yarn节点属性及调度

【节点属性产生的背景】

---

在2.X版本中，已经支持节点设置标签，并且允许容量调度中的队列，设置可访问的节点标签以及默认标签值，并按照节点标签进行调度。

但一个节点只能有1个标签，这样在yarn集群中，通过标签将NM节点划分为不同的节点池（1个NM节点只能属于某个固定的节点池）。

实际上，光有节点标签还不能满足一些复杂的场景，比如同一个类型标签中的不同NM节点，可能有不同环境信息，例如不同的jdk版本、python版本、cpu型号等等。

实际任务调度时，需要在正确的节点上运行，因此引入了节点属性，节点属性按K=V的形式设置，并且允许设置多个。

【节点属性的配置与设置】

---

1. yarn配置

和节点标签一样，节点属性并不是默认开启的，需要在rm（yarn-site.xml）中进行如下配置：

  yarn.node-attribute.fs-store.root-dir
  hdfs://hdfsHACluster/root/node-attributes/
 
  yarn.node-attirbute.fs-store.impl.class
  FileSystemNodeAttributeStore

其中"yarn.node-attribute.fs-store.root-dir"表示节点属性在RM中的存储位置，可以选择存储本地（对应配置为file:///xxx/xxx），也可以是选择存储在hdfs上。

"yarn.node-attirbute.fs-store.impl.class"表示节点属性存储的实现类，默认为`FileSystemNodeAttributeStore`。

2. 节点属性的设置

完成配置后，接下来自然就是对节点设置属性。设置属性的方式也和节点标签类似，分为中心集中式和分布式，简单来说中心集中式就是通过（管理员用户）执行命令对各节点进行属性设置；分布式则是由各节点通过自身配置的方式向RM上报所拥有的属性。

对于中心集中式，主要使用添加、删除命令，例如：

# 为指定节点添加属性
yarn nodeattributes -add "172.168.3.51:python2=true"
# 删除指定节点的属性
yarn nodeattributes -remove "172.168.3.51:python2=true"

添加或删除命令，通过指定节点的IP或域名，然后以":"分隔指定一个或多个属性，属性之间以","分隔；如果需要同时为多个节点设置属性，以空格为分隔符，分别指定为不同节点指定属性。

对于分布式，则需要在NM中进行对应的配置，例如：

    yarn.nodemanager.node-attributes.provider
    config
    yarn.nodemanager.node-attributes.provider.configured-node-attributes
    
    
    
    
    jdk8,STRING,true:python3,STRING,true

"yarn.nodemanager.node-attributes.provider"除了配置为config外，还可以配置为script，即通过定期执行指定的脚本来设置节点的属性，例如：

    yarn.nodemanager.node-attributes.provider
    script
    yarn.nodemanager.node-attributes.provider.script.path
    /opt/xxx.sh
    yarn.nodemanager.node-attributes.provider.script.opts
    
    yarn.nodemanager.node-attributes.provider.fetch-interval-ms
    600000
    yarn.nodemanager.node-attributes.provider.fetch-timeout-ms
    1200000

除此之外，还可以配置自定义开发的实现类，该实现类一定要继承自"org.apache.hadoop.yarn.server.nodemanager.nodelabels.NodeAttributesProvider"。

完成节点的属性设置后，可以通过下面的命令来查看已经设置的节点属性：

[root@rm-0 /]# yarn nodeattributes -attributestonodes
                                Hostname Attribute-value
nm.yarn.io/python3 :
                            172.168.3.51 true
rm.yarn.io/python2 :
                            172.168.3.51 true
nm.yarn.io/jdk8 :
                            172.168.3.51 true

对于节点属性的设置，有如下需要注意的地方：

• 同一个key不能赋多个值，也就是说，对同一个Key多次设置属性值，后面设置的值覆盖前面设置的值。

• 当前value的类型仅支持string

• 节点标签还需要在队列中设置可以访问的标签，而节点属性则完全与队列没有关系。

• 对于节点标签而言，只能采用集中式或者分布式的方式，而节点属性则可以同时使用集中式和分布式的方式对接点进行设置。对于集中式设置的属性，会添加"rm.yarn.io"前缀，而对于分布式方式设置的属性，会添加"nm.yarn.io"前缀。这就意味着属性是通过前缀加名称来唯一标识的。

【按节点属性进行任务调度】

---

1. Placement Constraints简介

任务的container能根据节点属性来进行调度，本质上是用到了Placement Constraints，这里先来简单介绍下Placement Constraints。

很多时候，为了提升性能，需要让同一个application中的多个任务container运行在指定节点上，比如为了避免网络带宽带来的损耗，让container之间具备亲和性（运行在同一节点上）。

或者考虑到hdfs读写的性能，将应用的所有任务container调度到指定的节点上等等。

Hadoop引入了placement constraint，即AM向RM注册时，可以设置不同的表达式，后续申请资源时，让yarn根据此表达式来进行精准调度。

这个表达式就包含了NM节点属性，因此就可以按照NM节点属性来正确调度，当然，不仅限于按节点属性来调度。

2. 按节点属性匹配调度

要开启placement的匹配调度，首先需要在RM中进行如下配置：

    yarn.resourcemanager.placement-constraints.handler
    placement-processor

然后，可以通过自带的命令可以进行测试验证：

yarn org.apache.hadoop.yarn.applications.distributedshell.Client -jar share/hadoop/yarn/hadoop-yarn-applications-distributedshell-3.3.3.jar -shell_command sleep -shell_args 10 -num_containers 3 -placement_spec python2=true

任务的执行情况：

对比下同样的任务，未指定任何节点属性的情况：

同样，在使用中有如下需要注意的地方：

• 属性名称的指定

    对于通过集中式方式指定的属性，可以不用加前缀，直接使用其属性名即可，而对于分布式（NM自行上报）的属性，使用时需要增加前缀才能正确进行匹配上。因此使用上建议统一方式。

• placement constraint为硬限制

    节点属性约束是硬限制的， 即只有当节点的属性与任务指定的属性匹配时才能进行分配，否则任务container会一直处于pending状态，直到找到可以满足条件的有效节点。

• 作用于任务container
  

    从上面的使用方式可以看到，placement constraint是在AM中进行设置的，因此也就只对任务container生效，而AM本身还是由RM按原有的方式进行调度。

• flink/spark还未支持

    当前最新版本的flink与spark都还未支持设置该参数，如需要使用，需要自行修改代码支持。

• 参数不是强制的

    为任务contaienr申请资源时，placement表达式不是必须的，客户端接口中有两个接口分别对应携带和不带该参数的情况。

【总结】

---

本文简单介绍了节点属性的背景，如何进行配置，以及如何按照节点属性进行任务的调度。当然，涉及的placement constraint是一个比较庞大的内容，包括详细的表达式设置、AM的代码中应当如何编写对应的代码、RM中的调度逻辑等等，这里没有展开讲解，后面单独来进行整理说明。

好了，这就是本文的全部内容，如果觉得本文对您有帮助，请多多转发，也欢迎加我微信交流～