Question

在Hadoop v1中，我已经分配了每个7GB的映射器和缩小器插槽，大小为1GB，我的映射器和放大器。减速机运行正常。我的机器有8G内存，8个处理器。现在使用YARN，当在同一台机器上运行相同的应用程序时，我收到了容器错误。默认情况下，我有这样的设置：

  <property>
    <name>yarn.scheduler.minimum-allocation-mb</name>
    <value>1024</value>
  </property>
  <property>
    <name>yarn.scheduler.maximum-allocation-mb</name>
    <value>8192</value>
  </property>
  <property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>8192</value>
  </property>

它给了我错误：

Container [pid=28920,containerID=container_1389136889967_0001_01_000121] is running beyond virtual memory limits. Current usage: 1.2 GB of 1 GB physical memory used; 2.2 GB of 2.1 GB virtual memory used. Killing container.

然后我尝试在mapred-site.xml中设置内存限制：

  <property>
    <name>mapreduce.map.memory.mb</name>
    <value>4096</value>
  </property>
  <property>
    <name>mapreduce.reduce.memory.mb</name>
    <value>4096</value>
  </property>

但仍然收到错误：

Container [pid=26783,containerID=container_1389136889967_0009_01_000002] is running beyond physical memory limits. Current usage: 4.2 GB of 4 GB physical memory used; 5.2 GB of 8.4 GB virtual memory used. Killing container.

我很困惑为什么地图任务需要这么多内存。根据我的理解，1GB的内存足以完成我的map / reduce任务。为什么当我为容器分配更多内存时，任务使用更多？是因为每个任务都有更多的分裂吗？我觉得稍微减小容器的大小并创建更多容器会更有效，这样就可以并行运行更多任务。问题是如何确保每个容器不会被分配比它可以处理的更多分裂？

Answer 1

您还应该正确配置MapReduce的最大内存分配。来自this HortonWorks tutorial：

[...]

我们群集中的每台计算机都有48 GB的RAM。应该为操作系统使用保留一些RAM。在每个节点上，我们将为＆gt; YARN分配40 GB RAM，并为操作系统保留8 GB

对于我们的示例群集，我们拥有Container的最小RAM   （yarn.scheduler.minimum-allocation-mb）= 2 GB。因此我们将分配4 GB   对于Map任务容器，以及8 GB用于Reduce任务容器。

在mapred-site.xml中：

mapreduce.map.memory.mb：4096

mapreduce.reduce.memory.mb：8192

每个Container都将为Map和Reduce任务运行JVM。 JVM   堆大小应设置为低于Map和Reduce内存   在上面定义，以便它们在Container的范围内   由YARN分配的内存。

在mapred-site.xml中：

mapreduce.map.java.opts：-Xmx3072m

mapreduce.reduce.java.opts：-Xmx6144m

以上设置配置物理RAM的上限   Map和Reduce任务将使用。

总结一下：

在YARN中，您应该使用mapreduce配置，而不是mapred配置。编辑：此评论现在已不再适用，因为您已编辑了问题。
您正在配置的实际上是您要请求的数量，而不是要分配的最大值。
使用上面列出的java.opts设置配置最大限制。

最后，您可能需要查看描述类似问题（和解决方案）的其他SO question。

Answer 2

对于垂直和物理内存使用率，在纱线级别进行检查。问题不仅是VM没有足够的物理内存。但这是因为虚拟内存使用量超过预期的给定物理内存。

注意：由于其积极分配虚拟内存，因此在Centos / RHEL 6上发生这种情况。

可以通过以下方式解决：

通过设置禁用虚拟内存使用情况检查 yarn.nodemanager.vmem-check-enabled 改为 false ;
通过将 yarn.nodemanager.vmem-pmem-ratio 设置为更高的值来增加VM：PM比率。

参考：

https://issues.apache.org/jira/browse/HADOOP-11364

http://blog.cloudera.com/blog/2014/04/apache-hadoop-yarn-avoiding-6-time-consuming-gotchas/

在yarn-site.xml中添加以下属性

 <property>
   <name>yarn.nodemanager.vmem-check-enabled</name>
    <value>false</value>
    <description>Whether virtual memory limits will be enforced for containers</description>
  </property>
 <property>
   <name>yarn.nodemanager.vmem-pmem-ratio</name>
    <value>4</value>
    <description>Ratio between virtual memory to physical memory when setting memory limits for containers</description>
  </property>

