问题
在服务器上起了HDFS+Yarn，然后提交了一个作业：
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar pi 1 2
但是运行的时候报错，Console的log如下：
2020-11-03 14:31:44,840 WARN org.apache.hadoop.yarn.server.nodemanager.containermanager.launcher.ContainerLaunch:
Failed to launch container.
java.io.FileNotFoundException:
File /home/hadoop/app/tmp/nm-local-dir/usercache/root/appcache/application_1604385076312_0001/container_1604385076312_0001_02_000001
does not exist
at org.apache.hadoop.fs.RawLocalFileSystem.deprecatedGetFileStatus(RawLocalFileSystem.java:606)
at org.apache.hadoop.fs.RawLocalFileSystem.getFileLinkStatusInternal(RawLocalFileSystem.java:819)
at org.apache.hadoop.fs.RawLocalFileSystem.getFileStatus(RawLocalFileSystem.java:596)
at org.apache.hadoop.fs.FileSystem.primitiveMkdir(FileSystem.java:1052)
at org.apache.hadoop.fs.DelegateToFileSystem.mkdir(DelegateToFileSystem.java:161)
at org.apache.hadoop.fs.FilterFs.mkdir(FilterFs.java:197)
at org.apache.hadoop.fs.FileContext$4.next(FileContext.java:730)
at org.apache.hadoop.fs.FileContext$4.next(FileContext.java:726)
at org.apache.hadoop.fs.FSLinkResolver.resolve(FSLinkResolver.java:90)
at org.apache.hadoop.fs.FileContext.mkdir(FileContext.java:726)
at org.apache.hadoop.yarn.server.nodemanager.DefaultContainerExecutor.createDir(DefaultContainerExecutor.java:562)
at org.apache.hadoop.yarn.server.nodemanager.DefaultContainerExecutor.launchContainer(DefaultContainerExecutor.java:161)
at org.apache.hadoop.yarn.server.nodemanager.containermanager.launcher.ContainerLaunch.call(ContainerLaunch.java:302)
at org.apache.hadoop.yarn.server.nodemanager.containermanager.launcher.ContainerLaunch.call(ContainerLaunch.java:82)
at java.util.concurrent.FutureTask.run(FutureTask.java:266)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
at java.lang.Thread.run(Thread.java:748)
查看NodeManager的log，也是类似的信息：
WARN org.apache.hadoop.yarn.server.nodemanager.containermanager.launcher.ContainerLaunch: Failed to launch container.
简单分析可知：（参考Yarn的作业流程图，）程序在比较早期就挂了，即 RM 在 NM 上启动 Container，但是起不来。
分析1
看了一会log，发现有的地方写到关于Container内存大小的，动辄就是1G多。（好像，默认分配给Container的内存大小是1024MB）
我的服务器的配置是： 1 core + 2GB memory。算上已经运行的程序，剩下的也就600MB的内存。
所以，我的第一个思路是：会不会Container因为内存不足起不来？
捣鼓了一阵，把内存使用改小了。
yarn-site.xml
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>512</value>
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>256</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>256</value>
</property>
<property>
<name>yarn.app.mapreduce.am.resource.mb</name>
<value>128</value>
</property>
mapr-site.xml
<property>
<name>mapreduce.map.memory.mb</name>
<value>128</value>
</property>
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>128</value>
</property>
<property>
<name>mapreduce.map.java.opts</name>
<value>-Xmx128m</value>
</property>
<property>
<name>mapreduce.reduce.java.opts</name>
<value>-Xmx128m</value>
</property>
重启再试一遍，还是不行。看来不是因为这个原因。改回来。
（后来看log可以知道：Container的内存管理分为实际物理内存占用和虚拟内存占用。运行这个exmaple程序，物理内存可能只有十几MB，虚拟内存占用可达几个GB）
分析2
还是回到log中来。
DefaultContainerExecutor想要launchContainer，但是 somehow 有个文件路径不存在，所以需要createDir。
但是为什么创建文件夹的操作最终会报文件不存在的Error呢？继续分析。
一路调用Hadoop自带的工具类创建文件夹，最终，到了FileSystem.primitiveMkdir中，会做一个判断，parent dir存不存在，源码如下：
protected void primitiveMkdir(Path f, FsPermission absolutePermission,
boolean createParent)
throws IOException {
if (!createParent) { // parent must exist.
// since the this.mkdirs makes parent dirs automatically
// we must throw exception if parent does not exist.
final FileStatus stat = getFileStatus(f.getParent());
if (stat == null) {
throw new FileNotFoundException("Missing parent:" + f);
}
if (!stat.isDirectory()) {
throw new ParentNotDirectoryException("parent is not a dir");
}
// parent does exist - go ahead with mkdir of leaf
}
// Default impl is to assume that permissions do not matter and hence
// calling the regular mkdirs is good enough.
// FSs that implement permissions should override this.
if (!this.mkdirs(f, absolutePermission)) {
throw new IOException("mkdir of "+ f + " failed");
}
}
也就是在这个时候，getFileStatus(f.getParent());这里报错了。
报错的路径是这个：
/home/hadoop/app/tmp/nm-local-dir/usercache/root/appcache/application_1604385076312_0001/container_1604385076312_0001_02_000001
在系统搜了一下确实没有。除此之外，我们还知道，这个是一个parent dir，里面还有东西的。
这个container_1604385076312_0001_02_000001到底在哪里呢？
搜了一圈，发现在这个路径下：
/home/hadoop/app/tmp/nm-local-dir/nmPrivate/application_1604385076312_0001/container_1604385076312_0001_02_000001
注意：一个是nm-local-dir/usercache，一个是nm-local-dir/nmPrivate。
并且，在container_1604385076312_0001_02_000001路径下，我们可以发现两个文件：
container_1604385076312_0001_02_000001.tokens
launch_container.sh
所以，我们大概能猜想到背后发生的事：Yarn想要调用launch_container.sh这个文件启动一个Contianer。但是somehow由于路径不对，没有找到这个文件。
关于这个default路径，我看了DefaultContainerExecutor.launchContainer的源码，猜想是使用的DEFAULT_CONTAINER_TEMP_DIR。
Path tmpDir = new Path(containerWorkDir,
YarnConfiguration.DEFAULT_CONTAINER_TEMP_DIR);
createDir(tmpDir, dirPerm, false, user);
具体是怎么找的我就没有深究了，反正这里把它换了试一下先。
修改
这里，我所作的修改是：换一个路径，手动指定 Yarn 的local dir。
yarn-site.xml
<property>
<name>yarn.nodemanager.local-dirs</name>
<value>/home/hadoop/yarn/nm/localdir</value>
</property>
重启再试，成功!
观察 NM 的log，能看到如下语句，显示地指定了运行bash命令的路径。
INFO org.apache.hadoop.yarn.server.nodemanager.DefaultContainerExecutor:
launchContainer:
[bash, /home/hadoop/yarn/nm/localdir/usercache/root/appcache/application_1604388443689_0001/container_1604388443689_0001_01_000005/default_container_executor.sh]
参考
- Yarn简单介绍及内存配置 https://www.cnblogs.com/oumiga/articles/4174502.html
- Hadoop YARN – 如何限制requestedMemory https://www.qedev.com/bigdata/231265.html
- yarn-site.xml 配置说明 https://www.jianshu.com/p/35374384a1aa
- DefaultContainerExecutor 与 LinuxContainerExecutor https://blog.csdn.net/zhanglong_4444/article/details/89380307