的分。

綜合考慮：應(yīng)用內(nèi)存，CPU消耗內(nèi)存綜合考慮分配。

每個pool上可以設(shè)權(quán)重，可以設(shè)最小值。

YARN調(diào)度器屬性配置：yarn.resourcemanager.scheduler.class。

YARN沒指定pool，會默認初始化一個和用戶同名的pool。

YARN也支持預(yù)先指定一個pool，運行時動態(tài)指定一個pool。

YARN work node資源配置：

yarn.nodemanager.resource.memory-mb：配置NodeManager的tasks可使用的RAM。

yarn.nodemanager.resource.cpu-vcores：配置NodeManager的tasks可使用的CPU個數(shù)。

yarn.scheduler.minimum-allocation-mb ：配置ResourceManager內(nèi)存。CM default: 1G。

yarn.scheduler.minimum-allocation-vcores:配置ResourceManager的CPU。CM default:1 vcore。

yarn.scheduler.increment-allocation-mb：內(nèi)存規(guī)整化單位，CM default 512M。如果資源請求1.6G，則會分配512*4=2G。

yarn.scheduler.increment-allocation-vcores：cpu規(guī)整化單位。

YARN Container資源分配：

mapreduce.map.memory.mb ：Map task內(nèi)存分配，CM default 1G。

mapreduce.reduce.memory.mb :Reduce task內(nèi)存分配，CM default 1G。

yarn.app.mapreduce.am.resource.mb：ApplicationMaster內(nèi)存分配，CM default 1G。Used by NodeManagers。

yarn.app.mapreduce.am.command-opts：Java堆空間分配，默認1G。

mapreduce.map.java.opts：Java執(zhí)行Mapper時的堆大小。

mapreduce.reduce.java.opts：Java執(zhí)行Reducer時的堆大小。

YARN tuning:

Calculate the resources needed for other processes：

– Reserve 3GB or 20% of total memory for the OS

– Reserve resources for any non-Hadoop applicaFons

– Reserve resources for other any Hadoop components

– HDFS caching (if configured), NodeManager, DataNode

– Impalad, HBase RegionServer, Solr, etc. 

Configure the YARN scheduler and application framework settings

– Based on the worker node profile determined above

– Determine the number of containers needed to best support YARN applicaFons based on the type of workload

– Monitor usage and tune estimated values to find optimal settings 

到此，關(guān)于“Hadoop資源怎么管理”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
當(dāng)前文章：Hadoop資源怎么管理
新聞來源：http://weahome.cn/article/gcodde.html