一. 问题描述
在hadoop3.0.3集群上执行hive3.1.2的任务,任务提交时报如下错误:
Application application_1409135750325_48141 failed 2 times due to AM Container for
appattempt_1409135750325_48141_000002 exited with exitCode: 143 due to: Container
[pid=4733,containerID=container_1409135750325_48141_02_000001] is running beyond physical memory limits.Current usage: 2.0 GB of 2 GB physical memory used; 6.0 GB of 4.2 GB virtual memory used. Killing container
.
上述日志大致描述了:
任务申请了2.0g的物理内存,6g的虚拟内存,但是yarn只能分配2g的物理内存,4.2g的虚拟内存。因为虚拟内存不够,导致任务无法启动而报错。
文章来源:https://www.toymoban.com/news/detail-699121.html
二. 问题分析与解决
报错的原因是:申请的物理内存比container中物理内存大,导致任务无法运行。那为什么超预算申请?这是我们需要探索的问题。
1. container内存监控
本节讨论yarn是如何监控container的内存变化。
每一个yarn的节点都会运行一个nodemanager,nodemanager会监控container的运行,其中nodemanager会监控container的内存使用率。具体地,nodemanager会定期(yarn.nodemanager.container-monitor.interval-ms
默认三秒)监控container,它会计算进程树(每一个container所有的子进程),检查每一个进程文件/proc/<PID>/stat
(PID:container的pid),并解析物理内存和虚拟内存。
1.1. 虚拟内存判断
如果启用虚拟内存检查(默认为 true,yarn.nodemanager.vmem-check-enabled
),则 YARN 会判断container现在所申请的虚拟内存是否小于允许的最大虚拟内存
而最大的虚拟内存由yarn.nodemanager.vmem-pmem-ratio
(默认为 2.1)计算得出。
比如,container配置 2 GB 物理内存,则该数字乘以 2.1,得出可以使用 4.2 GB 虚拟内存。
1.2. 物理内存判断
如果启用物理内存检查(默认为 true,yarn.nodemanager.pmem-check-enabled
),则 YARN 会判断container现在所申请的物理内存是否小于允许的最大物理内存
综上所述:
如果虚拟或物理高于允许的最大值,YARN 将终止container运行,报错如本文顶部所示。
知道了报错的原因我们就可以针对性的配置mapreduce相关配置,接着往下看。
2. 正确配置mapReduce内存
2.1. 配置map和reduce进程的物理内存:
假如map限制为2GB、reduce限制为4GB,且设置为默认值,则可以在mapred-site.xml中配置:
<property>
<name>mapreduce.map.memory.mb</name>
<value>2048</value>
</property>
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>4096</value>
</property>
而上述的配置必须在container允许的最小和最大内存范围内(在yarn-site.xml中分别检查yarn.scheduler.maximum-allocation-mb和yarn.scheduler.minimum-allocation-mb属性)。
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>1024</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>8196</value>
</property>
2.2. Map 和Reduce 进程的JVM 堆大小
这些大小需要小于您在上一节中配置的物理内存。一般来说,它们应该是 YARN 物理内存设置大小的 80%。采用 2GB 和 4GB 物理内存限制并乘以 0.8 来得出 Java 堆大小。
<property>
<name>mapreduce.map.java.opts</name>
<value>-Xmx1638m</value>
</property>
<property>
<name>mapreduce.reduce.java.opts</name>
<value>-Xmx3278m</value>
</property>
3. 小结
如果说配置之后还是报开头的错误,说明物理内存配置还是小不足以加载mr程序,接着申请了大于2.1比例的虚拟内存,这样任务还是启动不了。
这时可以调大yarn.nodemanager.vmem-pmem-ratio
比例,或者进一步调大物理内存。2.1是yarn推荐的比例(ing),这里建议调整物理内存。
如果是少数任务需要特定调整,则我们可以在任务启动时,根据实际情况配置,动态地传递以下参数,来覆盖不适合此任务的默认配置。
配置 | 描述 |
---|---|
mapreduce.map.memory.mb | map所用物理内存 |
mapreduce.reduce.memory.mb | reduce所用物理内存 |
mapreduce.map.java.opts | map堆内存,一般为mapreduce.map.memory.mb的80% |
mapreduce.reduce.java.opts | reduce堆内存,一般为mapreduce.reduce.memory.mb的80% |
参考:
http://grepalex.com/2016/12/07/mapreduce-yarn-memory/文章来源地址https://www.toymoban.com/news/detail-699121.html
到了这里,关于【hadoop运维】running beyond physical memory limits:正确配置yarn中的mapreduce内存的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!