CDH集群調優的方法是什么

本文小編為大家詳細介紹“CDH集群調優的方法是什么”，內容詳細，步驟清晰，細節處理妥當，希望這篇“CDH集群調優的方法是什么”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

DRF和相關參數

DRF: Dominant Resource Fairness，根據CPU和內存公平調度資源。CDH動態資源池默認采用的DRF計劃策略。簡單的理解就是內存不夠的時候，多余的CPU就不會分配任務了，就讓他空著；CPU不夠的時候，多出來的內存也不會再啟動任務了。

理解這個計劃策略后，再查看Yarn啟動任務時資源相關的參數，發現有以下幾個參數可能會產生影響：

• mapreduce.map.memory.mb ，map任務內存，cdh默認1G

• mapreduce.map.cpu.vcores ，map任務虛擬CPU核數，cdh默認1

• mapreduce.reduce.memory.mb ，reduce任務內存，cdh默認1G

• mapreduce.reduce.cpu.vcores ，reduce任務虛擬CPU核數，cdh默認1

• yarn.nodemanager.resource.memory-mb ，容器內存，cdh默認8G

• yarn.nodemanager.resource.cpu-vcores ，容器虛擬CPU核數，cdh默認8，但CM會自動檢測內核數并修改，我這里被自動改成了24。

可以看到默認配置下，CPU核數和內存是1：1G的比例來啟動任務的。

接著查看了下分配給Yarn的內存，果然是8×15=120G，所以可用內存比可用vcores（360個）比起來就小太多了，導致按照1：1G的比例下最多只能使用120個vcores。

測試

為了證實我的猜想，將     yarn.nodemanager.resource.memory-mb     調成了16G（咱內存128G，管夠）。重啟yarn后，再次啟動MR，于是有了下圖：

可以看到參數調整前，Yarn可用內存為120G，調整后變成了240G；vcores由調整前的120變成了240。至此，證明猜想正確。

所以對于這個集群來說，由于內存為128G，內核為24個，所以完全可以將    yarn.nodemanager.resource.memory-mb    參數調成24G，這樣就能將所有的CPU都利用起來了。

測試結果

yarn.nodemanager.resource.memory-mb    為8G時：

Time taken: 3794.17 secondsTotal MapReduce CPU Time Spent: 3 days 10 hours 43 minutes 22 seconds 640 msec

yarn.nodemanager.resource.memory-mb    為16G時：

Time taken: 2077.138 secondsTotal MapReduce CPU Time Spent: 3 days 12 hours 55 minutes 43 seconds 210 msec

可以看到確實快了很多很多。(ps:兩次跑的任務所用的數據不一樣，以免緩存導致第二次跑相同的任務會速度比第一次快，但兩次任務所用的數據量差不多，都在650G左右)

其它

查看VCores SQL

SELECT allocated_vcores_cumulative, available_vcores where category=YARN_POOL and serviceName="yarn" and queueName=root

查看分配給Yarn的內存 SQL

SELECT allocated_memory_mb_cumulative, available_memory_mb where category=YARN_POOL and serviceName="yarn" and queueName=root

當然最簡單的查看方式就是在CM的“動態資源池”頁面看。

讀到這里，這篇“CDH集群調優的方法是什么”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。