【YARN-CapacityScheduler】
此文档描述CapacityScheduler，一个hadoop支持的可插拔的scheduler，它允许“multiple-tenants”(多租户)安全的共享集群资源，所以它们的applications在容量限制之下，可以及时的分配资源。
一、Overview
CapacityScheduler被设计成以“shared”、“multi-tenant”集群，使用操作友好的方式运行hadoop 应用；同时最大化吞吐能力和集群利用率。
传统的，每个organization都有自己私有的一套计算资源，它有足够的容量在峰值情况下满足此organization的SLA(Service-Level Agreement，服务等级协议)。每个organization一个独立的集群，那么在多个独立集群中它通常会导致较差的平均利用率和开销。运行一个较大的hadoop集群，在organizations之间共享集群是一个cost-effective(划算的)的方式，因为它允许organizations从经济规划中获取收益，而无需每个都创建私有的clusters。可是，organizations会关注这个共享集群，因为他们担心其他资源使用者会影响自己的SLA。
CapacityScheduler在给每个organization容量担保的同时，允许共享这个大集群。核心思想是hadoop集群中可用的resources在多个organizations之间共享，根据它们的计算需求获取资源。还有一个额外的好处，organization可以使用那些别人不用的过剩的容量(资源)。这以很划算的方式向organizations提供了弹性。
在organizations之间共享集群必须很好的支持了multi-tenancy，因此每个organization在capacity和safe-guards都需要被保证，以确保共享集群不会因为一个application、一个用户或者用户组等而受到影响。CapacityScheduler提供了严格的限制以确保单个application或者用户不能过度的消耗集群资源。此外，它还限制单个用户和queue初始化、pending应用的个数，以保证公平性和集群的稳定性。
CapacityScheduler提供的核心理念就是Queues，这些queues通常有管理员设定。为了在共享资源上，提供更多的控制和预见性，CapacityScheduler支持多级queue，以确保在其他queues允许使用空闲资源之前，资源可以在一个组织的sub-queues之间共享。
[官方文档，生涩难懂]
二、Features
1、Hierarchical Queues：队列层级结构的支持可以确保资源在一个organization的sub-queues之间共享，对于资源，如果sub-queue需要，那么可以被sub-queues共享使用，而不是释放交给其他queue。
2、Capacity Guarantees：某种意义上，网格中的一部分capacity将会分配给queue。所有提交到此queue的应用都可以访问分配给queue的capacity。管理员可以为每个queue配置容量的soft-limit和hard-limit。
3、Security：每个queue都有严格的ACL，用来控制哪些用户可以向某个queue提交applications。此外，还提供了安全防护(safe-guards)，确保用户不能查看或者修改其他用户的applications。此外，per-queue和系统管理员角色是支持的。
4、Elasticity：空闲资源可以分配给任何一个queue，甚至超过它们的capacity。在未来的某个时间点上，当运行在低于Capacity的Queues需要这些资源时，当这些资源上运行的task完成后，它们将会被分配给那些运行在低于Capacity的queues。那么这可以保证资源的有效性是可预见的，而且对Queues而言也是弹性的，这样(弹性和预见性)可以避免人为的资源孔洞以提高资源利用率。
5、Multi-tenancy：提供了很多限制来避免一个application、user和queue(sub-queue)独占(垄断)了一个queue或者整个集群的资源，这些限制用来保障整个集群不会被压垮。
6、Operability：
A) Runtime Configuration：queue的定义和属性，比如Capacity、ACLs，管理员可使用安全的方式可以在运行时改变，以最小化中断用户的应用。此外，还向用户和管理员提供了一个console，来观察当前资源在各个Queue上的分配情况。管理员可以在运行时添加新的Queue，但是Queue不能在运行时删除。
B) Drain applications：管理员可以在运行时停止Queue，其上现有的applications会运行直到完成，不过将不能向此Queue提交新的application。如果一个queue处于“STOPPED”状态，新的application将不能提交到此Queue以及它的sub-queue中。不过Queue上已经存在的application会继续运行，即这个queue可以有好的“drained”。管理员可以重启一个处于“STOPPED”状态的queue。
7、Resource-based Scheduling：支持资源密集型的应用，可以为某个application指定比默认值更高的资源需求，可以容纳多个资源需求不同的applications。当前，资源需求只支持内存类型。
三、配置
1、设定ResourceManager使用CapacityScheduler
我们需要修改yarn-site.xml中的配置项，指定Scheduler：
<property> <name>yarn.resourcemanager.scheduler.class</name> <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value> </property>
hadoop 2.2+之后，默认Scheduler就是CapacityScheduler。
2、设定Queues
CapacityScheduler将会使用capacity-scheduler.xml作为queue配置文件。CapacityScheduler已经预定义了一个queue：root。系统中所有的queue都是root queue的子节点。其他的queues列表可以通过“yarn.scheduler.capacity.root.queues”中指定，每个queue名称以“,”分割。CapacityScheduler使用了一个称为“queue path”的概念来表示“多级queue”，“queue path”是一个queue层级的全路径，且以“root”开头，路径中以“.”作为分割符。
一个指定queue的子节点可以通过“yarn.scheduler.capacity.<queue-path>.queues”风格来定义。子节点不从父节点上直接继承properties，除非另有说明。例如，root queue有a,b,c三个子节点，以及a和b也有自己的sub-queue。
