YARN巡检

YARN 为 Hadoop 集群的上层应用，包括 MapReduce、Spark 等计算服务在内，提供了统一的资源管理和调度服务。每日早晚巡检 YARN 服务，主要检查资源池内主机的健康状态，保障 YARN服务可用性。

1.YARN CM 运行状态

Yarn 集群，目前 Cloudera Manager 显示 6 个不良，16 个存在隐患

打开显示为不良的 NodeManager，这个节点有坏盘正在报修阶段

查看存在隐患的 NodeManager

查看正在运行的 Container 与总核数的差距

查看是否有大量失败的 Container，目前很少

查看 resourcemanager 高可用状态，良好

查看 resourcemanager 监控指标，内存充足，待定的 Container 持续负载不高

JVM 堆栈，没有异常

查看内存、磁盘情况，内存充足，磁盘延迟低

2.YARN WEB UI 运行状态

查看集群整体情况，发现 5 个 LOST 节点，1 个不健康节点

1 个不健康节点是有坏盘情况，已经进去报修阶段

5 个 Lost Nodes 是因为几个主机总是问题以及 IAAS 测正在查看

查看资源队列资源使用情况，因为我是晚上 8 点截的图，是低峰期，所以使用资源不多

3.YARN/MR 关键性能指标

各个 NodeManager 的 GC 时间

gc 时间基本在几 ms，gc 正常。

NodeManager 驻留内存

NodeManager 驻留内存为 1G 左右，因此建议提升 NodeManager 内存。

集群每秒完成的任务数

每秒完成 1.5 个任务。

1.存在问题

集群资源使用率较低

集群节点内存使用，节点普遍内存使用都只有 10G 左右。

集群节点 CPU 平均使用率在 40%左右，不算很高。

但是从 Yarn 的页面可以看到，Yarn 的集群使用率已经高达 100%

原因分析

Yarn 显示资源使用率达到 100%，而集群节点内存，CPU 等资源却使用不是
很高。Yarn 在配置时，通过设定每个 NodeManager 可以分配的 Container 内存，以及 CPU，来设定每个节点的资源。目前每个 NodeManager 配置了 120G，CPU 配置了 32VCore。

目前集群可能存在的问题是，每个 Container 分配的资源过高，实际任务并不需要这么多资源，从而出现了资源被分配完，但是使用率低的情况。

建议方案

降低 Container 的内存分配，增加 Nodemanager 能够分配的 Vcore 数。

配置如下：

yarn.nodemanager.resource.cpu-vcores： 48
2.Map 任务内存 mapreduce.map.memory： 1.5G
3.Reduce 任务内存 mapreduce.reduce.memory.mb 1.5G
4.Map 任务最大堆栈 mapreduce.map.java.opts.max.heap 1.2G
5.Reduce 任务最大堆栈 mapreduce.reduce.java.opts.max.heap 1.2G

不过注意，对于某些对于内存需求较高的任务，需要单独设定，保证不出现outofmemory 的情况