急着跑 MapReduce 任务，提交后却卡在 ACCEPTED 不动？我 30 分钟定位到根因

上周赶数据处理需求，往Hadoop集群提交MapReduce任务后，终端就一直停在“Running job: job_xxxxxx”，等了5分钟都没动静。打开YARN的Web界面一看，任务状态一直是ACCEPTED，下面还挂着一行小字：“waiting for AM container to be allocated, launched and register with RM”。

眼看下班前要出结果，我盯着屏幕急得冒汗——相信做大数据开发的同学，都遇到过这种“任务卡住不动”的糟心场景。好在最后一步步排查出问题，30分钟就解决了，今天把整个过程梳理出来，帮大家少踩坑。

一、先看日志！从“卡住现象”定位关键报错

一开始我以为是任务提交命令写错了，重新执行了一遍yarn jar sunny.jar /sunny/access.log /sunny/out，结果还是一样：终端只打印到“Submitted application application_xxxxxx”，之后就没下文了。

这时候别瞎猜，YARN的任务详情和日志是最好的线索。我打开YARN的Web控制台（默认地址是http://localhost:8088），找到卡住的任务点进去，在“Diagnostics”（诊断信息）里看到了关键提示：

ACCEPTED: waiting for AM container to be allocated, launched and register with RM.

翻译过来就是“等待AM容器分配、启动并向ResourceManager注册”——简单说，就是YARN的“资源管理器”没给任务分配到执行资源，问题肯定出在集群的资源配置或服务状态上。

接着我用jps命令查看Hadoop相关进程是否正常，结果一眼看出了问题：

sphynx@sphynx-Ubuntu:~$ jps
15168 Jps
15073 RunJar
14609 ResourceManager  # 资源管理器已启动
14257 DataNode         # 数据节点已启动
14097 NameNode         # 名称节点已启动
14458 SecondaryNameNode #  secondary节点已启动

少了NodeManager进程！ NodeManager是每个节点上负责管理容器、分配资源的核心组件，它没启动，YARN根本没法给任务分配容器（AM就是ApplicationMaster的容器），任务自然只能卡在ACCEPTED状态。

二、追根溯源：为什么NodeManager启动不了？

既然NodeManager没起来，下一步就是查它的启动日志——Hadoop的日志默认在$HADOOP_HOME/logs目录下，找到yarn-sphynx-nodemanager-xxx.log（sphynx是我的用户名），打开后很快看到了重复的报错：

Recieved SHUTDOWN signal from Resourcemanager, Registration of NodeManager failed, Message from ResourceManager: NodeManager from localhost doesn't satisfy minimum allocations, Sending SHUTDOWN signal to the NodeManager.

这句话直接点出了原因：NodeManager向ResourceManager注册时，因为“不满足最小资源分配要求”，被ResourceManager主动发送了关闭信号。

说白了就是：我当前节点的内存、CPU配置，没达到YARN要求的“最小资源标准”，所以NodeManager一启动就被干掉了。这时候再想一下，前几天刚给服务器装了其他服务，可能是Hadoop的默认资源配置不够用了。

三、3步解决：修改配置→重启服务→验证任务

找到问题根源，解决起来就很直接，核心是调整YARN的资源配置，让NodeManager满足最小资源要求。

步骤1：找到YARN的配置文件yarn-site.xml

Hadoop的配置文件默认在$HADOOP_HOME/etc/hadoop目录下，我这里的路径是/usr/local/hadoop/etc/hadoop/yarn-site.xml。用vim打开这个文件：

vim /usr/local/hadoop/etc/hadoop/yarn-site.xml

步骤2：添加资源配置项

在<configuration>标签内，添加NodeManager的内存和CPU核心配置（根据自己服务器的硬件调整，我这里服务器是8G内存，所以给4G给NodeManager）：

<property>
    <!-- NodeManager可使用的最大内存，单位是MB -->
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>4096</value> <!-- 我设置为4096MB（4G），根据服务器内存调整 -->
</property>
<property>
    <!-- NodeManager可使用的CPU核心数 -->
    <name>yarn.nodemanager.resource.cpu-vcores</name>
    <value>4</value> <!-- 服务器是8核，给4核足够用 -->
</property>

添加完后，按Esc输入:wq保存退出。

步骤3：重启YARN服务，验证NodeManager状态

先停止当前的YARN服务（如果之前ResourceManager是启动的），再重新启动：

# 停止YARN服务（在Hadoop安装目录的sbin文件夹下）
cd /usr/local/hadoop/sbin
./stop-yarn.sh

# 启动YARN服务
./start-yarn.sh

启动完成后，再用jps命令查看进程：

sphynx@sphynx-Ubuntu:~$ jps
17714 NodeManager      # 终于看到NodeManager启动了！
16868 NameNode
17397 ResourceManager
17241 SecondaryNameNode
17034 DataNode
17852 Jps

NodeManager成功启动，这时候再重新提交MapReduce任务：

yarn jar sunny.jar /sunny/access.log /sunny/out

这次终端很快就打印出“Map 0% Reduce 0%”的进度条，YARN控制台里任务状态也从ACCEPTED变成了RUNNING——不到1分钟，任务就执行完成了！

四、避坑总结：遇到MapReduce卡住，先做这3件事

1. 先查YARN控制台状态：任务卡住先看Web界面（http://localhost:8088），ACCEPTED状态大概率是资源没分配，RUNNING卡住可能是Map/Reduce任务本身的问题（比如数据倾斜）。
2. 用jps检查进程：NodeManager、ResourceManager、DataNode、NameNode这4个核心进程必须都在，少一个都可能导致任务失败，尤其是NodeManager，容易被忽略。
3. 别忽略日志文件：Hadoop的日志是“排障神器”，NodeManager的日志在yarn-用户名-nodemanager-xxx.log，ResourceManager的日志在yarn-用户名-resourcemanager-xxx.log，关键报错基本都在里面。

最后再提醒一句：配置文件修改后，一定要重启对应的服务才能生效！我当时第一次改完没重启，以为配置没起作用，白慌了5分钟——大家别犯和我一样的低级错误～