目錄關於yarn常用引數設定
yarn我們都知道主要是用於做資源排程，任務分配等功能的，那麼在hadoop當中，究竟使用什麼演算法來進行任務排程就需要我們關注了，hadoop支援好幾種任務的排程方式，不同的場景需要使用不同的任務排程器.
把任務按提交的順序排成乙個佇列，這是乙個先進先出佇列，在進行資源分配的時候，先給佇列中最頭上的任務進行分配資源，待最頭上任務需求滿足後再給下乙個分配，以此類推。
fifo scheduler是最簡單也是最容易理解的排程器，也不需要任何配置，但它並不適用於共享集群。大的任務可能會占用所有集群資源，這就導致其它任務被阻塞。
capacity 排程器允許多個組織共享整個集群，每個組織可以獲得集群的一部分計算能力。通過為每個組織分配專門的佇列，然後再為每個佇列分配一定的集群資源，這樣整個集群就可以通過設定多個佇列的方式給多個組織提供服務了。除此之外，佇列內部又可以垂直劃分，這樣乙個組織內部的多個成員就可以共享這個佇列資源了，在乙個佇列內部，資源的排程是採用的是先進先出(fifo)策略。
（每個使用者平分）
fair排程器的設計目標是為所有的應用分配公平的資源（對公平的定義可以通過引數來設定）。公平排程在也可以在多個佇列間工作。舉個例子，假設有兩個使用者a和b，他們分別擁有乙個佇列。當a啟動乙個job而b沒有任務時，a會獲得全部集群資源；當b啟動乙個job後，a的job會繼續執行，不過一會兒之後兩個任務會各自獲得一半的集群資源。如果此時b再啟動第二個job並且其它job還在執行，則它將會和b的第乙個job共享b這個佇列的資源，也就是b的兩個job會用於四分之一的集群資源，而a的job仍然用於集群一半的資源，結果就是資源最終在兩個使用者之間平等的共享
使用哪種排程器取決於yarn-site.xml當中的
yarn.resourcemanager.scheduler.class這個屬性的配置
處理器數量 ：虛擬的cpu顆數。
每個處理器的核心數量：虛擬的cpu核心數。
處理器核心總數：處理器核心總數 = 處理器數量 * 每個處理器的核心數量。
注：乙個cpu有多個核心（單核/雙核/四核/六核/八核），而乙個核心一般對應乙個執行緒，但通過intel的超執行緒技術，乙個核心可以對應兩個執行緒，即可以同時執行兩個執行緒，並行處理兩個任務。
yarn.scheduler.maximum-allocation-mb 8192 給應用程式container分配的最大記憶體
yarn.scheduler.minimum-allocation-vcores 1 每個container預設給分配的最小的虛擬核心個數
yarn.scheduler.maximum-allocation-vcores 32 每個container可以分配的最大的虛擬核心的個數
yarn.nodemanager.resource.memory-mb 8192 nodemanager可以分配的最大記憶體大小，預設8192mb
yarn.nodemanager.resource.memory-mb 8192
交換區空間就是講一塊硬碟拿出來做記憶體使用,這裡指定的是nodemanager的2.1倍
yarn.nodemanager.vmem-pmem-ratio 2.1
Yarn資源排程
由於yarn良好的相容性和擴充套件性，目前可以支援大部分資料引擎，所以了解yarn的資源排程原理很有必要，yarn主要由四個重要角色組成 yarn排程主要分為8個步驟如上圖所示 1.有yarnclient提交program資訊打拼resourcemanager，包括 應用 和應用需要的一切引數和環境...
Yarn資源排程
yarn的介紹 yarn是hadoop集群當中的資源管理系統模組，從hadoop2.0開始引入yarn模組，yarn可為各類計算框架提供資源的管理和排程，主要用於管理集群當中的資源 主要是伺服器的各種硬體資源，包括cpu，記憶體，磁碟，網路io等 以及排程執行在yarn上面的各種任務。yarn核心出...
Yarn 資源排程策略
在yarn中有三種排程器可以選擇 fifo scheduler capacity scheduler，fair scheduler。配置方法 fifo scheduler把應用按提交的順序排成乙個佇列，這是乙個先進先出佇列，在進行資源分配的時候，先給佇列中最頭上的應用進行分配資源，待最頭上的應用需求...