HDFS在Linux中的资源调度策略有哪些

核心概念澄清 在 hadoop 生态中，负责资源调度的是 yarn（resourcemanager、nodemanager、applicationmaster、container），而 hdfs 主要负责分布式存储。因此，谈及“资源调度策略”通常指的是 yarn 的调度器；同时，围绕 hdfs 的数据读写会配合 yarn 的调度策略，通过数据本地化等手段提升性能。

yarn 调度器策略

• fifo scheduler（先进先出）：按作业提交顺序执行，简单但不利于多用户/多任务并发，容易出现资源利用不充分或长作业“饿死”短作业的情况。适合单一或简单负载。
• capacity scheduler（容量调度器）：将集群资源按队列进行分层配额，支持多租户与资源隔离；常用于需要保证各业务线最低资源保障的场景。
• fair scheduler（公平调度器）：按权重与需求动态均衡资源，尽量让所有应用公平获得资源，适合多用户共享、作业并发高的环境。
• 混合调度策略：结合多种调度方式或在不同队列/场景下采用不同策略，以适配复杂业务负载与优先级需求。

与 hdfs 协同的调度与优化策略

• 数据本地化调度：计算任务优先调度到存有对应数据块的节点，减少跨节点网络传输，提高读写性能。
• 资源隔离与多租户：通过队列/权重/配额等机制对不同用户或业务进行资源隔离与配额管理，保障稳定性与服务质量（qos）。
• 存储策略与分层（hdfs 侧）：启用并配置 dfs.storage.policy.enabled，结合 hot/warm/cold 等存储策略，将冷热数据分布到不同介质，优化成本与性能。
• 系统层 i/o 调度优化（linux 侧）：根据负载选择合适的磁盘 i/o 调度器（如 cfq、deadline、noop、bfq），降低读写延迟、提升吞吐。

快速配置示例（启用容量调度器） 在 yarn-site.xml 中设置调度器类型与基础资源参数，可快速启用容量调度器：

<configuration>
  <property>
    <name>yarn.resourcemanager.scheduler.class</name>
    <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
  </property>
  <property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>8192</value>
  </property>
  <property>
    <name>yarn.nodemanager.resource.cpu-vcores</name>
    <value>4</value>
  </property>
  <property>
    <name>yarn.scheduler.capacity.maximum-am-resource-percent</name>
    <value>0.1</value>
  </property>
  <property>
    <name>yarn.scheduler.capacity.node-locality.wait</name>
    <value>400</value>
  </property>
</configuration>

上述配置指定使用 capacityscheduler，并设置单节点可分配的 内存 与 cpu 核数，以及 am 资源占比与本地性等待时间等关键参数。