Hadoop多用户资源管理–Fair Scheduler介绍与配置

转:http://lxw1234.com/archives/2015/10/536.htm

在一个公司内部的Hadoop Yarn集群，肯定会被多个业务、多个用户同时使用，共享Yarn的资源，如果不做资源的管理与规划，那么整个Yarn的资源很容易被某一个用户提交的Application占满，其它任务只能等待，这种当然很不合理，我们希望每个业务都有属于自己的特定资源来运行MapReduce任务，Hadoop中提供的公平调度器–Fair Scheduler，就可以满足这种需求。

Fair Scheduler将整个Yarn的可用资源划分成多个资源池，每个资源池中可以配置最小和最大的可用资源（内存和CPU）、最大可同时运行Application数量、权重、以及可以提交和管理Application的用户等。

根据用户名分配资源池

如图所示，假设整个Yarn集群的可用资源为100vCPU，100GB内存，现在为3个业务各自规划一个资源池，另外，规划一个default资源池，用于运行其他用户和业务提交的任务。如果没有在任务中指定资源池（通过参数mapreduce.job.queuename），那么可以配置使用用户名作为资源池名称来提交任务，即用户businessA提交的任务被分配到资源池businessA中，用户businessC提交的任务被分配到资源池businessC中。除了配置的固定用户，其他用户提交的任务将会被分配到资源池default中。

这里的用户名，就是提交Application所使用的Linux/Unix用户名。

另外，每个资源池可以配置允许提交任务的用户名，比如，在资源池businessA中配置了允许用户businessA和用户lxw1234提交任务，如果使用用户lxw1234提交任务，并且在任务中指定了资源池为businessA，那么也可以正常提交到资源池businessA中。

根据权重获得额外的空闲资源

在每个资源池的配置项中，有个weight属性（默认为1），标记了资源池的权重，当资源池中有任务等待，并且集群中有空闲资源时候，每个资源池可以根据权重获得不同比例的集群空闲资源。

比如，资源池businessA和businessB的权重分别为2和1，这两个资源池中的资源都已经跑满了，并且还有任务在排队，此时集群中有30个Container的空闲资源，那么，businessA将会额外获得20个Container的资源，businessB会额外获得10个Container的资源。

 

最小资源保证

在每个资源池中，允许配置该资源池的最小资源，这是为了防止把空闲资源共享出去还未回收的时候，该资源池有任务需要运行时候的资源保证。

比如，资源池businessA中配置了最小资源为（5vCPU，5GB），那么即使没有任务运行，Yarn也会为资源池businessA预留出最小资源，一旦有任务需要运行，而集群中已经没有其他空闲资源的时候，这个最小资源也可以保证资源池businessA中的任务可以先运行起来，随后再从集群中获取资源。

 

动态更新资源配额

Fair Scheduler除了需要在yarn-site.xml文件中启用和配置之外，还需要一个XML文件来配置资源池以及配额，而该XML中每个资源池的配额可以动态更新，之后使用命令：yarn rmadmin –refreshQueues 来使得其生效即可，不用重启Yarn集群。

需要注意的是：动态更新只支持修改资源池配额，如果是新增或减少资源池，则需要重启Yarn集群。

Fair Scheduler配置示例

以上面图中所示的业务场景为例。

yarn-site.xml中的配置：

yarn.resourcemanager.scheduler.class
org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler


yarn.scheduler.fair.allocation.file
/etc/hadoop/conf/fair-scheduler.xml


yarn.scheduler.fair.preemption
true


yarn.scheduler.fair.user-as-default-queue
true
default is True


yarn.scheduler.fair.allow-undeclared-pools
false
default is True

• yarn.resourcemanager.scheduler.class

配置Yarn使用的调度器插件类名；

Fair Scheduler对应的是：

org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler

• yarn.scheduler.fair.allocation.file

配置资源池以及其属性配额的XML文件路径（本地路径）；

• yarn.scheduler.fair.preemption

开启资源抢占。

• yarn.scheduler.fair.user-as-default-queue

设置成true，当任务中未指定资源池的时候，将以用户名作为资源池名。这个配置就实现了根据用户名自动分配资源池。

• yarn.scheduler.fair.allow-undeclared-pools

是否允许创建未定义的资源池。

如果设置成true，yarn将会自动创建任务中指定的未定义过的资源池。设置成false之后，任务中指定的未定义的资源池将无效，该任务会被分配到default资源池中。

