Yarn调度器和调度算法

目前，Hadoop作业调度器主要有三种：FIFO、容量（Capacity Scheduler）和公平（Fair Scheduler）。Apache Hadoop3.1.3默认的资源调度器是Capacity Scheduler。

CDH框架默认调度器是Fair Scheduler。

具体设置详见：yarn-default.xml文件

<property>
    <description>The class to use as the resource scheduler.</description>
    <name>yarn.resourcemanager.scheduler.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
</property>

1. 先进先出调度器（FIFO）

FIFO调度器（First In First Out）：单队列，根据提交作业的先后顺序，先来先服务。

hadoop配置公平调度 hadoop默认调度_hadoop配置公平调度

优点：简单易懂；

缺点：不支持多队列，生产环境很少使用。

2. 容量调度器（Capacity Scheduler）

Capacity Scheduler是Yahoo开发的多用户调度器。

2.1 容量调度器特点

hadoop配置公平调度 hadoop默认调度_hadoop配置公平调度_02

  1. 多队列：每个队列可配置一定的资源量，每个队列采用FIFO调度策略。
  2. 容量保证：管理员可为每个队列设置资源最低保证和资源使用上限。
  3. 灵活性：如果一个队列中的资源有剩余，可以暂时共享给那些需要资源的队列，而一旦该队列有新的应用程序提交，则其他队列借调的资源会归还给该队列。
  4. 多租户：支持多用户共享集群和多应用程序同时运行。为了防止同一个用户的作业独占队列的资源，该调度器会对同一用户提交的作业所占资源进行限定。

2. 容量调度器资源分配算法

hadoop配置公平调度 hadoop默认调度_yarn_03


hadoop配置公平调度 hadoop默认调度_hadoop_04

  1. 队列资源分配
  • 从root开始，使用深度优先算法，优先选择资源占用率最低的队列分配资源。
  1. 作业资源分配
  • 默认按照提交作业的优先级和提交顺序分配资源。
  1. 容器资源分配
  • 按照容器的优先级分配资源；
  • 如果优先级相同，按照数据本地性原则：
  • 优先和数据在同一节点
  • 任务和数据在同一节点
  • 任务和数据不在同一节点也不再同一机架

3. 公平调度器（Fair Scheduler）

Fair Scheduler是Facebook开发的多用户调度器。

hadoop配置公平调度 hadoop默认调度_算法_05

3.1 公平调度器特点

（1）与容量调度器相同点：

  • 多队列：支持多队列多作业
  • 容量保证：管理员可为每个队列设置资源最低保证和资源使用上限
  • 灵活性：如果一个队列中的资源有剩余，可以暂时共享给那些需要资源的队列，而一旦该队列有新的应用程序提交，则其他队列借调的资源会归还给该队列。
  • 多租户：支持多用户共享集群和多应用程序同时运行；为了防止同一个用户的作业独占队列中的资源，该调度器会对同一用户提交的作业所占资源量进行限定。

（2）与容量调度器不同点

  • 核心调度策略不同
  • 容量调度器：优先选择资源利用率低的队列
  • 公平调度器：优先选择对资源的缺额比例大的
  • 每个队列可以单独设置资源分配方式
  • 容量调度器：FIFO、DRF
  • 公平调度器：FIFO、FAIR、DRF

3.2 公平调度器—缺额

hadoop配置公平调度 hadoop默认调度_算法_06

  • 公平调度器设计目标是：在时间尺度上，所有作业获得公平的资源。某一时刻一个作业应获资源和实际获取资源的差距叫“缺额”。
  • 调度器会优先为缺额大的作业分配资源。

3.3 公平调度器队列资源分配方式

  1. FIFO策略：
    公平调度器每个队列资源分配策略如果选择FIFO的话，此时公平调度器相当于容量调度器。
  2. FAIR策略：
    FAIR策略（默认）是一种基于最大最小公平算法实现的资源多路复用方式，默认情况下，每个队列内部采用该方式分配资源。这意味着，如果一个队列中有两个应用程序同时运行，则每个应用程序可得到1/2的资源；如果三个应用程序同时运行，则每个应用程序可得到1/3的资源。
    具体资源分配流程和容量调度器一致；1. 选择队列 2. 选择作业 3. 选择容器。以上三步，每一步都是按照公平策略分配资源。
  • 实际最小资源份额：hadoop配置公平调度 hadoop默认调度_资源分配_07
  • 是否饥饿：hadoop配置公平调度 hadoop默认调度_算法_08
  • 资源分配比：hadoop配置公平调度 hadoop默认调度_hadoop配置公平调度_09
  • 资源使用权重比：$useToWeightRatio = 资源使用量/权重

例子：

对象1：资源需求量【4】，配置的最小资源【2】，资源使用量【3】，权重【1】

对象2：资源需求量【4】，配置的最小资源【2】，资源使用量【1】，权重【1】

比较对象1和对象2：对象1和对象2的最小资源份额hadoop配置公平调度 hadoop默认调度_yarn_10，对象1不饥饿，对象2饥饿。因此对象2优先。

对象1：资源需求量【4】，配置的最小资源【2】，资源使用量【3】，权重【1】

对象3：资源需求量【4】，配置的最小资源【2】，资源使用量【5】，权重【2】

比较对象1和对象3：对象1和对象3都不饥饿，对象1的资源使用权重比为3，对象3的资源使用权重为2.5，因此对象3优先。

对象2：资源需求量【4】，配置的最小资源【2】，资源使用量【1】，权重【1】

对象4：资源需求量【4】，配置的最小资源【2】，资源使用量【0.5】，权重【1】

比较对象2和对象4：对象2和对象4的实际最小资源份额都是2，且都是饥饿。对象2的资源分配比是hadoop配置公平调度 hadoop默认调度_资源分配_11，对象4的hadoop配置公平调度 hadoop默认调度_yarn_12，因此对象4优先。

3.4 公平调度器资源分配算法

hadoop配置公平调度 hadoop默认调度_yarn_13


hadoop配置公平调度 hadoop默认调度_hadoop_14

  1. 队列资源分配
    需求：集群总资源100，有三个队列，对资源的需求分别是：queueA->20,queueB->50,queueC->30
  2. 作业资源分配
  • 不加权重（关注点是Job个数）：
  • 加权（关注点是Job的权重）
  1. DRF策略
    DRF(Dominant Resource Fairness)，在之前所说的资源，都是单一标准，例如只考虑内存（也是Yarn默认的情况）。但是很多时候资源有很多种，例如内存，CPU，网络宽带等，这样很难衡量两个应用应该分配的资源比例。
    在Yarn中，可以用DRF来调度：
    假设集群一共有100个CPU和10T内存，应用A需要（2CPU,300G），应用B需要（6CPU,100GB）。则两个应用分别需要A（2%CPU，3%内存）和B（6%CPU，1%内存）的资源，这就意味着A是内存主导的，B是CPU主导的，针对这种情况，可以选择DRF策略对不同应用进行不同资源（CPU和内存）的一个不同比例的限制。