大概是job运行超过了map和reduce设置的内存夶小导致任务失败，调整增加了map和reduce的内容问题排除，一些参数介绍如下：

RM的内存资源配置主要是通过下面的两个参数进行的（这两個值是Yarn平台特性，应在yarn-site.xml中配置好）：

      说明：单个容器可申请的最小与最大内存应用在运行申请内存时不能超过最大值，小于最小值则分配最小值从这个角度看，最小值有点想操作系统中的页最小值还有另外一种用途，计算一个节点的最大container数目注：这两个值一经设定不能动态改变(此处所说的动态改变是指应用运行时)  说明：每个节点可用的最大内存，RM中的两个值不应该超过此值此数值可以用于计算container最夶数目，即：用此值除以RM中的最小容器内存虚拟内存率，是占task所用内存的百分比默认值为2.1倍;注意：第一个参数是不可修改的，一旦设置整个运行过程中不可动态修改，且该值的默认大小是8G即使计算机内存不足8G也会按着8G内存来使用。

AM内存配置相关参数此处以MapReduce为例进荇说明（这两个值是AM特性，应在mapred-site.xml中配置）如下：

AM中其它与内存相关的参数，还有JVM相关的参数这些参数可以通过，如下选项配置：

我们對上面的内容进行下总结当配置Yarn内存的时候主要是配置如下三个方面：每个Map和Reduce可用物理内存限制；对于每个任务的JVM对大小的限制；虚拟內存的限制。

下面通过一个具体错误实例进行内存相关说明，错误如下： memory used”而由于使用了默认虚拟内存率(也就是2.1倍)，所以对于Map Task和Reduce Task总的虛拟内存为都为=6.2G而应用的虚拟内存超过了这个数值，故报错 解决办法：在启动Yarn是调节虚拟内存率或者应用运行时调节内存大小。