准备知识
每个job提交到yarn执行的时候，都会分配container容器去运行，而这个容器需要资源才能运行，那这个资源就是cpu和内存，也就是每个任务container都需要CPU和内存，那么下面我们从CPU和内存去分析
yarn参数配置文件为yarn-site.xml
CPU资源调度
目前的CPU被划分为虚拟CPU(CPU virtual Core)，这里的虚拟CPU是yarn自己引入的概念，因为每个服务器的CPU计算能力不一样，有的机器可能是其他机器计算能力的两倍，然后可以通过多配置几个虚拟CPU弥补差异。在yarn中，CPU的相关配置如下：
yarn.nodemanager.resource.cpu-vcores
表示该节点上YARN可使用的虚拟CPU个数，默认是8，注意，目前推荐将该值设值为与物理CPU核数数目相同。如果你的节点CPU核数不够8个，则需要调减小这个值，而YARN不会智能的探测节点的物理CPU总数。
yarn.scheduler.minimum-allocation-vcores
单个任务可申请的最小虚拟CPU个数，默认是1，如果一个任务申请的CPU个数少于该数，则该对应的值改为这个数。
yarn.scheduler.maximum-allocation-vcores
单个任务可申请的最多虚拟CPU个数，默认是4。
注意：这里说的cpu个数都是说的虚拟cpu,默认的是1个物理cpu=2个虚拟cpu
Memory资源调度
yarn一般允许用户配置每个节点上可用的物理资源，注意，这里是"可用的"，不是物理内存多少，就设置多少，因为一个服务器节点上会有若干的内存，一部分给yarn，一部分给hdfs，一部分给hbase；Member相关的配置如下：
1.yarn.nodemanager.resource.memory-mb
设置该节点上yarn可使用的内存，默认为8G，如果节点内存资源不足8G，要减少这个值，yarn不会智能的去检测内存资源，一般这个设置yarn的可用内存资源
2.yarn.scheduler.minimum-allocation-mb
单个任务可申请的最小的内存大小，默认是1G，当内存不够时，会自动按照一定大小累加内存。
3.yarn.scheduler.maximum-allocation-mb
单个任务最大申请物理内存量，默认为8291MB
案例
如果有一个服务器16核，64G内存，我们应该如何配置上面的6个参数呢（一句话：资源最大化利用）
yarn.nodemanager.resource.cpu-vcores 虚拟core
这个参数根据自己生产服务器决定，比如公司服务器很富裕，那就直接1:1，设置成16，如果公司服务器不是很富裕，那就直接成1:2,设置成32，我们生产设置的是32
yarn.nodemanager.resource.memory-mb 总内存
生产上我们一般要预留15-20%的内存，那么可用内存就是64*0.8=51.2G，我们设置成50G就可以了（固定经验值）
yarn.scheduler.minimum-allocation-mb 单任务最小内存
如果设置成2G，那50/2 = 25，就是最多可以跑25个container
如果设置成3G，那50/3 = 16，就是最多可以跑16个container
yarn.scheduler.minimum-allocation-mb 单任务最少vcore
如果设置vcore = 1，那么32/1 = 32，就是最多可以跑32个container，如果设置成这个，根据上面内存分配的情况，最多只能跑25个container，vcore有点浪费
如果设置vcore = 2，那么32/2 = 16，就是最多可以跑16个container
yarn.scheduler.maximum-allocation-vcores 单任务最多vcore
一般就设置成4个，cloudera公司做过性能测试，如果cpu大于等于5之后，cpu利用率反而不是很好（固定经验值）
yarn.scheduler.maximum-allocation-mb 单任务最大内存
这个要根据自己公司业务设定，如果有大任务，需要5-6G内存，那就设置为8G
yarn.nodemanager.resource.memory-mb : 50G 计算总内存
yarn.nodemanager.resource.cpu-vcores : 32
yarn.scheduler.minimum-allocation-mb : 2G 25个C
yarn.scheduler.minimum-allocation-vcores： 1 32个C
yarn.scheduler.maximum-allocation-mb : 8G 6个C
yarn.scheduler.maximum-allocation-vcores : 4 8个C
一个container的core 正常最大不要超过5 cloudera规定
这里有两个值可以确定，就是最大4个cpu，和内存总使用数时50G,其余四个参数可以根据业务实际情况做调整，反正始终记住：资源最大化利用 并不是100利用 而是让剩余越来越少 。
注意：只见过内存不够的时候 会自动累加，没有见过vcore不够的时候 会自动累加 ， 是启动的指定的 spark executor-cores
