您可能需要请求作业的mapper/reducer容器所需的vcore数量，或者bump up yarn.scheduler.minimum-allocation-vcore：这样每个容器请求都将获得可用vcore的特定最小vcore。
emr上带有默认defaultresourcecalculator的resourcemanager将始终为每个容器分配1个vcore，而不管applicationmaster要求容器使用什么。因此，您需要手动（通过重新启动资源管理器）或在启动时使用emr配置api将其切换到capacity-scheduler.xml上的dominantresourcecalculator，以便它能够处理来自应用程序的vcore请求。
请参见类似内容：如何在hadoopmapreduce/yarn中设置vcore？

一些背景：您在yarn中定义了“最大容器大小（vcores）”值—可以分配给单个容器的最大vcores。这个数字显然小于可用vCore的总数。运行作业时，Yarn会计算容器和vCore的必要数量。示例：vcores总数：100。每个容器的最大V孔数：10。作业使用了3个容器，最多分配30个vcores。
回答您的问题：检查您的工作正在使用的容器数量，并调整“最大容器大小（vcores）”值。