Ubuntu 上 Hadoop 内存不足的定位与解决
一、先快速定位内存不足的类型
- 查看组件日志与控制台报错：到 $HADOOP_HOME/logs 目录查看 NameNode/DataNode/ResourceManager/NodeManager 日志，或在作业控制台观察是否为 Java heap space / GC overhead limit exceeded 等典型内存异常。
- 区分是“堆内存不足”还是“物理内存/磁盘不足”：
- 堆内存不足常见报错为 Java heap space，需增大 JVM 堆 或优化任务内存使用。
- 物理内存/磁盘不足常见现象是 NameNode 处于 Safe mode，多因 磁盘空间不足 导致，需要扩容磁盘或清理空间。
- 快速检查命令示例：
- 查看磁盘与内存：df -h、free -m
- 实时看日志：tail -f hadoop--nodemanager-.log
- 查看 NameNode Web UI（默认 50070 端口）的 DFS 剩余空间 与安全模式状态。
二、按组件调整内存配置
- YARN 容器与调度层（控制每个容器能拿到多少内存）
- 在 yarn-site.xml 调整节点可分配内存与调度上下限，并确保上限不超过节点物理内存：
- yarn.nodemanager.resource.memory-mb：节点可分配给容器的总内存（如 8192 MB）
- yarn.scheduler.minimum-allocation-mb：单个容器最小内存（如 512 MB）
- yarn.scheduler.maximum-allocation-mb：单个容器最大内存（如 4096 MB）
- 在 mapred-site.xml 设置每个 Map/Reduce 容器的内存请求：
- mapreduce.map.memory.mb / mapreduce.reduce.memory.mb（如各 2048 MB）
- 在 yarn-env.sh 调整守护进程堆：
- YARN_HEAPSIZE（如 1024–2048 MB）
- MapReduce 任务堆（实际执行任务的 JVM）
- 在 mapred-site.xml 设置任务 JVM 最大堆（Hadoop 2+ 使用）：
- mapreduce.map.java.opts / mapreduce.reduce.java.opts（如 -Xmx1600m，需小于对应容器内存并预留开销）
- HDFS 守护进程堆（NameNode/DataNode/SecondaryNameNode）
- 在 hadoop-env.sh 设置：
- HADOOP_NAMENODE_OPTS（如 -Xmx4096m -Xms2048m）
- HADOOP_DATANODE_OPTS（如 -Xmx2048m -Xms1024m）
- HADOOP_SECONDARYNAMENODE_OPTS（如 -Xmx2048m -Xms1024m）
- 配置生效与验证
- 重启集群：stop-yarn.sh && start-yarn.sh；stop-dfs.sh && start-dfs.sh
- 用 jps 检查进程是否起来，查看日志确认无内存相关报错。
三、常见场景与对应处理
| 场景 |
典型现象 |
处理要点 |
| 作业报 Java heap space |
任务失败，日志含 “Java heap space” |
增大 mapreduce.{map |
| NameNode 处于 Safe mode |
写入失败，Web UI 提示空间不足 |
用 df -h 检查磁盘，清理或扩容；空间恢复后执行 hadoop dfsadmin -safemode leave 退出安全模式 |
| 容器申请被拒或调度失败 |
作业卡住、无法获取容器 |
检查 yarn.scheduler.maximum-allocation-mb 与容器请求是否匹配；确认 yarn.nodemanager.resource.memory-mb 足够且未超物理内存 |
| 系统频繁交换或 OOM |
节点响应慢、进程被杀 |
减少容器并发与堆大小，避免内存超卖；必要时增加物理内存或启用/扩容 Swap（仅缓解，非根本方案） |
四、作业与数据层面的优化建议
- 合理并行度：避免过多并发导致每个容器内存吃紧；必要时减少 map/reduce 任务数，或按数据规模调整。
- 中间数据压缩：开启 mapreduce.map.output.compress / mapreduce.output.fileoutputformat.compress，减少磁盘 I/O 与网络传输。
- 调整块大小：按数据量与访问模式设置 dfs.blocksize（如 256 MB），减少任务数或提升顺序读效率。
- 数据倾斜治理：合理 分区/Combiner，避免少数任务处理过多数据而内存吃紧。
五、配置示例与注意事项
- 示例（请根据节点内存与业务规模微调）：
- yarn-site.xml
- yarn.nodemanager.resource.memory-mb：8192
- yarn.scheduler.minimum-allocation-mb：512
- yarn.scheduler.maximum-allocation-mb：4096
- mapred-site.xml
- mapreduce.map.memory.mb：2048；mapreduce.reduce.memory.mb：2048
- mapreduce.map.java.opts：-Xmx1600m；mapreduce.reduce.java.opts：-Xmx1600m
- hadoop-env.sh
- HADOOP_HEAPSIZE（ResourceManager）：2048
- YARN_HEAPSIZE（NodeManager）：1024
- HADOOP_NAMENODE_OPTS：-Xmx4096m -Xms2048m；HADOOP_DATANODE_OPTS：-Xmx2048m -Xms1024m
- 注意事项
- 容器内存（如 2048 MB）应大于任务堆（如 1600 MB），为 JVM 开销/本地内存 预留空间。
- 单节点所有容器内存请求之和不应超过 yarn.nodemanager.resource.memory-mb，并预留系统与其他进程内存。
- 修改配置后按顺序重启 YARN 与 HDFS，并通过 jps 与日志验证。
