yarn计算一个节点容量及其配置项

mapred-site.xml

mapreduce.map.memory.mb　　　　1536　　　　　每个Map Container的大小

mapreduce.reduce.memory.mb　　2560　　　　　 每个Reduce Container的大小　　　　　　　　　

mapreduce.map.java.opts　　　　-Xmx1024　　　Map任务的jvm-Xmx堆大小。
　　　　　　　　　　　　　　　　　　　　　　　　　//实际Map函数占用的jvm堆大小

mapreduce.reduce.java.opts　　-Xmx2048　　　 Reduce任务的jvm-Xmx堆大小。
　　　　　　　　　　　　　　　　　　　　　　　　　//实际Reduce函数占用的jvm堆大小

•  每个container是动态分配的

mapreduce.map.memory.mb和mapreduce.map.java.opts之间有512MB的差值，这是container留的内存余地，可以用来运行JVM Perm Gen、Native Lib。

所以mapreduce.map.java.opts的值一定要小于mapreduce.map.memory.mb的值。

理解mapreduce.map.java.opts、mapreduce.reduce.java.opts
以map任务为例，Container其实就是在执行一个脚本文件，而脚本文件中，会执行一个 Java 的子进程，这个子进程就是真正的 Map Task，mapreduce.map.java.opts 其实就是启动 JVM 虚拟机时，传递给虚拟机的启动参数，而默认值 -Xmx200m 表示这个 Java 程序可以使用的最大堆内存数，一旦超过这个大小，JVM 就会抛出 Out of Memory 异常，并终止进程。而 mapreduce.map.memory.mb 设置的是 Container 的内存上限，这个参数由 NodeManager 读取并进行控制，当 Container 的内存大小超过了这个参数值，NodeManager 会负责 kill 掉 Container。在后面分析 yarn.nodemanager.vmem-pmem-ratio 这个参数的时候，会讲解 NodeManager 监控 Container 内存（包括虚拟内存和物理内存）及 kill 掉 Container 的过程。
也就是说，mapreduce.map.java.opts一定要小于mapreduce.map.memory.mb 
mapreduce.reduce.java.opts同mapreduce.map.java.opts一样的道理。

 这两个参数，差值太大太小都可能回有问题：

mapreduce.{map,reduce}.memory.mb和 mapreduce.{map,reduce}.java.opts，一旦设置不合理，则会使得内存资源浪费严重，比如将前者设置为4096MB，但后者却是“-Xmx2g”，则剩余2g实际上无法让java heap使用到。参见

https://issues.apache.org/jira/browse/MAPREDUCE-5785

yarn-site.xml

yarn.scheduler.minimum-allocation-mb　　512　　YARN允许的最小Container
　　　　　　　　　　　　　　　　　　　　　　　　　　//AppMaster也会独占一个Container

yarn.scheduler.maximum-allocation-mb　　4096　 YARN允许的最大Container 

yarn.nodemanager.resource.memory-mb　　36864　　节点上资源的总物理内存值。
//这个值不要配置为节点总RAM，还要为其他Hadoop服务如Hbase等留内存 

yarn.nodemanager.vmen-pmen-ratio　　　　2.1　　　每个Container允许的虚拟内存比例。

 yarn提供了非常通用的应用资源模型。

• 资源名称（主机名称、机架名称、以及可能的复杂网络拓扑）
• 内存量
• CPU（核数/类型）
• 其他资源，如disk/network I/O、GPU等资源。

yarn权威指南上介绍hadoop2.x目前的可以支持CPU和内存两种资源维度。（hadoop yarn权威指南P33）