 

fair-scheduler.xml中的配置:

30


51200mb,50vcores
102400mb,100vcores
100
1.0
fair

10240mb,10vcores
30720mb,30vcores
100
fair
1.0
*

5120mb,5vcores
20480mb,20vcores
100
fair
2.0
businessA,lxw1234 group_businessA,group_lxw1234
businessA,hadoop group_businessA,supergroup

5120mb,5vcores
20480mb,20vcores
100
fair
1
businessB group_businessA
businessA,hadoop group_businessA,supergroup

5120mb,5vcores
20480mb,20vcores
100
fair
1.5
businessC group_businessC
businessC,hadoop group_businessC,supergroup

• minResources

最小资源

• maxResources

最大资源

• maxRunningApps

最大同时运行application数量

• weight

资源池权重

• aclSubmitApps

允许提交任务的用户名和组；

格式为： 用户名 用户组

当有多个用户时候，格式为：用户名1,用户名2 用户名1所属组,用户名2所属组

• aclAdministerApps

允许管理任务的用户名和组；

格式同上。

       Fair Scheduer各资源池配置及使用情况，在ResourceManager的WEB监控页面上也可以看到：

假设在生产环境Yarn中，总共有四类用户需要使用集群，开发用户、测试用户、业务1用户、业务2用户。为了使其提交的任务不受影响，我们在Yarn上规划配置了五个资源池，分别为 dev_group（开发用户组资源池）、test_group（测试用户组资源池）、business1_group（业务1用户组资源池）、business2_group（业务2用户组资源池）、default（只分配了极少资源）。并根据实际业务情况，为每个资源池分配了相应的资源及优先级等。

ResourceManager上fair-scheduler.xml配置如下：

1. xml version="1.0"?>
2.  
3.  
4.   30
5. name="root">
9.   name="default">
10.           2000mb,1vcores
11.           10000mb,1vcores
12.           1
13.           fair
14.           0.5
15.           *
16.  
17.        
18.   name="dev_group">
19.           200000mb,33vcores
20.           300000mb,90vcores
21.           150
22.           fair
23.           2.5
24.           dev_group
25.           hadoop,dev_group
26.  
27.                                                                                                                                                   
28.   name="test_group">
29.           70000mb,20vcores
30.           95000mb,25vcores
31.           60
32.           fair
33.           1
34.           test_group
35.           hadoop,test_group
36.  
37.                                                                           
38.   name="business1_group">
39.           75000mb,15vcores
40.           100000mb,20vcores
41.           80
42.           fair
43.           1
44.           business1_group
45.           hadoop,business1_group
46.  
47.                                                              
48.                                                                           
49.   name="business2_group">
50.       75000mb,15vcores
51.       102400mb,20vcores
52.       80
53.       fair
54.       1
55.       business2_group
56.       hadoop,business2_group
57.  
58.  
60.  
61.       name="primaryGroup" create="false" />
62.       name="secondaryGroupExistingQueue" create="false" />
63.       name="default" />
64.  
65.  

这样，每个用户组下的用户提交任务时候，会到相应的资源池中，而不影响其他业务。

需要注意的是，所有客户端提交任务的用户和用户组的对应关系，需要维护在ResourceManager上，ResourceManager在分配资源池时候，是从ResourceManager上读取用户和用户组的对应关系的，否则就会被分配到default资源池。在日志中出现”UserGroupInformation: No groups available for user”类似的警告。而客户端机器上的用户对应的用户组无关紧要。

每次在ResourceManager上新增用户或者调整资源池配额后，需要执行下面的命令刷新使其生效：

1. yarn rmadmin -refreshQueues
2. yarn rmadmin -refreshUserToGroupsMappings