YARN NodeLabel功能以及在EMR彈性伸縮中的應用

YARN Node Label功能最早是在Hadoop 2.6版本中引入，在後續版本中有更多的功能完善。到了Hadoop 2.8.x版本之後，該功能已經比較完整，可以滿足日常使用。在本文中，我們需要將Node Label功能應用在EMR彈性伸縮場景中。

其實Node Label特性更準確的叫法是Node Partition，也就是說通過label把YARN集羣中的節點分組，每個節點擁有一個label，通過調度器的配置，將作業Task調度到指定的節點中，如果節點沒有配置Label，那麼這個節點屬於Label爲DEFAULT的Partition。Hadoop 3.2之後加入的Node Attribute功能是更加靈活的方案，可以方便的給各個節點打上OS/kernel version/CPU architecture/JDK version等標籤，但這個功能在本文中就不展開了。更多關於Node Label的信息請參考Hadoop YARN PMC Wangda的文章。

配置

首先需要給YARN服務打開NodeLabel功能，yarn-site.xml需要增加配置：

1. yarn.node-labels.enabled -> true
2. yarn.node-labels.fs-store.root-dir -> /yarn/node-label

保存後需要重啓YARN ResourceManager。

節點的Node Label

EMR集羣的worker node有兩類節點，分別是core節點（除了NodeManager之外還運行HDFS和HBase等存儲服務進程）和task節點（只運行NodeManager之類的計算服務），我們首先增加兩個node label

yarn rmadmin -addToClusterNodeLabels "core(exclusive=false),task(exclusive=false)"

exclusive=false意思是這個Label的資源可以共享給申請DEFAULT資源的作業。

然後給各個節點打上標籤（用你的機器名字替代 emr-worker-*.cluster-105364）：

yarn rmadmin -replaceLabelsOnNode \
  "emr-worker-1.cluster-105364=core emr-worker-2.cluster-105364=core emr-worker-3.cluster-105364=task"

Scheduler的配置

目前只有YARN Capacity Scheduler支持NodeLabel功能，我們以他爲例，而且假設一個最簡單的場景，集羣內只有一個queue（default）。

在配置node label相關的信息之前，capacity-scheduler.xml 包含如下內容：

  <property>
    <name>yarn.scheduler.capacity.root.queues</name>
    <value>default</value>
  </property>
  <property>
    <name>yarn.scheduler.capacity.root.default.capacity</name>
    <value>100</value>
  </property>
  <property>
    <name>yarn.scheduler.capacity.root.default.maximum-capacity</name>
    <value>100</value>
  </property>

新增Node Label相關配置：

  <property>
    <name>yarn.scheduler.capacity.root.accessible-node-labels</name>
    <value>core,task</value>
  </property>
  <property>
    <name>yarn.scheduler.capacity.root.accessible-node-labels.core.capacity</name>
    <value>100</value>
  </property>
  <property>
    <name>yarn.scheduler.capacity.root.accessible-node-labels.task.capacity</name>
    <value>100</value>
  </property>
  <property>
    <name>yarn.scheduler.capacity.root.default.accessible-node-labels</name>
    <value>core,task</value>
  </property>
  <property>
    <name>yarn.scheduler.capacity.root.default.accessible-node-labels.core.capacity</name>
    <value>100</value>
  </property>
  <property>
    <name>yarn.scheduler.capacity.root.default.accessible-node-labels.task.capacity</name>
    <value>100</value>
  </property>

上述配置的意思是：

1. 對於Label爲core的資源，default queue佔用100%的資源
2. 對於Label爲task的資源，default queue佔用100%的資源

保存配置之後，需要刷新YARN Scheduler queue。

作業提交

在彈性伸縮場景下，task節點可能隨時被停止，所以如果一個長時間運行的作業的application master（AM）被運行在Task節點上，當節點停止後AM就退出了，可能會造成作業失敗。所以，比較好的策略是AM只啓動在Core節點上。

如果集羣開啓了Node Label功能，我們可以通過配置作業的方式，將AM啓動在Core節點上。本文中只介紹MapReduce和Spark兩類作業

MapReduce作業

提交作業如下：

hadoop jar hadoop-mapreduce-examples-2.8.5.jar pi \
    -Dmapreduce.job.am.node-label-expression=core \
    10 100000000

mapreduce.job.am.node-label-expression=core參數指明瞭MapReduce AM申請core類型資源，所以AM一定會啓動在Core節點上。同時，因爲沒有指定普通Task運行的資源（也就是申請了DEFAULT），所以普通Task可以同時運行在Core和Task節點上（exclusive=false）。

如果要希望MapReduce Map或Reduce task只運行在Task節點上，可以在提交參數上指定：

hadoop jar hadoop-mapreduce-examples-2.8.5.jar pi \
    -Dmapreduce.job.am.node-label-expression=core \
    -Dmapreduce.job.node-label-expression=task \
    100 100000000

另外，還有mapreduce.map.node-label-expression和mapreduce.reduce.node-label-expression等參數可配置。

Spark作業

類似於MapReduce Job，我們可以指定spark.yarn.am.nodeLabelExpression 和 spark.yarn.executor.nodeLabelExpression 將作業提交到不同的節點上。下面這個例子是將Spark AM啓動在Core節點上：

spark-submit --class org.apache.spark.examples.SparkPi \
    --master yarn --deploy-mode cluster \
    --conf spark.yarn.am.nodeLabelExpression=core \
    spark-examples_2.11-2.3.2.jar 10

參考資料

1. YARN Node Labels: Label-based scheduling and resource isolation
2. YARN Node Labels