一些常见的故障
NM周期性的给RM发送heartbeats,如果RM发现server fails,则它会让所有与这个server有关的AM知道,让受影响的job的AM采取一些action,重新分配它的task.
目前为止还没有能监测到RM failure的情况,我们使用hard backup,如果fail则使用secondary RM
Slow servers
某个task阻塞会导致整个job延缓,如一个map task阻塞,则reduce task无法进行下去。
keep track of progress of each task:跟踪这个任务,看这个任务进行到了百分之多少。
原文:http://www.cnblogs.com/yan2015/p/4878984.html