请问以下情况下，集群如何优化？
1、当前集群的规模 目前集群有5台集群，分别装是hadoop master（1台），hadoop slave（4台）、hbase（装在3台）、zookeeper（装在3台机器上）
2、机器的配置 内存8G,4核2CPU
3、机器部署情况 分别装有hadoop、hbase、zookeeper（装在3台机器上）
4、用集群来处理什么问题，处理结果输出到什么地方 通过MR来统计HBase表中相关数据
5、存在问题（描述集群在处理任务的情况） 每天的数据量大概有10G左右，刚开始阶段每天晚上统计的时候速度非常快，运行一段时间后，有大量的Task处于等待状态，如果提交了新的Job的时候Job也处于等待状态，任务并不执行。查看目前大概有800个region。请问如何优化？
2、机器的配置 内存8G,4核2CPU
3、机器部署情况 分别装有hadoop、hbase、zookeeper（装在3台机器上）
4、用集群来处理什么问题，处理结果输出到什么地方 通过MR来统计HBase表中相关数据
5、存在问题（描述集群在处理任务的情况） 每天的数据量大概有10G左右，刚开始阶段每天晚上统计的时候速度非常快，运行一段时间后，有大量的Task处于等待状态，如果提交了新的Job的时候Job也处于等待状态，任务并不执行。查看目前大概有800个region。请问如何优化？
2同行回答
根据目前的配置来看，假如每台机器最多同时运行8个Task，并行的话最多同时32个Task（4*8=32）。MR去读HBase的Region来统计数据的时候，默认每个region会产生一个Map。累计产生的Task数量为：800个Map+指定数量的Reduce个，但是只能并行32个，所以再有新任务提交的时候，新的任务会一直处于等待状态（等待分配资源）。
优化思路：在Hadoop中配置调度器，比如配置A调度器（A最多运行20个Task）和B调度器(最多运行10个Task)，A调度器负责处理MR统计HBase的任务，每个Job运行的时候指定调度器名称，这样不会因为一个Job的Task太多而占满了资源。收起
优化思路：在Hadoop中配置调度器，比如配置A调度器（A最多运行20个Task）和B调度器(最多运行10个Task)，A调度器负责处理MR统计HBase的任务，每个Job运行的时候指定调度器名称，这样不会因为一个Job的Task太多而占满了资源。收起