一、概述
Hadoop YARN (Yet Another Resource Negotiator)
使用 Cgroups
(Control Groups)来进行资源管理和隔离。Cgroups
是 Linux 内核提供的一种机制,用于限制、账户和隔离进程组(process groups)的资源(例如 CPU、内存、磁盘 I/O 等)。
以下是 Hadoop YARN Cgroups
的主要讲解:
- 资源隔离和管理:
Cgroups
允许将进程组织成层次结构,每个层次结构都可以分配特定的资源配额。在Hadoop YARN
中,每个应用程序或容器都可以被放置在一个独立的 Cgroup 中,以确保资源隔离和管理。 - 支持的资源:
YARN Cgroups
主要用于限制和管理以下资源:- CPU: 限制每个容器可以使用的 CPU 资源。
- 内存: 限制每个容器可以使用的内存资源。
- 磁盘 I/O: 限制每个容器可以使用的磁盘 I/O 资源。
- Cgroups 配置:
在YARN
中,Cgroups
的配置信息通常在yarn-site.xml
文件中指定。配置项包括:-
yarn.nodemanager.linux-container-executor.cgroups.hierarchy
: Cgroups 层次结构的名称。 -
yarn.nodemanager.linux-container-executor.cgroups.mount
: 是否挂载 Cgroups。
-
-
Cgroups
的使用场景:- 资源隔离:
Cgroups
允许将任务或容器隔离在一个独立的环境中,防止它们互相干扰。 - 资源配额: 可以为每个任务或容器设置资源配额,防止其使用过多的 CPU、内存等资源。
- 任务优先级: 通过调整
Cgroups
中的资源限制,可以为不同的任务分配不同的优先级。
- 资源隔离:
-
YARN
中的Cgroups
实现:YARN
使用Linux Container Executor(LCE)
来实现容器的隔离和资源管理。LCE
负责为每个容器创建Cgroup
并进行资源的配置。 - 注意事项和配置建议:
- 配置
Cgroups
时需要确保系统启用了Cgroups
功能,且相应的内核模块已加载。 - 可以根据实际需求配置
Cgroups
的层次结构和资源限制。
- 配置
官方文档:https://hadoop.apache.org/docs/current/hadoop-yarn/hadoop-yarn-site/NodeManagerCgroups.html
二、Hadoop 环境准备
可以选择物理部署,如果只是测试的话,也可以选择容器部署,这里为了快速测试就选择容器部署了。物理部署和容器部署教程如下:
- 大数据Hadoop原理介绍+安装+实战操作(HDFS+YARN+MapReduce)
- 大数据Hadoop之——数据仓库Hive
- 大数据Hadoop之——计算引擎Spark
- 通过 docker-compose 快速部署 Hive 详细教程
三、内存资源限制
Hadoop 3.x 里 YARN 的内存限制策略有三种:
-
无限制:无限制模式不会限制
container
内存的使用,该模式下集群的资源利用率高。但是遇到一些不太守规矩的用户,会出现申请很少内存但是占用很多的作业,这种作业会严重影响到集群的稳定性,如果没有持续运营,会导致集群在某些阶段面临很严重的稳定性风险。 -
严格限制:严格模式会限制进程实际使用的内存,并将实际使用内存超过申请内存的作业杀掉。在 Java 的计算任务中,其实存在大量非堆内存使用,很难在作业提交前预测出作业实际的内存占用情况。因此严格模式会导致很多任务出现 OOM 被 kill 的情况,对于平台方来说会有比较高的 oncall 成本,对用户需要了解底层的一些细节,并且不断调整作业的内存配置。好处也比较明显,整个集群作业的资源使用收到严格限制,作业和作业时间的隔离相对比较彻底,因此整个集群的稳定性有非常好的保障。严格模式下有两种实现方式:
- 基于 poll 模式,
NodeManager
内部会有一个MonitorThread
定时检查每个container
的内存使用(rss)是否超过了申请的内存,并将超过内存的 container 杀掉,在ResourceManager
中能看到Task
被 kill 的原因。这个策略有个小问题是检测有间隔,如果一个container
短时间内大量申请内存,还是会有一点风险。另外一个问题就是,这个策略无法限制CPU
的使用。 - 另外一种就是基于 Linux 的
CGroups
机制去限制每个 Container 的内存使用。CGroups
也是Docker
限制进程资源的核心机制,不过在 YARN 中,是由NodeManager
来完成CGroups
策略的创建和销毁。Cgroups
的机制相比MonitorThread
比,借助了操作系统原生的资源隔离机制,可以同时支持 CPU 和内存、网络的限制。
- 基于 poll 模式,
整个严格模式的通病就是:如果内存限制太严格,会导致任务容易挂掉,会有大量的沟通成本;CPU 限制太严格,任务的计算性能不佳,同时集群的资源利用率会低。
-
弹性内存控制:弹性模式的主要思路是将
NodeManager
和他管理的container
看作一个整体,通过CGroups
进行隔离。允许某些 container 使用超过自己申请的资源,同时如果整体资源超过了阈值,就启动严格的限制策略进行驱逐。
【注意】
Hadoop 2.x
