我有一个用于教学/测试的低性能hadoop集群，由不同的工作节点和一个主节点组成。在我的 mapred-site.xml ，我已配置 yarn.app.mapreduce.am.resource.mb , mapreduce.map.memory.mb 以及 mapreduce.reduce.memory.mb 分别为每个节点。
我认为这样做的语义是：如果应用程序主机在node0x上运行，那么应用程序主机可以使用中配置的内存 mapred-site.xml 在特定的node0x上。
但这并没有发生：我的主节点是我最强壮的节点，因此，它的值最高 yarn.app.mapreduce.am.resource.mb （它没有配置为工作节点，因此无法在其上分配appmaster）。在主节点上启动terasort时，会失败

java.io.IOException: org.apache.hadoop.yarn.exceptions.InvalidResourceRequestException: Invalid resource request, requested resource type=[memory-mb] < 0 or greater than maximum allowed allocation.

之后声明的值，yarn尝试分配一个appmaster，其内存与中声明的一样多 yarn.app.mapreduce.am.resource.mb 在主节点上-因为没有工作节点有这么多内存，所以yarn无法分配。这意味着语义不是这台机器的限制，但它描述了从这台机器运行作业的默认设置。
现在我想知道：每个节点的配置 mapred-site.xml 以及 yarn-site.xml 你也这么认为？如果所有内容都来自执行作业的节点上的配置，那么每个节点的单个配置有意义吗？我错过了什么？我以为yarn只是尽可能地分配最大的appmaster，因为没有明确给出值。
我希望我把我的观点说清楚。另一个示例：当从主节点提交Map/减少内存限制为1g的mapreduce作业时，也将无法分配较小工作节点上的map和reduce任务。基本上，我不清楚为什么我们有一个 mapred-site.xml 每个节点，如果从执行节点获取配置。
非常感谢你的帮助。