下面是Hadoop中CapacitySchedule配置，包含了新建队列和子队列

   <configuration>

     <property>

       <name>yarn.scheduler.capacity.maximum-am-resource-percent</name>

       <value>0.2</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.maximum-applications</name>

       <value>10000</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.node-locality-delay</name>

       <value>40</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.queue-mappings-override.enable</name>

       <value>false</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.resource-calculator</name>

       <value>org.apache.hadoop.yarn.util.resource.DominantResourceCalculator</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.accessible-node-labels</name>

       <value>*</value>

       <description></description>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.acl_administer_queue</name>

       <value>*</value>

       <description></description>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.capacity</name>

       <value>100</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.default.acl_submit_applications</name>

       <value>*</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.default.capacity</name>

       <value>50</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.default.maximum-capacity</name>

       <value>70</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.default.state</name>

       <value>RUNNING</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.default.user-limit-factor</name>

       <value>1</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.queues</name>

       <value>default,spark,hadoop</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.acl_administer_queue</name>

       <value>*</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.acl_submit_applications</name>

       <value>*</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.capacity</name>

       <value>30</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.maximum-capacity</name>

       <value>70</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.minimum-user-limit-percent</name>

       <value>100</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.ordering-policy</name>

       <value>fifo</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.state</name>

       <value>RUNNING</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.user-limit-factor</name>

       <value>1</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.hadoop.acl_administer_queue</name>

       <value>*</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.hadoop.acl_submit_applications</name>

       <value>*</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.hadoop.capacity</name>

       <value>20</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.hadoop.maximum-capacity</name>

       <value>70</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.hadoop.minimum-user-limit-percent</name>

       <value>100</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.hadoop.ordering-policy</name>

       <value>fifo</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.hadoop.state</name>

       <value>RUNNING</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.hadoop.user-limit-factor</name>

       <value>1</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.queues</name>

       <value>spark1,spark2</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark1.acl_administer_queue</name>

       <value>*</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark1.acl_submit_applications</name>

       <value>*</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark1.capacity</name>

       <value>50</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark1.maximum-capacity</name>

       <value>70</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark1.minimum-user-limit-percent</name>

       <value>100</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark1.ordering-policy</name>

       <value>fifo</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark1.state</name>

       <value>RUNNING</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark1.user-limit-factor</name>

       <value>1</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark2.acl_administer_queue</name>

       <value>*</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark2.acl_submit_applications</name>

       <value>*</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark2.capacity</name>

       <value>50</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark2.maximum-capacity</name>

       <value>70</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark2.minimum-user-limit-percent</name>

       <value>100</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark2.ordering-policy</name>

       <value>fifo</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark2.state</name>

       <value>RUNNING</value>

     </property>

     <property>

       <name>yarn.scheduler.capacity.root.spark.spark2.user-limit-factor</name>

       <value>1</value>

     </property>

   </configuration>

Hadoop CapacitySchedule配置的更多相关文章

  1. CentOS 7 Hadoop安装配置

    前言:我使用了两台计算机进行集群的配置,如果是单机的话可能会出现部分问题.首先设置两台计算机的主机名 root 权限打开/etc/host文件 再设置hostname,root权限打开/etc/hos ...

  2. ubuntu下hadoop环境配置

    软件环境: 虚拟机:VMware Workstation 10 操作系统:ubuntu-12.04-desktop-amd64 JAVA版本:jdk-7u55-linux-x64 Hadoop版本:h ...

  3. hadoop(四):配置参数

    hadoop参数配置,主要是配置 core-site.xml,hdfs-site.xml,mapred-site.xml 三个配置文件,core-site.xml是全局配置,hdfs-site.xml ...

  4. hadoop mapred-queue-acls 配置(转)

    hadoop作业提交时可以指定相应的队列,例如:-Dmapred.job.queue.name=queue2通过对mapred-queue-acls.xml和mapred-site.xml配置可以对不 ...

