脑补|yarn能并行运行任务总数~
最近知识星球没动静主要原因是知识星球他们在做系统升级,我也很无奈,由此给球友带来的不安,深感抱歉。
前几天球友问了我一个问题:
请问浪总,集群400GB内存,提交了10个任务后就不能继续提交任务了,资源还剩余300GB,CPU也很充足,完全满足新任务的资源,为啥就不能提交新任务了呢???
各位同仁也可以先思考一下可能的原因及解决方案。
估计很多人会说:
很明显,新任务申请的资源,大于了可提供的资源了~
但是这位球友说的很清楚了,剩余的资源很充足,完全可以提供新任务所需的资源。
知识点小贴士~
对spark on yarn研究比较多的朋友都应该发现过你明明给executor申请了1GB内存,结果发现该executor占用了yarn的2GB内存。
其实,对于spark的driver和executor在申请内存的时候有个计算公式:
spark.yarn.am.memoryOverhead 除了指定的申请资源外额外申请(yarn-client模式):AM memory * 0.10, with minimum of 384spark.driver.memoryOverhead 除了指定的申请资源外,额外申请:driverMemory * 0.10, with minimum of 384spark.executor.memoryOverhead 除了指定的申请资源外,额外申请:executorMemory * 0.10, with minimum of 384
由于1GB*0.10才100MB,所以会是1GB+384MB<2GB,不符合预期。实际上这个还依赖于yarn的内存调度粒度。resourcemanager的参数:
最小值
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>1024</value>
</property>
最大值
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>20480</value>
</property>
默认yarn的调度最小单元就是1GB,所以结果就是使你原本申请1GB(+额外内存)的内存变为了2GB。
读到这里估计很多同学该说了,这个我了解但是貌似跟yarn最大并行度没什么关系呀?别急!
重磅来袭~
其实,yarn为了很方便控制在运行的任务数,也即是处于running状态任务的数目,提供了一个重要的参数配置,但是很容易被忽略。
<property>
<name>yarn.scheduler.capacity.maximum-am-resource-percent</name>
<value>0.1</value>
<description> Maximum percent of resources in the cluster which can be used to run application masters i.e. controls number of concurrent running applications. </description>
</property>
配置文件是:hadoop-2.7.4/etc/hadoop/capacity-scheduler.xml
参数含义很明显就是所有AM占用的总内存数要小于yarn所管理总内存的一定比例,默认是0.1。
也即是yarn所能同时运行的任务数受限于该参数和单个AM的内存。
那么回归本话题,可以看看该同学所能申请的AM总内存的大小是:
400GB*0.1=40GB。
但是,该同学配置的yarn的内存调度最小单元是4GB,这样虽然他申请的任务AM每个都是1GB,但是由于调度单位是4GB,所以在这里实际内存就是4GB,刚好10个任务40GB,也就不能提交第11个任务了。
所以需要将调度内存调到默认值1GB,其实一般情况下没必要调整,然后将AM总内存占比提高,比如1,即可。
好了,更多优良知识欢迎加入浪尖知识星球。