<property> <name>yarn.scheduler.capacity.root.queues</name> <value>a,b,c</value> <description>The queues at the this level (root is the root queue). </description> </property> <property> <name>yarn.scheduler.capacity.root.a.queues</name> <value>a1,a2</value> <description>The queues at the this level (root is the root queue). </description> </property> <property> <name>yarn.scheduler.capacity.root.b.queues</name> <value>b1,b2,b3</value> <description>The queues at the this level (root is the root queue). </description> </property>
3、Queue properties[capacity-scheduler.xml]
A) Resource Allocation：资源分配
- yarn.scheduler.capacity.<queue-path>.capacity：Queue的容量百分比，float类型，例如12.5。所有Queue的各个层级的capacity总和必须为100。因为弹性资源分配，如果集群中有较多的空闲资源，queue中的application可能消耗比此设定更多的Capacity。
- yarn.scheduler.capacity.<queue-path>.maximum-capacity：queue capacity最大占比，float类型，此值用来限制queue中的application的弹性的最大值。默认为-1禁用“弹性限制”。
- yarn.scheduler.capacity.<queue-path>.minimum-user-limit-percent：任何时间如果有资源需要，每个queue都会对分配给一个user的资源有一个强制的限制，这个user-limit可以在最大值和最小值之间。此属性就是最小值，其最大值依赖于提交applications的用户的个数。例如：假设此值为25，如果有2个用户向此queue提交application，那么每个用户最多消耗queue资源容量的50%；如果第三个user提交了application，那么任何一个user使用资源容量不能超过queue的33%；4个或者更多的用户参与，那么每个用户资源使用都不会超过queue的25%。默认值为100，表示对没有用户资源限制。
- yarn.scheduler.capacity.<queue-path>.user-limit-factor：queue容量的倍数，用来设置一个user可以获取更多的资源。默认值为1，表示一个user获取的资源容量不能超过queue配置的capacity，无论集群有多少空闲资源。此值为float类型。[最多仍不超过maximum-capacity]。
B) Running and Pending Application limits：运行中和亟待运行的应用限制
- yarn.scheduler.capacity.maximum-applications：
- yarn.scheduler.capacity.<queue-path>.maximum-applications：系统中正在运行的和pending(挂起，亟待运行)的applications的最大数量。每个queue上的限制，应该和queue capacity和user限制相互匹配(成比例的，即queue capacity较大，那么可以将此值设定的较大)。这是一个hard limit，如果达到限制，那么提交application将会被拒绝。默认值为10000。可以使用“yarn.scheduler.capacity.maximum-applications”来控制所有的queues，可以通过第二个配置项来对指定的queue-path做限制。
- yarn.scheduler.capacity.maximum-am-resource-percent：
- yarn.scheduler.capacity.<queue-path>.maximum-am-resource-percent：集群中用来运行Application masters的资源的占比。用来控制集群中active application的个数(每一个running application都会创建一个ApplicationMaster)。每个Queue上的限制，应该和queue capacity和用户限制相互匹配(成比例的，即queue capacity较大，那么可以将此值设定的较大)。此值为float类型，默认为10。
C) Queue管理和权限
- yarn.scheduler.capacity.<queue-path>.state：queue的状态，可以为“STOPPED”/"RUNNING"。如果一个queue为“STOPPED”状态，新的applications将不能提交到此queue以及其sub-queue中。如果root queue的状态为“STOPPED”，那么任何appplications都将无法提交。
- yarn.scheduler.capacity.root.<queue-path>.acl_submit_applications：ACL用来控制“who”能够想queue-path提交applications。如果user/group持有path或者parent path上必要的ACLs时，他们才能提交applications。如果在某个queue-path上没有特定配置ACLs，那么此queue-path的ACLs将继承parent path。
- yarn.scheduler.capacity.root.<queue-path>.acl_administer_queue：ACLs用来控制“who”能够管理queue-path下的application。其ACLs继承特性同上。只有具有ACLs的用户或者group才能够管理queue中的applications，包括applications的取消等。
备注：ACL的格式为"user1,user2SpaceGroup1,group2"，用户之间用“,”分割，用户与group之间用“ ”(空格)分割。“*”表示任何人，默认值为“*”。
安装和配置完成之后，即可启动yarn守护进程：“sbin/start-yarn.sh”。此后我们可以通过ResourceManager Web UI查看运行情况。
如果在运行时，添加了queue或者修改了ACLs，可以通过“bin/yarn rmadmin -refreshQueues”来刷新。但是删除Queue是不支持的，需要重启yarn进程。