  5. hadoop安装配置——伪分布模式

    1. 安装 这里以安装hadoop-0.20.2为例 先安装java,参考这个 去着下载hadoop 解压 2. 配置 修改环境变量 vim ~/.bashrc export HADOOP_HOME= ...

  6. Hadoop平台配置总结

    hadoop的配置,个人感觉是非常容易出问题.一个原因是要配置的地方多,还有个原因就是集群配置要在几台机器上都配置正确,才能保证配置好hadoop,跑起任务. 经过昨晚加今天上午的折腾,总算成功配好了 ...

  7. 有关hadoop分布式配置详解

    linux配置ssh无密码登录 配置ssh无密码登录,先要安装openssh,如下: yum install openssh-clients 准备两台linux服务器或虚拟机,设置两台linux的ho ...

  8. CentOS Hadoop安装配置详细

    总体思路,准备主从服务器,配置主服务器可以无密码SSH登录从服务器,解压安装JDK,解压安装Hadoop,配置hdfs.mapreduce等主从关系. 1.环境,3台CentOS7,64位,Hadoo ...

  9. Hadoop的配置过程（虚拟机中的伪分布模式）

    1引言 hadoop如今已经成为大数据处理中不可缺少的关键技术,在如今大数据爆炸的时代,hadoop给我们处理海量数据提供了强有力的技术支撑.因此,了解hadoop的原理与应用方法是必要的技术知识. ...

随机推荐

  1. Java并发编程原理与实战三十五：并发容器ConcurrentLinkedQueue原理与使用

    一.简介 一个基于链接节点的无界线程安全队列.此队列按照 FIFO(先进先出)原则对元素进行排序.队列的头部 是队列中时间最长的元素.队列的尾部 是队列中时间最短的元素.新的元素插入到队列的尾部,队列 ...

  2. highCharts参数实例解释

    <!DOCTYPE html> <html> <head> <meta http-equiv="Content-Type" content ...

  3. Netty接收HTTP文件上传及文件下载

    文件上传 这个处理器的原理是接收HttpObject对象,按照HttpRequest,HttpContent来做处理,文件内容是在HttpContent消息带来的. 然后在HttpContent中一个 ...

  4. Java压缩/解压.zip、.tar.gz、.tar.bz2(支持中文)

    本文介绍Java压缩/解压.zip..tar.gz..tar.bz2的方式. 对于zip文件:使用java.util.zip.ZipEntry 和 java.util.zip.ZipFile,通过设置 ...

  5. Ubuntu 15.04 双击运行 *.sh、*.py文件

    源 起 之前一直在Windows下用AndoridStudio,今天试了一下在Linux系统Ubuntu 15.04中配置Android Studio: 过程和Windws下差不多,但是最后没有生成桌 ...

  6. 在Emacs中画思维导图

    是的,你没有看错.其实,不只画思维导图,画结构图.流程图等,都可以.那怎么办呢?就是借助 Graphviz . Graphviz 可以方便地表达概念之间的联系,因此用它画思维导图是可行的,再加上它是个 ...

  7. 20155331 2016-2017-2 《Java程序设计》第6周学习总结

    20155331 2016-2017-2 <Java程序设计>第6周学习总结 教材学习内容总结 输入/输出基础 很多实际的Java应用程序不是基于文本的控制台程序.尽管基于文本的程序作为教 ...

  8. 搭建zookeeper单机版以及简单命令的使用

    1:创建目录 #数据目录dataDir=/opt/hadoop/zookeeper-3.3.5-cdh3u5/data#日志目录dataLogDir=/opt/hadoop/zookeeper-3.3 ...

  9. shell脚本实现分日志级别输出

    shell脚本如何优雅的记录日志信息,下面让我们一步一步,让shell脚本的日志也变得高端起来,实现如下功能 ①设定日志级别,实现可以输出不同级别的日志信息,方便调试 ②日志格式类似为:[日志级别] ...

  10. Python Challenge 第 5 关攻略：peak

    # -*- coding: utf-8 -*- # @Time : 2018/9/26 14:03 # @Author : cxa # @File : pickledemo.py # @Softwar ...