Ubuntu上HDFS资源调度的正确认知与总体架构
- HDFS 负责分布式存储，不直接做资源调度；计算任务的资源调度由 YARN 完成。
- 典型组件分工：NameNode/DataNode（HDFS存储）、ResourceManager/NodeManager（YARN资源管理与调度）、MapReduce/Spark 等应用（向YARN申请容器运行）。
- 因此，在 Ubuntu 上谈“HDFS资源调度”，实质是配置与调优 YARN 的调度器与资源参数，并配合 HDFS 的存储参数（如副本数）共同影响作业性能与稳定性。
在Ubuntu上启用与配置YARN调度
- 基础配置（均为 $HADOOP_HOME/etc/hadoop/ 下的 XML）：
- mapred-site.xml：设置计算框架为 YARN
- mapreduce.framework.name：yarn
- yarn-site.xml：启用 Shuffle 服务与指定 RM 主机
- yarn.nodemanager.aux-services：mapreduce_shuffle
- yarn.resourcemanager.hostname：<RM主机名或IP>
- 资源配置要点（示例为单节点或小型集群，按机器内存与核数调整）：
- yarn.nodemanager.resource.memory-mb：8192（NodeManager 可分配的总内存 MB）
- yarn.nodemanager.resource.cpu-vcores：4（NodeManager 可分配的 vcore 数）
- yarn.scheduler.minimum-allocation-mb：1024（容器最小内存）
- yarn.scheduler.maximum-allocation-mb：8192（容器最大内存）
- yarn.scheduler.minimum-allocation-vcores：1
- yarn.scheduler.maximum-allocation-vcores：4
- 调度器选择与队列（二选一或多队列）：
- CapacityScheduler（推荐多租户）
- yarn.resourcemanager.scheduler.class：org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler
- 在 capacity-scheduler.xml 中定义队列与容量，例如：
- yarn.scheduler.capacity.root.queues：default,queue1,queue2
- yarn.scheduler.capacity.root.default.capacity：50
- yarn.scheduler.capacity.root.default.maximum-capacity：100
- yarn.scheduler.capacity.root.queue1.capacity：25
- yarn.scheduler.capacity.root.queue2.capacity：25
- FairScheduler（按用户/应用公平分配）
- yarn.resourcemanager.scheduler.class：org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler
- 在 fair-scheduler.xml 中配置队列、权重与抢占：
- yarn.scheduler.fair.user-as-default-queue：true
- yarn.scheduler.fair.preemption：true
- yarn.scheduler.fair.allocation.file：/etc/hadoop/conf/fair-scheduler.xml
- 应用侧 MapReduce 必要配置（mapred-site.xml）：
- mapreduce.jobhistory.address：<JobHistory主机>:10020
- mapreduce.jobhistory.webapp.address：<JobHistory主机>:19888
- 生效与启动
- 首次启动前格式化 NameNode：hdfs namenode -format
- 启动服务：start-dfs.sh、start-yarn.sh
- 验证进程：jps 应看到 NameNode、DataNode、ResourceManager、NodeManager（以及可选的 JobHistoryServer）
与HDFS相关的性能与调度协同优化
- 块大小：通过 dfs.blocksize 调整（更大块利于顺序读/大文件吞吐，更小块利于小文件与随机读，需权衡 NameNode 内存与作业并发）。
- 副本数：通过 dfs.replication 设置（提高可靠性与读取并发，代价是存储放大；伪分布式常用 1，生产通常 3）。
- 数据本地性：增加 DataNode 数量、合理机架感知，减少跨节点网络传输，提升作业调度与执行效率。
- 小文件治理：合并小文件、使用 SequenceFile/Parquet/ORC 等容器格式，降低 NameNode 元数据压力。
- 压缩：在 MapReduce/作业链路中启用 Snappy/LZO/Bzip2 等压缩，降低网络与存储开销（权衡 CPU）。
- 缓存与I/O：对热点数据启用 HDFS 缓存（集中式缓存），并结合 SSD/NVMe、更高带宽网络提升 I/O。
常用运维命令与验证
- 集群健康与存储：hdfs dfsadmin -report
- HDFS 基本操作：hdfs dfs -mkdir /path、-ls、-put、-get、-rm
- YARN 应用管理：yarn application -list、-status 、-kill
- 服务状态与端口：
- 进程检查：jps
- Web UI（默认端口示例）：ResourceManager 8088、NameNode 50070、JobHistory 19888（如启用）
