本文匯總了幾個hadoop yarn中常見問題以及解決方案，注意，本文介紹解決方案適用于hadoop 2.2.0以及以上版本。

（1） 默認情況下，各個節點的負載不均衡（任務數目不同），有的節點很多任務在跑，有的沒有任務，怎樣讓各個節點任務數目盡可能均衡呢？

答： 默認情況下，資源調度器處于批調度模式下，即一個心跳會盡可能多的分配任務，這樣，優先發送心跳過來的節點將會把任務領光（前提：任務數目遠小于集群可以同時運行的任務數量），為了避免該情況發生，可以按照以下說明配置參數：

如果采用的是fair scheduler，可在yarn-site.xml中，將參數yarn.scheduler.fair.max.assign設置為1（默認是-1,）

如果采用的是capacity scheduler（默認調度器），則不能配置，目前該調度器不帶負載均衡之類的功能。

當然，從hadoop集群利用率角度看，該問題不算問題，因為一般情況下，用戶任務數目要遠遠大于集群的并發處理能力的，也就是說，通常情況下，集群時刻處于忙碌狀態，沒有節點一直空閑著。

（2）某個節點上任務數目太多，資源利用率太高，怎么控制一個節點上的任務數目?

答：一個節點上運行的任務數目主要由兩個因素決定，一個是NodeManager可使用的資源總量，一個是單個任務的資源需求量，比如一個 NodeManager上可用資源為8 GB內存，8 cpu，單個任務資源需求量為1 GB內存，1cpu，則該節點最多運行8個任務。

NodeManager上可用資源是由管理員在配置文件yarn-site.xml中配置的，相關參數如下：

yarn.nodemanager.resource.memory-mb：總的可用物理內存量，默認是8096

yarn.nodemanager.resource.cpu-vcores：總的可用CPU數目，默認是8

對于MapReduce而言，每個作業的任務資源量可通過以下參數設置：

mapreduce.map.memory.mb：物理內存量，默認是1024

mapreduce.map.cpu.vcores：CPU數目，默認是1

注：以上這些配置屬性的詳細介紹可參考文章：Hadoop YARN配置參數剖析(1)—RM與NM相關參數。

默認情況，各個調度器只會對內存資源進行調度，不會考慮CPU資源，你需要在調度器配置文件中進行相關設置，具體可參考文章：Hadoop YARN配置參數剖析(4)—Fair Scheduler相關參數和Hadoop YARN配置參數剖析(5)—Capacity Scheduler相關參數。

（3）如何設置單個任務占用的內存量和CPU數目？

答：對于MapReduce而言，每個作業的任務資源量可通過以下參數設置：

mapreduce.map.memory.mb：物理內存量，默認是1024

mapreduce.map.cpu.vcores：CPU數目，默認是1

需要注意的是，默認情況，各個調度器只會對內存資源進行調度，不會考慮CPU資源，你需要在調度器配置文件中進行相關設置。

（4） 用戶給任務設置的內存量為1000MB，為何最終分配的內存卻是1024MB？

答：為了易于管理資源和調度資源，Hadoop YARN內置了資源規整化算法，它規定了最小可申請資源量、***可申請資源量和資源規整化因子，如果應用程序申請的資源量小于最小可申請資源量，則 YARN會將其大小改為最小可申請量，也就是說，應用程序獲得資源不會小于自己申請的資源，但也不一定相等；如果應用程序申請的資源量大于***可申請資源 量，則會拋出異常，無法申請成功；規整化因子是用來規整化應用程序資源的，應用程序申請的資源如果不是該因子的整數倍，則將被修改為最小的整數倍對應的 值，公式為ceil(a/b)*b，其中a是應用程序申請的資源，b為規整化因子。

以上介紹的參數需在yarn-site.xml中設置，相關參數如下：

yarn.scheduler.minimum-allocation-mb：最小可申請內存量，默認是1024

yarn.scheduler.minimum-allocation-vcores：最小可申請CPU數，默認是1

yarn.scheduler.maximum-allocation-mb：***可申請內存量，默認是8096

yarn.scheduler.maximum-allocation-vcores：***可申請CPU數，默認是4

對于規整化因子，不同調度器不同，具體如下：

FIFO和Capacity Scheduler，規整化因子等于最小可申請資源量，不可單獨配置。

Fair Scheduler：規整化因子通過參數yarn.scheduler.increment-allocation-mb和yarn.scheduler.increment-allocation-vcores設置，默認是1024和1。

通過以上介紹可知，應用程序申請到資源量可能大于資源申請的資源量，比如YARN的最小可申請資源內存量為1024，規整因子是1024，如果一個應用程序申請1500內存，則會得到2048內存，如果規整因子是512，則得到1536內存。

（5）我們使用的是Fairscheduler，配置了多個隊列，當用戶提交一個作業，指定的隊列不存在時，Fair Scheduler會自動創建一個新隊列而不是報錯（比如報錯：隊列XXX不存在），如何避免這種情況發生？

答：在yarn-site.xml中設置yarn.scheduler.fair.allow-undeclared-pools，將它的值配置為false（默認是true）。

（6）使用Hadoop 2.0過程中，遇到了錯誤，怎樣排查錯誤？

答：從hadoop 日志入手，Hadoop日志存放位置可參考我這篇文章：Hadoop日志到底存在哪里？

  原文鏈接：http://dongxicheng.org/mapreduce-nextgen/hadoop-yarn-problems-vs-solutions/