首先在YARN-site.xml中，将装备参数yarn.resourcemanager.scheduler.class设置为org.apache.Hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler。

Fair Scheduler的装备选项包含两部分，其间一部分在yarn-site.xml中，首要用于装备调度器等级的参数，别的一部分在一个自定义装备文件（默许是fair-scheduler.xml）中，首要用于装备各个行列的资源量、权重等信息。

想要了解Fair Scheduler是什么，可阅览我的这篇文章“Hadoop公正调度器剖析”。

1. 装备文件yarn-site.xml

（1） yarn.scheduler.fair.allocation.file ：自定义XML装备文件地点位置，该文件首要用于描绘各个行列的特点，比方资源量、权重等，具体装备格局将在后边介绍。

（2） yarn.scheduler.fair.user-as-default-queue：当运用程序未指定行列名时，是否指定用户名作为运用程序地点的行列名。假如设置为false或许未设置，一切不知道行列的运用程序将被提交到default行列中，默许值为true。

（3） yarn.scheduler.fair.preemption：是否启用抢占机制，默许值是false。

（4） yarn.scheduler.fair.sizebasedweight：在一个行列内部分配资源时，默许状况下，选用公正轮询的办法将资源分配各各个运用程序，而该参数则供给了别的一种资源分配方法：依照运用程序资源需求数目分配资源，即需求资源数量越多，分配的资源越多。默许状况下，该参数值为false。

（5） yarn.scheduler.assignmultiple：是否发动批量分配功用。当一个节点呈现很多资源时，能够一次分配完结，也能够屡次分配完结。默许状况下，该参数值为false。

（6） yarn.scheduler.fair.max.assign：假如敞开批量分配功用，可指定一次分配的container数目。默许状况下，该参数值为-1，表明不约束。

（7） yarn.scheduler.fair.locality.threshold.node：当运用 程序恳求某个节点上资源时，它能够承受的可越过的***资源调度时机。当依照分配战略，可将一个节点上的资源分配给某个运用程序时，假如该节点不是运用程序 希望的节点，可选择越过该分配时机暂时将资源分配给其他运用程序，直到呈现满意该运用程序需的节点资源呈现。一般而言，一次心跳代表一次调度时机，而该参 数则表明越过调度时机占节点总数的份额，默许状况下，该值为-1.0，表明不越过任何调度时机。

（8） yarn.scheduler.fair.locality.threshold.rack：当运用程序恳求某个机架上资源时，它能够承受的可越过的***资源调度时机。

（9） yarn.scheduler.increment-allocation-mb：内存规整化单位，默许是1024，这意味着，假如一个Container恳求资源是1.5GB，则将被调度器规整化为ceiling(1.5 GB / 1GB) * 1G=2GB。

（10） yarn.scheduler.increment-allocation-vcores：虚拟CPU规整化单位，默许是1，意义与内存规整化单位相似。

2. 自定义装备文件

Fair Scheduler答应用户将行列信息专门放到一个装备文件（默许是fair-scheduler.xml），关于每个行列，办理员可装备以下几个选项：

（1） minResources ：最少资源确保量，设置格局为“X mb, Y vcores”，当一个行列的最少资源确保量未满意时，它将优先于其他同级行列取得资源，关于不同的调度战略（后边会具体介绍），最少资源确保量的意义不 同，关于fair战略，则只考虑内存资源，即假如一个行列运用的内存资源超越了它的最少资源量，则以为它已得到了满意；关于drf战略，则考虑主资源运用 的资源量，即假如一个行列的主资源量超越它的最少资源量，则以为它已得到了满意。

（2） maxResources：最多能够运用的资源量，fair scheduler会确保每个行列运用的资源量不会超越该行列的最多可运用资源量。

（3） maxRunningApps：最多一起运转的运用程序数目。经过约束该数目，可防止过量Map Task一起运转时发生的中心输出成果撑爆磁盘。

（4） minSharePreemptionTimeout：最小同享量抢占时刻。假如一个资源池在该时刻内运用的资源量一向低于最小资源量，则开端抢占资源。

（5） schedulingMode/schedulingPolicy：行列选用的调度形式，能够是fifo、fair或许drf。

（6） aclSubmitApps：可向行列中提交运用程序的Linux用户或用户组列表，默许状况下为“*”，表明任何用户均能够向该行列提交运用程序。需求留意的是，该特点具有承继性，即子行列的列表会承继父行列的列表。装备该特点时，用户之间或用户组之间用“，”切割，用户和用户组之间用空格切割，比方“user1, user2 group1,group2”。

（7） aclAdministerApps：该行列的办理员列表。一个行列的办理员可办理该行列中的资源和运用程序，比方可杀死恣意运用程序。

办理员也可为单个用户增加maxRunningJobs特点约束其最多一起运转的运用程序数目。此外，办理员也可经过以下参数设置以上特点的默许值：

（1） userMaxJobsDefault：用户的maxRunningJobs特点的默许值。

（2）defaultMinSharePreemptionTimeout ：行列的minSharePreemptionTimeout特点的默许值。

（3） defaultPoolSchedulingMode：行列的schedulingMode特点的默许值。

（4） fairSharePreemptionTimeout：公正同享量抢占时刻。假如一个资源池在该时刻内运用资源量一向低于公正同享量的一半，则开端抢占资源。

【实 例】假定要为一个Hadoop集 群设置三个行列queueA、queueB和queueC，其间，queueB和queueC为queueA的子行列，且规则普通用户最多可一起运转40 个运用程序，但用户userA最多可一起运转400个运用程序，那么可在自定义装备文件中进行如下设置：

<allocations>
<queuename=”queueA”>
<minResources>100mb,100vcores</minResources>
<maxResources>150mb,150vcores</maxResources>
<maxRunningApps>200</maxRunningApps>
<minSharePreemptionTimeout>300</minSharePreemptionTimeout>
<weight>1.0</weight>
<queuename=”queueB”>
<minResources>30mb,30vcores</minResources>
<maxResources>50mb,50vcores</maxResources>
</queue>
<queuename=”queueC”>
<minResources>50mb,50vcores</minResources>
<maxResources>50mb,50vcores</maxResources>
</queue>
</queue>
<username=”userA”>
<maxRunningApps>400</maxRunningApps>
</user>
<userMaxAppsDefault>40</userMaxAppsDefault>
<fairSharePreemptionTimeout>6000</fairSharePreemptionTimeout>
</allocations>

原文链接：http://dongxicheng.org/mapreduce-nextgen/hadoop-yarn-configurations-fair-scheduler/