CentOS Hadoop作业调度怎么设置

CentOS下Hadoop作业调度的设置方法

1. 选择作业调度器

Hadoop支持多种作业调度器，需根据集群需求选择：

FIFO Scheduler（先进先出）：默认调度器，按作业提交顺序执行，适合单用户或小集群，但无法处理多租户资源竞争。
Capacity Scheduler（容量调度器）：为不同队列分配固定资源比例（如root.default队列占50%资源），保证多租户资源公平性，适合生产环境。
Fair Scheduler（公平调度器）：动态调整资源分配，使所有作业公平共享集群资源（如长时间运行的作业不会占用过多资源），适合批处理混合场景。
调度器选择通过yarn-site.xml中的yarn.resourcemanager.scheduler.class参数配置，默认使用CapacityScheduler。

2. 配置YARN资源调度参数

YARN的资源调度核心配置在yarn-site.xml中，关键参数包括：

ResourceManager地址：指定ResourceManager的RPC和Web UI地址，如：

<property>
  <name>yarn.resourcemanager.address</name>
  <value>centos-rm:8032</value> <!-- 替换为实际主机名/IP -->
</property>
<property>
  <name>yarn.resourcemanager.scheduler.address</name>
  <value>centos-rm:8030</value> <!-- 调度器通信地址 -->
</property>
<property>
  <name>yarn.resourcemanager.webapp.address</name>
  <value>centos-rm:8088</value> <!-- ResourceManager Web UI -->
</property>

NodeManager资源限制：设置每个NodeManager可用的物理内存和虚拟CPU，如：

<property>
  <name>yarn.nodemanager.resource.memory-mb</name>
  <value>8192</value> <!-- 总物理内存（MB） -->
</property>
<property>
  <name>yarn.nodemanager.resource.cpu-vcores</name>
  <value>4</value> <!-- 总虚拟CPU核心数 -->
</property>

调度器配置：若使用CapacityScheduler，需在capacity-scheduler.xml中定义队列资源比例，如：

<property>
  <name>yarn.scheduler.capacity.root.default.capacity</name>
  <value>50</value> <!-- default队列占50%资源 -->
</property>
<property>
  <name>yarn.scheduler.capacity.root.default.maximum-capacity</name>
  <value>100</value> <!-- 最大可扩展至100% -->
</property>

配置完成后，重启YARN服务使更改生效：stop-yarn.sh && start-yarn.sh。

3. 配置MapReduce作业参数

MapReduce作业的资源分配需在mapred-site.xml中配置，关键参数包括：

内存分配：设置Map/Reduce任务的内存限制，避免资源浪费或OOM，如：

<property>
  <name>mapreduce.map.memory.mb</name>
  <value>2048</value> <!-- Map任务内存（MB） -->
</property>
<property>
  <name>mapreduce.reduce.memory.mb</name>
  <value>4096</value> <!-- Reduce任务内存（MB） -->
</property>

CPU分配：设置Map/Reduce任务的虚拟CPU核心数，如：

<property>
  <name>mapreduce.map.cpu.vcores</name>
  <value>2</value> <!-- Map任务虚拟CPU -->
</property>
<property>
  <name>mapreduce.reduce.cpu.vcores</name>
  <value>4</value> <!-- Reduce任务虚拟CPU -->
</property>

Shuffle服务：配置MapReduce Shuffle服务的实现类，确保Reduce任务能正确获取Map任务的输出，如：

<property>
  <name>mapreduce.shuffle.class</name>
  <value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>

配置完成后，重启MapReduce服务：stop-mapred.sh && start-mapred.sh。

4. 使用外部调度工具（可选）

若需要更复杂的调度逻辑（如周期性执行、依赖管理），可使用以下工具：

Crontab：Linux系统自带的定时任务工具，适合简单的周期性作业（如每天凌晨执行数据备份），通过crontab -e添加任务，如：
```
0 2 * * * /usr/bin/hadoop jar /path/to/job.jar com.example.MyJob /input /output
```
Azkaban：开源的工作流调度框架，支持作业依赖、权限管理、Web界面，适合企业级复杂工作流（如ETL流程），需安装并配置Azkaban Server和Web界面。
Oozie：Hadoop原生工作流引擎，支持MapReduce、Hive、Pig等作业的编排，适合需要细粒度控制的场景，通过oozie命令提交作业。

注意事项

调度器配置需根据集群规模和业务需求调整，如多租户环境优先选择CapacityScheduler，批处理混合场景优先选择Fair Scheduler。
资源分配参数（如内存、CPU）需根据节点实际硬件配置设置，避免过度分配导致集群性能下降。
修改配置文件后，需重启对应服务（YARN、MapReduce）使更改生效。
生产环境中建议开启YARN的Web UI监控（yarn.resourcemanager.webapp.address），实时查看作业运行状态和资源使用情况。