在Spark on Yarn集群上运行Spark jar包，结果报错：
container *** is running beyond virtual memory limits……
问题分析：
yarn-site.xml 中关于资源的配置有问题。
yarn.nodemanager.resource.memory-mb = 3072，默认8192
yarn.scheduler.minimum-allocation-mb =150
yarn.scheduler.maximum-allocation-mb 默认8192
yarn.nodemanager.vmem-pmem-ratio 默认 2.1
其中 yarn.scheduler.maximum-allocation-mb 和 yarn.nodemanager.vmem-pmem-ratio 都用了默认的配置。
一个container可用的最大虚拟内存是yarn.nodemanager.vmem-pmem-ratio与yarn.scheduler.minimum-allocation-mb的乘积，
即2.1 * 150m = 315mb。实际运行的时候，应用的虚拟内存超过了这个数值，所以报错。
所以，将yarn.nodemanager.vmem-pmem-ratio与yarn.scheduler.minimum-allocation-mb两个或其中一个值设置大一点，问题就
解决了。
另外，运行参数解释：
yarn.nodemanager.resource.memory-mb 默认8192
yarn.nodemanager.vmem-pmem-ratio 默认2.1
yarn.scheduler.minimum-allocation-mb 默认1024
yarn.scheduler.maximum-allocation-mb 默认8192
前两个是NM节点的资源参数，后两个是RM的资源参数。大小关系如下：
yarn.scheduler.minimum-allocation-mb < yarn.scheduler.maximum-allocation-mb < yarn.nodemanager.resource.memory-mb
单个容器可申请的最小yarn.scheduler.minimum-allocation-mb与最大内存yarn.scheduler.maximum-allocation-mb,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。这两个值不能动态修改。
如果向RM请求的内存小于yarn.scheduler.minimum-allocation-mb时（比如mapred-site.xml中配置mapreduce.reduce.memory.mb），按yarn.scheduler.minimum-allocation-mb分配 。
参考链接：
http://blog.chinaunix.net/uid-28311809-id-4383551.html
http://hadoop.apache.org/docs/r2.7.3/hadoop-yarn/hadoop-yarn-common/yarn-default.xml