标签：map container mb memory yarn 参数 内存 mr
一、nodemanager/ratio
yarn.nodemanager.resource.memory-mb
集群中某个计算节点分配给nodemanager的最大可用内存，这个最大可用内存不是该节点最大内存，而是该节点最大内存划分出来的给nodemanager使用的内存，
该配置项在集群启动后，无法动态改变。
比如一个节点最大内存为128G，计划给nodemanager80%的内存资源，则设置yarn.nodemanager.resource.memory-mb为103G，其余25G用作该节点其他资源调配，保证这个计算节点正常运行。
这个配置默认是8G，集群并不会主动检测这个可用内存，如果节点内存资源少于8G，需要将这个配置项设置成实际的资源，如果不配置，集群会按照8G的资源调配，这样会导致可能同时创建过多的container而OOM。
我们这次的主要问题就是这里，因为开发环境是一台8G的电脑，没有配置这个参数，相当于整个节点内存全给创建container，明显是会出问题
yarn.nodemanager.vmem-pmem-ratio
虚拟内存的比例，默认是2.1，即每使用1G物理内存，分配2.1的虚拟内存。
该配置项在集群启动后，无法动态改变。
虚拟内存不够也会报oom，在nodemanager的日志中可以看到。
虚拟内存是个what ？？？
现在还不是很了解这个，只是有时会看到日志报虚拟内存OOM，推荐做法就是将这个值调大，
但至于多少合理，有待研究，毕竟不可能无上限
二、resourceManager
yarn.scheduler.minimum-allocation-mb
这个配置时用来指定单个容器(container)可申请的最小内存资源，
如果申请的内存资源小于这个配置项的值，则按最小值分配。（有的商业版禁止申请小于这个值的内存资源）
这个配置是会影响到单个节点上container个数的，所以比较重要。有下面的经验推荐值：
Total RAM per Node Recommended Minimum Container Size
Less than 4 GB 256 MB
Between 4 GB and 8 GB 512 MB
Between 8 GB and 24 GB 1024 MB
Above 24 GB 2048 MB
参考来自：https://docs.hortonworks.com/HDPDocuments/HDP2/HDP-2.0.6.0/bk_installing_manually_book/content/rpm-chap1-11.html
注：但毕竟是推荐值，其实还是要根据实际情况，比如说这个推荐值的前提是计算节点就是计算节点，跑的其他进程少，可以这么干，像我们这次是单节点，整个集群所有服务都在一个节点上，即使是8G，也肯定不能用1024，512都有压力…
yarn.scheduler.maximum-allocation-mb
单个容器(container)可申请的最大内存资源，应用在运行时申请的内存不能超过这个配置项值，
因为这个配置项是指定一个container最大的内存，实际分配内存时并不是按照这个配置项分配，所以这个配置项可以配置成和nodemanager的可用内存(yarn.nodemanager.resource.memory-mb)一样即可，这样的话，意味着只要这个节点的nodemanager可用内存哪怕只够跑一个container，这个container也是可以启动的。
如果这个参数配置的比nodemanager的可用内存(yarn.nodemanager.resource.memory-mb)小，那么可能出现这个节点总内存即使足够提供所需内存的，但却无法启动container的情况。
三、map/reduce
mapreduce.map.memory.mb
指定map任务时申请的内存，是一个精确值，不是范围值，这就是一个map真实用到内存的值了。
这个配置是可以在脚本或代码中动态申请的，但是取值范围必须是在container内存大小值之间。
即 yarn.scheduler.minimum-allocation-mb < mapreduce.map.memory.mb < yarn.scheduler.maximum-allocation-mb
比如在hive中申请：set mapreduce.map.memory.mb=4096;
实际上，我们现在大部分脚本在执行前都是动态申请一下的。只要在container大小以内。
遗留问题：
这个值该如何配置。还是说不需要配置，只需要把控container的大小内存，有开发人员根据实际情况申请，
mapreduce.reduce.memory.mb
和map的是对应的，指定reduce任务执行时申请的内存，是一个精确值，不是范围值。
可以在脚本或者代码中动态申请，取值范围必须是在container内存大小值之间。
配置时建议这个值是map的2倍，这个可能是要考虑到多个map后数据可能会有一个reduce处理，根据实际需要来看。
mapreduce.map.java.opts
在map阶段的yarnchild进程执行jvm参数， 必须小于mapreduce.map.memory.mb
一般是 0.8 * mapreduce.map.memory.mb
mapreduce.reduce.java.opts
在reduce阶段的yarnchild进程执行jvm参数， 必须小于mapreduce.reduce.memory.mb
一般是 0.8 * mapreduce.reduce.memory.mb
四、applicationMaster
yarn.app.mapreduce.am.resource.mb
指定appMaster的运行内存，默认是1.5g。
appMaster也是运行在container中，所以如果修改了yarn.scheduler.maximum-allocation-mb，就要注意修改这个配置
这个值必须小于 yarn.scheduler.maximum-allocation-mb才可以启动appMaster
标签：map,container,mb,memory,yarn,参数,内存,mr 来源： https://blog.csdn.net/longlovefilm/article/details/116890470
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。