http://dongxicheng.org/mapreduce-nextgen/hadoop-yarn-problems-vs-solutions/
本文彙總了幾個hadoop yarn中常見問題以及解決方案，注意，本文介紹解決方案適用於hadoop 2.2.0以及以上版本。
（1） 默認情況下，各個節點的負載不均衡（任務數目不同），有的節點很多任務在跑，有的沒有任務，怎樣讓各個節點任務數目儘可能均衡呢？
答： 默認情況下，資源調度器處於批調度模式下，即一個心跳會儘可能多的分配任務，這樣，優先發送心跳過來的節點將會把任務領光（前提：任務數目遠小於集羣可以同時運行的任務數量），爲了避免該情況發生，可以按照以下說明配置參數：
如果採用的是fair scheduler，可在yarn-site.xml中，將參數yarn.scheduler.fair.max.assign設置爲1（默認是-1,）
如果採用的是capacity scheduler（默認調度器），則不能配置，目前該調度器不帶負載均衡之類的功能。
當然，從hadoop集羣利用率角度看，該問題不算問題，因爲一般情況下，用戶任務數目要遠遠大於集羣的併發處理能力的，也就是說，通常情況下，集羣時刻處於忙碌狀態，沒有節點一直空閒着。
（2）某個節點上任務數目太多，資源利用率太高，怎麼控制一個節點上的任務數目?
答：一個節點上運行的任務數目主要由兩個因素決定，一個是NodeManager可使用的資源總量，一個是單個任務的資源需求量，比如一個NodeManager上可用資源爲8 GB內存，8 cpu，單個任務資源需求量爲1 GB內存，1cpu，則該節點最多運行8個任務。
NodeManager上可用資源是由管理員在配置文件yarn-site.xml中配置的，相關參數如下：
yarn.nodemanager.resource.memory-mb：總的可用物理內存量，默認是8096
yarn.nodemanager.resource.cpu-vcores：總的可用CPU數目，默認是8
對於MapReduce而言，每個作業的任務資源量可通過以下參數設置：
mapreduce.map.memory.mb：物理內存量，默認是1024
mapreduce.map.cpu.vcores：CPU數目，默認是1
注：以上這些配置屬性的詳細介紹可參考文章：Hadoop YARN配置參數剖析(1)—RM與NM相關參數。
默認情況，各個調度器只會對內存資源進行調度，不會考慮CPU資源，你需要在調度器配置文件中進行相關設置，具體可參考文章：Hadoop YARN配置參數剖析(4)—Fair Scheduler相關參數和Hadoop YARN配置參數剖析(5)—Capacity Scheduler相關參數。
（3）如何設置單個任務佔用的內存量和CPU數目？
答：對於MapReduce而言，每個作業的任務資源量可通過以下參數設置：
mapreduce.map.memory.mb：物理內存量，默認是1024
mapreduce.map.cpu.vcores：CPU數目，默認是1
需要注意的是，默認情況，各個調度器只會對內存資源進行調度，不會考慮CPU資源，你需要在調度器配置文件中進行相關設置。
（4） 用戶給任務設置的內存量爲1000MB，爲何最終分配的內存卻是1024MB？
答：爲了易於管理資源和調度資源，Hadoop YARN內置了資源規整化算法，它規定了最小可申請資源量、最大可申請資源量和資源規整化因子，如果應用程序申請的資源量小於最小可申請資源量，則YARN會將其大小改爲最小可申請量，也就是說，應用程序獲得資源不會小於自己申請的資源，但也不一定相等；如果應用程序申請的資源量大於最大可申請資源量，則會拋出異常，無法申請成功；規整化因子是用來規整化應用程序資源的，應用程序申請的資源如果不是該因子的整數倍，則將被修改爲最小的整數倍對應的值，公式爲ceil(a/b)*b，其中a是應用程序申請的資源，b爲規整化因子。
以上介紹的參數需在yarn-site.xml中設置，相關參數如下：
yarn.scheduler.minimum-allocation-mb：最小可申請內存量，默認是1024
yarn.scheduler.minimum-allocation-vcores：最小可申請CPU數，默認是1
yarn.scheduler.maximum-allocation-mb：最大可申請內存量，默認是8096
yarn.scheduler.maximum-allocation-vcores：最大可申請CPU數，默認是4
對於規整化因子，不同調度器不同，具體如下：
FIFO和Capacity Scheduler，規整化因子等於最小可申請資源量，不可單獨配置。
Fair Scheduler：規整化因子通過參數yarn.scheduler.increment-allocation-mb和yarn.scheduler.increment-allocation-vcores設置，默認是1024和1。
通過以上介紹可知，應用程序申請到資源量可能大於資源申請的資源量，比如YARN的最小可申請資源內存量爲1024，規整因子是1024，如果一個應用程序申請1500內存，則會得到2048內存，如果規整因子是512，則得到1536內存。
（5）我們使用的是Fairscheduler，配置了多個隊列，當用戶提交一個作業，指定的隊列不存在時，Fair Scheduler會自動創建一個新隊列而不是報錯（比如報錯：隊列XXX不存在），如何避免這種情況發生？
答：在yarn-site.xml中設置yarn.scheduler.fair.allow-undeclared-pools，將它的值配置爲false（默認是true）。
（6）使用Hadoop 2.0過程中，遇到了錯誤，怎樣排查錯誤？
答：從hadoop 日誌入手，Hadoop日誌存放位置可參考我這篇文章：Hadoop日誌到底存在哪裏？