CDH集群之YARN性能调优

Posted 2021-04-05 大数据技术与数仓

本文主要讨论CDH集群的YARN调优配置，关于YARN的调优配置，主要关注CPU和内存的调优，其中CPU是指物理CPU个数乘以CPU核数，即Vcores = CPU数量*CPU核数。YARN是以container容器的形式封装资源的，task在container内部执行。

集群配置

集群的配置主要包括三步，第一是先规划集群的工作主机以及每台主机的配置，第二是规划每台主机的安装的组件及其资源分配，第三是规划集群的规模大小。

工作主机的配置

如下表所示：主机的内存为256G，4个6核CPU，CPU支持超线程，网络带宽为2G

主机     组件	数量	大小	总计	描述
RAM	256G		256G	内存大小
CPU	4	6	48	总CPU核数
HyperThreading CPU	YES			超线程CPU，使操作系统认为处理器的核心数是实际核心数的2倍，因此如果有24个核心的处理器，操作系统会认为处理器有48个核心
网络	2	1G	2G	网络带宽

工作主机安装组件配置

第一步已经明确每台主机的内存和CPU配置，下面为每台节点的服务分配资源，主要分配CPU和内存。

服务	类别	CPU核数	内存(MB)	描述
操作系统	Overhead	1	8192	为操作系统分配1核8G内存，一般4~8G
其它服务	Overhead	0	0	非CDH集群、非操作系统占用的资源
Cloudera Manager agent	Overhead	1	1024	分配1核1G
HDFS DataNode	CDH	1	1024	默认1核1G
YARN NodeManager	CDH	1	1024	默认1核1G
Impala daemon	CDH	0	0	可选的服务，建议至少为impala demon分配16G内存
Hbase RegionServer	CDH	0	0	可选的服务，建议12~16G内存
Solr Server	CDH	0	0	可选的服务，最低1G内存
Kudu Server	CDH	0	0	可选的服务，kudu Tablet server最低1G内存
Available Container Resources		44	250880	剩余分配给yarn的container

container资源分配Physical Cores to Vcores Multiplier：每个container的cpu core的并发线程数，本文设置为1

YARN Available Vcores：YARN可用的CPU核数=Available Container  Resources * Physical Cores to Vcores Multiplier，即为44

YARN Available Memory：250880

集群大小

集群的工作节点个数：10

YARN配置

YARN NodeManager配置属性

配置参数	值	描述
yarn.nodemanager.resource.cpu-vcores	44	yarn 的nodemanager分配44核，每台节点剩余的CPU
yarn.nodemanager.resource.memory-mb	250800	分配的内存大小，每台节点剩余的内存

验证YARN的配置

登录YARN的resourcemanager的WEBUI： http://<ResourceManagerIP>:8088/ ，验证'Memory Total'与'Vcores Total'，如果节点都正常，那么Vcores Total应该为440，Memory应该为2450G，即250800/1024*10

YARN的container配置

YARN的container的Vcore配置

配置参数	值	描述
yarn.scheduler.minimum-allocation-vcores	1	分配给container的最小vcore个数
yarn.scheduler.maximum-allocation-vcores	44	分配给container的最大vcore数
yarn.scheduler.increment-allocation-vcores	1	容器虚拟CPU内核增量

YARN的container内存配置

配置参数	值	描述
yarn.scheduler.minimum-allocation-mb	1024	分配给container的最小内存大小，为1G
yarn.scheduler.maximum-allocation-mb	250880	分配给container的最大内存，等于245G，即为每台节点剩余的最大内存
yarn.scheduler.increment-allocation-mb	512	容器内存增量，默认512M

集群资源分配估计

描述	最小值	最大值
根据每个container的最小内存分配，集群最大的container数量为		2450
根据每个container的最小Vcore分配，集群最大的container数量为		440
根据每个container的最大内存分配，集群的最小container数为	10
根据每个container的最大Vcores分配，集群的最小container数为	10

container合理配置检查

配置约束	描述
最大的Vcore数量必须大于等于分配的最小Vcore数	yarn.scheduler.maximum-allocation-vcores >= yarn.scheduler.minimum-allocation-vcores
分配的最大内存数必须大于等于分配的最小内存数	yarn.scheduler.maximum-allocation-mb >= yarn.scheduler.minimum-allocation-mb
分配的最小核数必须大于等于0	yarn.scheduler.minimum-allocation-vcores >= 0
分配的最大Vcore数必须大于等于1	yarn.scheduler.maximum-allocation-vcores >= 1
每台主机分配给nodemanaer的vcore总数必须大于分配的最小vcore数	yarn.nodemanager.resource.cpu-vcores >= yarn.scheduler.minimum-allocation-vcores
每台主机分配给nodemanaer的vcore总数必须大于分配的最大vcore数	yarn.nodemanager.resource.cpu-vcores >= yarn.scheduler.maximum-allocation-vcores
每台主机分配给nodemanaer的内存必须大于调度分配的最小内存	yarn.nodemanager.resource.memory-mb >= yarn.scheduler.maximum-allocation-mb
每台主机分配给nodemanaer的内存必须大于调度分配的最大内存	yarn.nodemanager.resource.memory-mb >= yarn.scheduler.minimum-allocation-mb
container最小配置	如果yarn.scheduler.minimum-allocation-mb小于1GB，container可能会被YARN杀死，因为会出现OutOfMemory内存溢出的现象

MapReduce配置

ApplicationMaster配置

配置参数	取   值	描述
yarn.app.mapreduce.am.resource.cpu-vcores	1	ApplicationMaster 的虚拟CPU内核数
yarn.app.mapreduce.am.resource.mb	1024	ApplicationMaster的物理内存要求(MiB)
yarn.app.mapreduce.am.command-opts	800	传递到 MapReduce ApplicationMaster 的 Java 命令行参数，AM Java heap 大小，为800M

堆与容器大小之比

配置参数	取值	描述
task自动堆大小	yes
mapreduce.job.heap.memory-mb.ratio	0.8	Map 和 Reduce 任务的堆大小与容器大小之比。堆大小应小于容器大小，以允许 JVM 的某些开销，默认为0.8

map task配置

配置参数	值	描述
mapreduce.map.cpu.vcores	1	分配给map task的vcore数
mapreduce.map.memory.mb	1024	分配给map task的内存数，1G
mapreduce.task.io.sort.mb	400	I/O 排序内存缓冲 (MiB),默认256M，一般不用修改

reduce task配置

配置参数	值	描述
mapreduce.reduce.cpu.vcores	1	分配给reduce task的vcore数
mapreduce.reduce.memory.mb	1024	分配给reduce task的内存数，1G

MapReduce配置合理性检查

• Application Master配置的合理性检查

yarn.scheduler.minimum-allocation-vcores <=  yarn.app.mapreduce.am.resource.cpu-vcores<= yarn-scheduler.maximum-allocation-vcores

yarn.scheduler.minimum-allocation-mb <= yarn.app.mapreduce.am.resource.cpu-vcores <= yarn.scheduler.maximum-allocation-mb  

Java Heap大小是container大小的75%~90%: 太低会造成资源浪费, 太高会造成OOMMap Task配置的合理性检查

• Reduce Task配置的合理性检查

yarn.scheduler.minimum-allocation-vcores <= mapreduce.map.cpu.vcores <= yarn-scheduler.maximum-allocation-vcores

yarn.scheduler.minimum-allocation-mb <= mapreduce.map.memory.mb <= yarn.scheduler.maximum-allocation-mb

Spill/Sort内存为每个task堆内存的40%~60%

• Reduce Task配置的合理性检查

yarn.scheduler.minimum-allocation-vcores <= mapreduce.reduce.cpu.vcores <= yarn-scheduler.maximum-allocation-vcores  

yarn.scheduler.minimum-allocation-mb <= mapreduce.reduce.memory.mb <= yarn.scheduler.maximum-allocation-mb

YARN和MapReduce配置参数总结

YARN/MapReduce参数配置	描述
yarn.nodemanager.resource.cpu-vcores	分配给container的虚拟cpu数
yarn.nodemanager.resource.memory-mb	分配给container的内存大小
yarn.scheduler.minimum-allocation-vcores	分配给container的最小虚拟cpu数
yarn.scheduler.maximum-allocation-vcores	分配给container的最大虚拟cpu数
yarn.scheduler.increment-allocation-vcores	分配给container的递增虚拟cpu数
yarn.scheduler.minimum-allocation-mb	分配给container的最小内存大小
yarn.scheduler.maximum-allocation-mb	分配给container的最大内存
yarn.scheduler.increment-allocation-mb	分配给container的递增内存大小
yarn.app.mapreduce.am.resource.cpu-vcores	ApplicationMaste的虚拟cpu数
yarn.app.mapreduce.am.resource.mb	ApplicationMaste的内存大小
mapreduce.map.cpu.vcores	map task的虚拟CPU数
mapreduce.map.memory.mb	map task的内存大小
mapreduce.reduce.cpu.vcores	reduce task的虚拟cpu数
mapreduce.reduce.memory.mb	reduce task的内存大小
mapreduce.task.io.sort.mb	I/O排序内存大小

note：在CDH5.5或者更高版本中，参数mapreduce.map.java.opts, mapreduce.reduce.java.opts, yarn.app.mapreduce.am.command-opts 会基于container堆内存的比例进行自动配置

— END—

---

戳 “阅读原文”一起来充电吧!