Yarn运行Job报错：container is running beyond virtual memory limits

Yarn运行Job报错：container is running beyond virtual memory limits，在Spark on Yarn集群上运行Spark jar包，结果报错：

container *** is running beyond virtual memory limits……

问题分析：

yarn-site.xml 中关于资源的配置有问题。

yarn.nodemanager.resource.memory-mb = 3072，默认8192
yarn.scheduler.minimum-allocation-mb =150
yarn.scheduler.maximum-allocation-mb 默认8192
yarn.nodemanager.vmem-pmem-ratio 默认 2.1

其中 yarn.scheduler.maximum-allocation-mb 和yarn.nodemanager.vmem-pmem-ratio 都用了默认的配置。

一个container可用的最大虚拟内存是yarn.nodemanager.vmem-pmem-ratio与yarn.scheduler.minimum-allocation-mb的乘积，

即2.1 * 150m = 315mb。实际运行的时候，应用的虚拟内存超过了这个数值，所以报错。

所以，将yarn.nodemanager.vmem-pmem-ratio与yarn.scheduler.minimum-allocation-mb两个或其中一个值设置大一点，问题就

解决了。

另外，运行参数解释：

yarn.nodemanager.resource.memory-mb 默认8192
yarn.nodemanager.vmem-pmem-ratio 默认2.1
yarn.scheduler.minimum-allocation-mb 默认1024
yarn.scheduler.maximum-allocation-mb 默认8192

前两个是NM节点的资源参数，后两个是RM的资源参数。大小关系如下：

yarn.scheduler.minimum-allocation-mb

单个容器可申请的最小yarn.scheduler.minimum-allocation-mb与最大内存yarn.scheduler.maximum-allocation-mb,应用在运行申请内存时不能超过最大值，小于最小值则分配最小值。这两个值不能动态修改。

如果向RM请求的内存小于yarn.scheduler.minimum-allocation-mb时（比如mapred-site.xml中配置mapreduce.reduce.memory.mb），按yarn.scheduler.minimum-allocation-mb分配 。