Hadoop在Ubuntu上的任务调度策略

Hadoop在Ubuntu上的任务调度策略

Hadoop在Ubuntu系统上的任务调度主要通过**YARN（Yet Another Resource Negotiator）**资源管理框架实现，支持多种调度策略以适应不同业务场景。以下是主流调度策略的详细说明及配置要点：

1. FIFO调度器（先进先出）

FIFO是Hadoop默认的调度策略，核心逻辑为按作业提交顺序分配资源。集群资源由先提交的作业独占，直至该作业完成或释放资源，后续作业依次等待。这种策略实现简单，无额外配置开销，但存在明显缺陷：大作业会阻塞小作业，资源利用率低，无法满足多用户或多任务类型的并发需求。
适用场景：单用户环境、简单批处理任务或小规模集群（如测试环境）。

2. 容量调度器（Capacity Scheduler）

容量调度器以队列为核心，将集群资源划分为多个逻辑队列（如offline、realtime、interactive），每个队列分配固定容量（如offline队列占60%资源），支持层级队列结构（如业务队列下再划分离线/实时子队列）。作业在所属队列内按FIFO调度，同时通过maximum-capacity参数限制队列最大资源占用（如offline队列最大80%），防止资源过度集中。
关键特性：

• 资源隔离：不同队列资源互不干扰，保障核心业务（如实时推荐）的资源底线；
• 弹性共享：闲置资源可被其他队列临时使用，提升集群整体利用率；
• 队列优先级：通过priority参数设置队列优先级（如实时队列优先级高于离线索引队列），优先分配资源。
  适用场景：多部门共享集群、需要资源隔离和容量保障的企业环境（如电商平台、金融机构）。

3. 公平调度器（Fair Scheduler）

公平调度器以公平性为核心目标，动态调整资源分配，使所有作业在时间线上平均获取资源。初始时，作业可独占资源；当其他作业提交后，调度器会计算每个作业的“公平份额”（队列资源总量/活跃作业数），并通过抢占机制（如回收超额占用的资源）调整资源分配，确保各作业最终获得相近的资源量。
关键特性：

• 基于权重的公平性：可通过weight参数设置队列权重（如实时队列权重为3，离线索引队列为1），权重越高，分配的资源越多；
• 资源抢占：当作业资源缺口持续超过阈值（如5秒）时，强制回收超额资源（优先抢占低优先级或同队列内的作业），保障SLA敏感作业（如实时风控）的资源需求；
• 作业优先级：支持设置作业优先级（如VERY_HIGH、HIGH），优先级越高，越易获得资源。
  适用场景：混合负载环境（批处理+交互式查询）、多租户共享集群、追求高资源利用率的业务场景（如互联网公司的大数据平台）。

4. 调度策略配置步骤（以容量调度器为例）

在Ubuntu系统中，调度策略的配置主要通过修改YARN的配置文件capacity-scheduler.xml（位于$HADOOP_HOME/etc/hadoop/目录下）实现，以下是容量调度器的典型配置示例：

<
    !-- 配置根队列及子队列 -->
    
<
    property>
    
  <
    name>
    yarn.scheduler.capacity.root.queues<
    /name>
    
  <
    value>
    offline,realtime,interactive<
    /value>
    
<
    /property>
    
<
    !-- 离线索列配置 -->
    
<
    property>
    
  <
    name>
    yarn.scheduler.capacity.root.offline.capacity<
    /name>
    
  <
    value>
    60<
    /value>
     <
    !-- 占集群60%资源 -->
    
<
    /property>
    
<
    property>
    
  <
    name>
    yarn.scheduler.capacity.root.offline.maximum-capacity<
    /name>
    
  <
    value>
    80<
    /value>
     <
    !-- 最大可使用80%资源 -->
    
<
    /property>
    
<
    !-- 实时列配置 -->
    
<
    property>
    
  <
    name>
    yarn.scheduler.capacity.root.realtime.capacity<
    /name>
    
  <
    value>
    25<
    /value>
     <
    !-- 占集群25%资源 -->
    
<
    /property>
    
<
    property>
    
  <
    name>
    yarn.scheduler.capacity.root.realtime.priority<
    /name>
    
  <
    value>
    1<
    /value>
     <
    !-- 优先级高于其他队列 -->
    
<
    /property>
    
<
    !-- 交互式列配置 -->
    
<
    property>
    
  <
    name>
    yarn.scheduler.capacity.root.interactive.capacity<
    /name>
    
  <
    value>
    15<
    /value>
     <
    !-- 占集群15%资源 -->
    
<
    /property>
    
<
    property>
    
  <
    name>
    yarn.scheduler.capacity.root.interactive.user-limit-factor<
    /name>
    
  <
    value>
    3<
    /value>
     <
    !-- 单用户最多可使用队列300%资源 -->
    
<
    /property>
    

配置完成后，需重启YARN服务（stop-yarn.sh & & start-yarn.sh）使配置生效。

5. 调度策略优化建议

• 数据本地化优化：通过yarn.scheduler.capacity.node-locality-delay参数（默认-1，表示不等待）设置等待本地数据的最大时间，减少网络传输开销；
• 小作业合并：将多个小作业合并为大作业，减少调度次数，提升集群吞吐量；
• 资源弹性调整：根据业务峰谷期动态调整队列容量（如实时推荐业务高峰时增加realtime队列容量），避免资源闲置或不足；
• 权限控制：通过yarn.scheduler.capacity.root.queueA.acl_submit_applications参数控制队列提交权限，防止未授权用户提交作业。

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！