Answer 3

我在EMR中使用HIVE时遇到了类似的问题。现有的解决方案都不适合我 - 也就是说，mapreduce配置都不适用于我;并且都没有将yarn.nodemanager.vmem-check-enabled设置为false。

然而，最终工作的是设置tez.am.resource.memory.mb，例如：

hive -hiveconf tez.am.resource.memory.mb=4096

考虑调整的另一个设置是yarn.app.mapreduce.am.resource.mb

Answer 4

由于声誉低，我无法对接受的答案发表评论。但是，我想补充一下，这种行为是设计的。 NodeManager正在杀死你的容器。听起来你正在尝试使用hadoop流，它作为map-reduce任务的子进程运行。 NodeManager监视任务的整个进程树，如果它分别占用的内存大于mapreduce.map.memory.mb或mapreduce.reduce.memory.mb中设置的最大内存，我们会期望Nodemanager终止任务，否则你的任务是窃取属于你不想要的其他容器的记忆。

Answer 5

在EMR中使用spark时我遇到了同样的问题，设置maximizeResourceAllocation=true就行了;希望它可以帮到某人。您必须在创建群集时进行设置。来自EMR docs:

aws emr create-cluster --release-label emr-5.4.0 --applications Name=Spark \
--instance-type m3.xlarge --instance-count 2 --service-role EMR_DefaultRole --ec2-attributes InstanceProfile=EMR_EC2_DefaultRole --configurations https://s3.amazonaws.com/mybucket/myfolder/myConfig.json

myConfig.json应该说：

[
  {
    "Classification": "spark",
    "Properties": {
      "maximizeResourceAllocation": "true"
    }
  }
]

Answer 6

我们最近也遇到过这个问题。如果问题与映射器内存有关，我想建议需要检查的几件事情是。

检查合并器是否已启用？如果是，那么这意味着必须在所有记录（mapper的输出）上运行reduce逻辑。 这种情况发生在内存中。根据您的应用程序，您需要检查启用组合器是否有帮助。权衡是在网络传输字节和在“X”记录数上减少逻辑的时间/内存/ CPU之间的权衡。
- 如果你认为合成器价值不大，那就禁用它。
- 如果你需要组合器并且'X'是一个庞大的数字（比如数百万条记录），那么考虑改变你的分割逻辑（对于默认输入格式使用较少的块大小，通常1块大小= 1分割）来映射较少的数量记录到单个映射器。
在单个映射器中处理的记录数。请记住，所有这些记录都需要在内存中排序（映射器的输出已排序）。如果需要，请考虑将 mapreduce.task.io.sort.mb （默认值为200MB）设置为更高的值。 mapred-configs.xml
如果上述任何一项没有帮助，请尝试将映射器逻辑作为独立应用程序运行，并使用Profiler（如JProfiler）对应用程序进行概要分析，并查看内存的使用位置。这可以为您提供非常好的见解。

Answer 7

在具有Ubunto OS的Windows Linux子系统上运行yarn，错误“超出虚拟内存限制，正在杀死容器” 我通过在文件yarn-site.xml中禁用虚拟内存检查来解决了该问题

<property> <name>yarn.nodemanager.vmem-check-enabled</name> <value>false</value> </property>

Answer 8

我没有亲自检查，但是hadoop-yarn-container-virtual-memory-understanding-and-solving-container-is-running-beyond-virtual-memory-limits-errors听起来很合理

我通过将yarn.nodemanager.vmem-pmem-ratio更改为更高的值来解决了这个问题，我同意：

另一个不建议使用的解决方案是通过将yarn.nodemanager.vmem-check-enabled设置为false来禁用虚拟内存检查。

Answer 9

我正在练习 Hadoop 程序（版本 hadoop3）。通过虚拟机，我已经安装了 Linux 操作系统。我们在安装 Linux 时分配的内存非常有限。通过在 mapred-site.xml 中设置以下内存限制属性并重新启动 HDFS 和 YARN，我的程序就可以运行了。

 <property>
    <name>mapreduce.map.memory.mb</name>
    <value>4096</value>
  </property>
  <property>
    <name>mapreduce.reduce.memory.mb</name>
    <value>4096</value>
  </property>

容器超出了内存限制

9 个答案: