Spark作业停留在ACCEPTED状态无法推进，状态显示UNDEFINED

老哥，你这个问题的核心其实很明确——从日志里的「队列的AM资源限制内存和vCores均为0」就能看出来，YARN的队列配置直接把ApplicationMaster（也就是Spark作业的“总指挥”）的资源配额锁死了，哪怕集群节点有空闲资源，也没法分配给AM启动，自然作业一直卡在ACCEPTED，spark-shell也挂起不动。

下面给你一步步说怎么排查修复：

1. 定位YARN队列配置文件 #

首先找到Hadoop安装目录下的etc/hadoop/capacity-scheduler.xml（默认使用容量调度器，都是这个文件）。

2. 修改队列的AM资源配额 #

打开配置文件，找到对应队列（默认是default队列）的以下配置项：

• yarn.scheduler.capacity.default.maximum-am-resource-percent：这个参数控制队列中可分配给AM的资源占队列总资源的百分比，默认应该是0.1（10%），如果被设成0就会导致AM无法获取资源。
• 另外还要检查yarn.scheduler.capacity.default.max-am-resource-mb和yarn.scheduler.capacity.default.max-am-resource-vcores，这两个是AM能使用的最大内存和vCore数，如果设为0也会限制资源分配。

把这些配置改成合理值，比如给default队列配置：

<property>
  <name>yarn.scheduler.capacity.default.maximum-am-resource-percent</name>
  <value>0.1</value>
  <description>队列中可用于运行ApplicationMaster的最大资源占比</description>
</property>
<property>
  <name>yarn.scheduler.capacity.default.max-am-resource-mb</name>
  <value>2048</value>
  <description>单个AM可使用的最大内存（你的节点是8G内存，设2G足够）</description>
</property>
<property>
  <name>yarn.scheduler.capacity.default.max-am-resource-vcores</name>
  <value>1</value>
  <description>单个AM可使用的最大vCore数</description>
</property>

3. 检查节点资源配置（可选但建议） #

顺便确认下YARN节点的资源配置是否合理，打开etc/hadoop/yarn-site.xml，检查：

• yarn.nodemanager.resource.memory-mb：每个NodeManager可分配的总内存，你的节点是8G，建议设为6144（留2G给系统进程）
• yarn.nodemanager.resource.cpu-vcores：每个NodeManager可分配的总vCore数，根据你的CPU核心数设置，比如4核就设为4

4. 重启YARN服务 #

修改完配置后，必须重启YARN的ResourceManager和NodeManager才能生效：

# 停止YARN服务
stop-yarn.sh
# 启动YARN服务
start-yarn.sh

5. 验证修复 #

重启后登录YARN资源管理器WebUI，查看队列的资源配置，确认AM的资源限制已经不是0了。然后再提交SparkPi作业试试：

./bin/run-example SparkPi 10

正常情况下，作业应该会很快从ACCEPTED进入RUNNING状态，spark-shell也能正常启动了。

内容的提问来源于stack exchange，提问作者Aesir