时还不支持 CGroup,内存限制主要基于 poll 的线程来限制,如果遇到 NodeManager 短时间分配大量内存,会导致内存限制策略失效,进而引发内存问题。
弹性模式的配置如下:
<!-- 关闭严格模式 -->
<property>
<name>yarn.nodemanager.resource.memory.enforced</name>
<value>false</value>
</property>
<!-- 开启 CGroup 内存资源限制 -->
<property>
<name>yarn.nodemanager.resource.memory.enabled</name>
<value>true</value>
</property>
<!-- 弹性内存 -->
<property>
<name>yarn.nodemanager.elastic-memory-control.enabled</name>
<value>true</value>
</property>
<!-- 开启物理内存检查 -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>true</value>
</property>
<!--cancel check of physical and virtural memory allocation-->
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
<!-- Using Cgroup -->
<property>
<name>yarn.nodemanager.linux-container-executor.resources-handler.class</name>
<value>org.apache.hadoop.yarn.server.nodemanager.util.CgroupsLCEResourcesHandler</value>
</property>
<!-- CPU 资源限制 -->
<property>
<name>yarn.nodemanager.resource.percentage-physical-cpu-limit</name>
<value>90</value>
</property>
但是内存一般通过设置yarn.nodemanager.resource.memory-mb
参数即可控制NM节点的内存使用上限。主要是CPU的限制,接下来就细讲CPU资源限制。
四、CPU 资源限制
CGroups
是一种将任务及其子任务聚集和划分进一个垂直的分组的策略,并提供在此结构上的特别的操作。CGroups
是 Linux 内核功能,自内核版本 2.6.24
被引入。从 Yarn 角度,该功能使得限额容器的资源使用成为可能。一个示例是 CPU 使用,如果没有 CGroups,限制容器的 CPU 使用非常困难。
官方文档:https://hadoop.apache.org/docs/current/hadoop-yarn/hadoop-yarn-site/NodeManagerCgroups.html
前期准备工作:
###1、 分配可执行文件权限
chown root:hadoop /opt/apache/hadoop/bin/container-executor
# 该配置文件权限特殊,得设置6050权限
chmod 6050 /opt/apache/hadoop/bin/container-executor
### 2、配置 container-executor.cfg
vi /opt/apache/hadoop/etc/hadoop/container-executor.cfg
yarn.nodemanager.local-dirs=/hadoop/yarn/local
yarn.nodemanager.log-dirs=/hadoop/yarn/log
yarn.nodemanager.linux-container-executor.group=hadoop
banned.users=hdfs,yarn,mapred,bin
min.user.id=1000
1)启用 LCE
在 Nodemanager
中, CGroup
功能集成在 LinuxContainerExecutor
中,所以要使用 CGroup
功能,必须设置 container-executor
为 LinuxContainerExecutor
. 同时需要配置 NM 的 Unix Group,这个是可执行的二进制文件 container-executor
用来做安全验证的,需要与 container-executor.cfg
里面配置的一致。
<property>
<name>yarn.nodemanager.container-executor.class</name>
<value>org.apache.hadoop.yarn.server.nodemanager.LinuxContainerExecutor<value>
</property>
<property>
<name>yarn.nodemanager.linux-container-executor.group</name>
<value>hadoop<value>
</property>
2)启用 CGroup
LinuxContainerExecutor
并不会强制开启 CGroup
功能, 如果想要开启 CGroup
功能,必须设置 resource-handler-class
为 CGroupsLCEResourceHandler
.
