YARN 上 GCP Dataproc 上的自动缩放指标

Question

为什么 GCP Dataproc 的集群基于 内存请求 和 NOT 核心使用 YARN 作为 RM 自动扩展？是 Dataproc 或 YARN 的限制还是我遗漏了什么？

参考：https://cloud.google.com/dataproc/docs/concepts/configuring-clusters/autoscaling

自动缩放将 Hadoop YARN 配置为基于 YARN 内存请求而非 YARN 核心请求来调度作业。

自动缩放以以下 Hadoop YARN 指标为中心：

分配的内存是指在整个集群中运行容器所占用的总 YARN 内存。如果有 6 个正在运行的容器最多可以使用 1GB，则分配的内存为 6GB。

可用内存是集群中未被分配容器使用的 YARN 内存。如果所有节点管理器有 10GB 的内存和 6GB 的分配内存，则有 4GB 的可用内存。如果集群中有可用（未使用）内存，自动扩缩可能会从集群中移除工作人员。

待处理内存是待处理容器的 YARN 内存请求的总和。待处理的容器正在等待空间在 YARN 中运行。仅当可用内存为零或太小而无法分配给下一个容器时，挂起的内存才非零。如果有待处理的容器，自动缩放可能会将工作人员添加到集群中。

Answer 1

目前这是 Dataproc 的限制。默认情况下，YARN 会根据内存请求为容器查找插槽，并完全忽略核心请求。所以在默认配置下，Dataproc 只需要根据 YARN 挂起/可用内存进行自动扩缩即可。

肯定有您希望通过运行更多容器来超额订阅 YARN 核心的用例。例如，即使您只有 4 个物理内核，我们的默认 distcp 配置也可能在节点管理器上运行 8 个低内存容器。每个 distcp 任务主要受 I/O 限制，不会占用太多内存。所以我认为保留仅基于内存调度的默认设置是合理的。

如果您也对配置基于 YARN 内核的自动缩放感兴趣，我怀疑您已打开 YARN 的 DominantResourceCalculator 以使 YARN 同时在内存和内核上进行调度。在我们的路线图中支持DominantResourceCalculator。但我们一直优先考虑自动缩放稳定性修复。请随时私下与 dataproc-feedback@google.com 联系，向我们详细介绍您的使用案例。