我正在运行Giraph ，它在我们的五个主机（四个计算节点和一个头节点 - 称它们为 0-3 和“w”）的小型CDH4 Hadoop 集群上执行 - 请参见下面的版本。所有五台主机都在运行 mapreduce tasktracker 服务，并且“w”也在运行 jobtracker。对于我的特定 Giraph 应用程序（一种寻路）来说，资源很紧张，而且我发现任务的自动调度主机的某些配置比其他配置更好。
更具体地说，我的 Giraph 命令（见下文）指定了四个 Giraph 工作人员，并且在执行时，Hadoop（实际上是Zookeeper，IIUC）创建了五个我可以在 jobtracker Web UI 中看到的任务：一个主服务器和四个从服务器。当它将三个或更多映射任务放在“w”上（例如，01www 或 1wwww）时，该主机会最大化 ram、cpu 和 swap，并且作业会挂起。但是，当系统更均匀地分配工作以使“w”只有两个或更少的任务（例如，123ww 或 0321w）时，工作就可以正常完成。
我的问题是，1）什么程序决定了任务到主机的分配，以及 2）我如何控制它？
非常感谢！
版本
- CDH：4.7.3
- Giraph：编译为“giraph-1.0.0-for-hadoop-2.0.0-alpha”（变更日志开始于：版本 1.0.0 - 2013-04-15）
- Zookeeper 客户端环境：zookeeper.version=3.4.5-cdh4.4.0--1，构建于 09/04/2013 01:46 GMT
Giraph 命令
hadoop jar $GIRAPH_HOME/giraph-ex.jar org.apache.giraph.GiraphRunner \
-Dgiraph.zkList=wright.cs.umass.edu:2181 \
-libjars ${LIBJARS} \
relpath.RelPathVertex \
-wc relpath.RelPathWorkerContext \
-mc relpath.RelPathMasterCompute \
-vif relpath.JsonAdjacencyListVertexInputFormat \
-vip $REL_PATH_INPUT \
-of relpath.JsonAdjacencyListTextOutputFormat \
-op $REL_PATH_OUTPUT \
-ca RelPathVertex.path=$REL_PATH_PATH \
-w 4