<property>
<name>yarn.nodemanager.linux-container-executor.resources-handler.class</name>
<value>org.apache.hadoop.yarn.server.nodemanager.util.CgroupsLCEResourcesHandler<value>
</property>
3)配置 Yarn CGroup 目录
NM
通过 yarn.nodemanager.linux-container-executor.cgroups.hierarchy
配置所有 Yarn Containers
进程放置的 CGroup
目录。
-
如果系统的
CGroup
未挂载和配置,可以在系统上手动挂载和配置和启用CGroup
功能,也可以通过设置yarn.nodemanager.linux-container-executor.cgroups.mount
为true
,同时设置CGroup
挂载路径yarn.nodemanager.linux-container-executor.cgroups.mount-path
来实现 NM 自动挂载CGroup
(不建议这样用,问题挺多)。 -
如果系统的
CGroup
已经挂载且配置完成,而且Yarn
用户有CGroup cpu
子目录的写入权限,NM
会在cpu
目录下创建hadoop-yarn
目录 ,如果该目录已经存在,保证yarn
用户有写入权限即可。
<property>
<name>yarn.nodemanager.linux-container-executor.cgroups.hierarchy</name>
<value>/hadoop-yarn<value>
</property>
<property>
<name>yarn.nodemanager.linux-container-executor.cgroups.mount</name>
<value>false<value>
</property>
<property>
<name>yarn.nodemanager.linux-container-executor.cgroups.mount-path</name>
<value>/sys/fs/cgroup<value>
</property>
提前创建目录
mkdir /sys/fs/cgroup/hadoop-yarn
# 需要给hadoop用户有执行权限即可
chown -R hadoop:haodop /sys/fs/cgroup/hadoop-yarn
3)CPU 资源限制
NM
主要使用两个参数来限制 containers CPU
资源使用。
-
首先,使用
yarn.nodemanager.resource.percentage-physical-cpu-limit
来设置所有containers
的总的 CPU 使用率占用总的 CPU 资源的百分比。比如设置为 60,则所有的containers
的 CPU 使用总和在任何情况下都不会超过机器总体 CPU 资源的 60 %。 -
然后,使用
yarn.nodemanager.linux-container-executor.cgroups.strict-resource-usage
设置是否对container
的CPU
使用进行严格限制。- 如果设置为
true
,即便NM
的CPU
资源比较空闲,containers CPU
使用率也不能超过限制,这种配置下,可以严格限制 CPU 使用,保证每个container
只能使用自己分配到的CPU
资源。 - 但是如果设置为
false
,container
可以在NM
有空闲CPU
资源时,超额使用CPU
,这种模式下,可以保证NM
总体CPU
使用率比较高,提升集群的计算性能和吞吐量,所以建议使用非严格的限制方式(实际通过CGroup
的cpu share
功能实现)。不论这个值怎么设置,所有containers
总的CPU
使用率都不会超过cpu-limit
设置的值。
- 如果设置为
-
NM
会按照机器总的CPU num* limit-percent
来计算NM
总体可用的实际 CPU 资源,然后根据NM
配置的Vcore
数量来计算每个Vcore
对应的实际 CPU 资源,再乘以container
申请的Vcore
数量计算container
的实际可用的CPU
资源。这里需要注意的是,在计算总体可用的 CPU 核数时,NM 默认使用的实际的物理核数,而一个物理核通常会对应多个逻辑核(单核多线程),而且我们默认的 CPU 核数通常都是逻辑核,所以我们需要设置yarn.nodemanager.resource.count-logical-processors-as-cores
为true
来指定使用逻辑核来计算 CPU 资源。
<property>
<name>yarn.nodemanager.resource.percentage-physical-cpu-limit</name>
<value>80<value>
</property>
<property>
<name>yarn.nodemanager.linux-container-executor.cgroups.strict-resource-usage</name>
<value>false<value>
</property>
<property>
<name>yarn.nodemanager.resource.count-logical-processors-as-cores</name>
<value>true<value>
</property>
【注意】Linux 内核版本
3.10.0-327.el7.x86_64
上 Yarn 启用 CGroup 功能后,会触发内核 BUG,导致内核卡死,重启,NM 挂掉,所有运行的任务失败。所以如果需要启用 CGroup 功能,绝对不能使用3.10.0-327.el7.x86_64
版本内核。亲测升级内核版本可解决该问题。
如果不知道怎么升级系统内核,可以参考我这篇文章:Centos7 内核升级(5.4.225)文章来源:https://www.toymoban.com/news/detail-790787.html
Hadoop YARN Cgroups 资源隔离讲解就先到这里了,有任何疑问也可关注我公众号:大数据与云原生技术分享
,进行技术交流,如本篇文章对您有所帮助,麻烦帮忙一键三连(点赞、转发、收藏)~文章来源地址https://www.toymoban.com/news/detail-790787.html
到了这里,关于Hadoop YARN Cgroups 资源隔离讲解的文章就介绍完了。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!