问题分析报告--压力环境下运行缓慢

问题分析报告--压力环境下运行缓慢

1、问题描述

1.1 基本信息[Basic Information]

集群规模：37+3台物理机，每台128G内存；CPU：2*16C；SATA磁盘，2T*12
hadoop社区版本：**
商业版本：FusionInsight_HD_V100R002C60U10
MetaStore：高斯数据库（Postgresql）

1.2 问题描述[Problem Description]

10月26号出现大规模任务积压。跑批任务执行缓慢;

2、问题分析[Problem Analysis]

2.1 问题背景

出现运行慢包含如下两个问题：

1. 打开Yarn的任务日志页面，发现有大量的任务启动，但无法执行。每个任务使用的container均是1个。

2. 运行中的部分任务，比平时多消耗大约一到两分钟。

2.2 日志分析

问题1：

出现该现象，是因为AM配置的资源百分比为0.6，导致每个队列的百分之六十的资源都消耗在AM启动上。

关于AM配置资源百分比参数（maximum-am-resource-percent）的说明：

该参数是指，AM可以使用队列的资源配比。在mapreduce架构中。如果需要启动一个任务，就需要启动一个AM（Application Master）负责该任务的管理。然后AM向ResourceManager申请队列资源，将任务拆分成多个执行子任务map和reduce。AM并不负责任务的计算，只负责子任务的分配、监控，调度。

从问题的情况来看，由于该参数配置值为0.6。在大规模任务执行时，将出现多个任务均处于AM启动状态（百分之60资源），但是由于剩余执行子任务计算的资源只剩余40%。整体任务计算缓慢。

该参数在出厂设置值是0.1，修改成出厂默认值之后，大规模任务下整体时间有显著减少。

问题二：从日志分析，发现部分map、reduce任务启动时间较长。但执行时间短。通过jstack线程栈分析，发现执行操作系统命令执行缓慢。通过检查发现，在redhat6.5下触发了操作系统的bug。

详情请参看<XXXX>

3、根本原因[Root Cause]

本问题主要包括两个方面：

AM可以使用队列的资源配比参数配置不合理；
操作系统问题导致性能下降。

4、解决措施[Corrective Action]

4.1 最终解决措施[Solution]

修改参数maximum-am-resource-percent 为0.1。
修改操作系统参数

步骤1. echo "vm.zone_reclaim_mode = 0" >> /etc/sysctl.conf
步骤2. sysctl -p