容器运行超出内存限制

在Hadoop v1中，我为每个7个映射器和reducer插槽分配了1GB的大小，我的映射器和reducer运行良好。我的机器有8G内存，8个处理器。现在使用YARN，当在同一台计算机上运行同一应用程序时，出现容器错误。默认情况下，我有以下设置：

  <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>

但仍然出现错误：

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map任务需要这么多的内存。据我了解，1GB的内存足以完成我的地图/缩小任务。为什么当我为容器分配更多内存时，任务使用了更多内存？是因为每个任务都会得到更多分割吗？我觉得稍微减少容器的大小并创建更多的容器会更有效，以便更多的任务并行运行。问题是如何确定每个容器分配的拆分数量是否超过其处理能力？

您还应该正确配置MapReduce的最大内存分配。从此HortonWorks教程中：

[...]

集群中的每台计算机都有48 GB的RAM。此RAM中的某些应保留>以供操作系统使用。在每个节点上，我们将为> YARN分配40 GB RAM以使用，并为操作系统保留8 GB

对于我们的示例集群，我们有一个容器的最小RAM（yarn.scheduler.minimum-allocation-mb）= 2 GB。因此，我们将为Map任务容器分配4 GB，为Reduce任务容器分配8 GB。

在mapred-site.xml中：

mapreduce.map.memory.mb：4096

mapreduce.reduce.memory.mb：8192

每个容器将为Map和Reduce任务运行JVM。JVM堆大小应设置为小于上面定义的“映射和减少”内存，以便它们在YARN分配的容器内存的范围内。

在mapred-site.xml中：

mapreduce.map.java.opts： -Xmx3072m

mapreduce.reduce.java.opts： -Xmx6144m

以上设置配置了Map和Reduce任务将使用的物理RAM的上限。

把它们加起来：

1. 在YARN中，您应该使用mapreduce配置，而不是mapred那些。编辑：既然您已编辑问题，此评论将不再适用。
2. 您实际上要配置的是您要请求的数量，而不是要分配的最大数量。
3. 最大限制使用java.opts上面列出的设置进行配置。

最后，您可能需要检查描述类似问题（和解决方案）的另一个SO问题。

在“纱线”级别检查虚拟和物理内存使用率。问题不仅在于VM没有足够的物理内存。但这是因为虚拟内存使用量超出了给定物理内存的预期。

注意：由于Centos / RHEL 6大量分配了虚拟内存，因此发生了这种情况。

可以通过以下方法解决：

1. 通过将yarn.nodemanager.vmem-check-enabled设置为false来禁用虚拟内存使用检查 ；

2. 通过将yarn.nodemanager.vmem-pmem-ratio设置为更高的值来提高VM：PM比率。

参考文献：

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

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

在EMR中使用HIVE，我遇到了一个非常相似的问题。现有的解决方案都不适合我-即，没有mapreduce配置适合我。而且都没有设置yarn.nodemanager.vmem-check-enabled为false。

但是，最终的工作是设置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

由于声誉低下，我无法评论接受的答案。但是，我想补充一下，这种行为是设计使然。NodeManager正在杀死您的容器。听起来您正在尝试使用hadoop流，该流作为map-reduce任务的子进程运行。NodeManager监视任务的整个过程树，并且如果它消耗的内存超过分别在mapreduce.map.memory.mb或mapreduce.reduce.memory.mb中设置的最大内存，则我们希望Nodemanager终止该任务，否则您的任务是窃取不需要的其他容器的内存。

在EMR中使用spark时，我遇到了同样的问题，设置maximizeResourceAllocation=true成功了。希望它能帮助某人。创建集群时必须进行设置。从EMR文档：

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

其中myConfig.json应该说：

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

我们最近也遇到了这个问题。如果问题与映射器内存有关，我想建议您检查几件事。

• 检查是否启用了合并器？如果是，则意味着必须对所有记录（映射器的输出）运行reduce逻辑。这发生在内存中。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与所用时间/内存/ CPU之间进行，以减少记录数量“ X”的逻辑。
  • 如果您认为合并器没有太大价值，请禁用它。
  • 如果您需要组合器，并且“ X”是一个巨大的数字（例如数百万条记录），则可以考虑更改拆分逻辑（对于默认输入格式，请使用较小的块大小，通常为1块大小= 1拆分）以将较少的记录数映射到一个单个映射器。
• 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（对mapper的输出进行排序）。 如果需要，可以考虑将mapreduce.task.io.sort.mb（默认值为200MB）设置为更高的值。mapred-configs.xml
• 如果上述任何方法都无济于事，请尝试将映射器逻辑作为独立的应用程序运行，并使用探查器（如JProfiler）对应用程序进行探查，并查看内存的使用位置。这可以为您提供很好的见解。

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，终止了容器”我通过在文件yarn-site.xml中禁用虚拟内存检查解决了该问题

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

我没有亲自检查过，但是hadoop-yarn-container-virtual-memory的理解和解决方案-容器正在运行，超出了虚拟内存限制，错误听起来很合理

我通过更改yarn.nodemanager.vmem-pmem-ratio为更高的值解决了该问题，并且我同意：

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。