Hadoop优化

释放双眼,带上耳机,听听看~!

1.MapReduce 跑的慢的原因

Hadoop优化

2.MapReduce优化方法

1.数据输入阶段
Hadoop优化
2.Map阶段
Hadoop优化
3.reduce阶段
Hadoop优化
Hadoop优化
4.I/O传输
Hadoop优化
5.数据倾斜问题及优化方法
Hadoop优化
Hadoop优化

6.常用的调优参数
(1)以下参数是在用户自己的MR应用程序中配置就可以生效(mapred-default.xml)

mapreduce.map.memory.mb
一个MapTask可使用的资源上限(单位:MB),默认为1024。如果MapTask实际使用的资源量超过该值,则会被强制杀死。
mapreduce.reduce.memory.mb
一个ReduceTask可使用的资源上限(单位:MB),默认为1024。如果ReduceTask实际使用的资源量超过该值,则会被强制杀死。
mapreduce.map.cpu.vcores
每个MapTask可使用的最多cpu core数目,默认值: 1
mapreduce.reduce.cpu.vcores
每个ReduceTask可使用的最多cpu core数目,默认值: 1
mapreduce.reduce.shuffle.parallelcopies
每个Reduce去Map中取数据的并行数。默认值是5
mapreduce.reduce.shuffle.merge.percent
Buffer中的数据达到多少比例开始写入磁盘。默认值0.66
mapreduce.reduce.shuffle.input.buffer.percent
Buffer大小占Reduce可用内存的比例。默认值0.7
mapreduce.reduce.input.buffer.percent
指定多少比例的内存用来存放Buffer中的数据,默认值是0.0

(2)应该在YARN启动之前就配置在服务器的配置文件中才能生效(yarn-default.xml)

yarn.scheduler.minimum-allocation-mb
给应用程序Container分配的最小内存,默认值:1024
yarn.scheduler.maximum-allocation-mb
给应用程序Container分配的最大内存,默认值:8192
yarn.scheduler.minimum-allocation-vcores
每个Container申请的最小CPU核数,默认值:1
yarn.scheduler.maximum-allocation-vcores
每个Container申请的最大CPU核数,默认值:32
yarn.nodemanager.resource.memory-mb
给Containers分配的最大物理内存,默认值:8192

(3)Shuffle性能优化的关键参数,应在YARN启动之前就配置好(mapred-default.xml)

mapreduce.task.io.sort.mb
Shuffle的环形缓冲区大小,默认100m
mapreduce.map.sort.spill.percent
环形缓冲区溢出的阈值,默认80%

(4)容错相关参数(MapReduce性能优化)

mapreduce.map.maxattempts
每个Map Task最大重试次数,一旦重试参数超过该值,则认为Map Task运行失败,默认值:4。
mapreduce.reduce.maxattempts
每个Reduce Task最大重试次数,一旦重试参数超过该值,则认为Map Task运行失败,默认值:4。
mapreduce.task.timeout
Task超时时间,经常需要设置的一个参数,该参数表达的意思为:如果一个Task在一定时间内没有任何进入,即不会读取新的数据,也没有输出数据,则认为该Task处于Block状态,可能是卡住了,也许永远会卡住,为了防止因为用户程序永远Block住不退出,则强制设置了一个该超时时间(单位毫秒),默认是600000。如果你的程序对每条输入数据的处理时间过长(比如会访问数据库,通过网络拉取数据等),建议将该参数调大,该参数过小常出现的错误提示是“AttemptID:attempt_14267829456721_123456_m_000224_0 Timed out after 300 secsContainer killed by the ApplicationMaster.”。

3.HDFS小文件优化方法

  1. HDFS小文件弊端

HDFS上每个文件都要在NameNode上建立一个索引,这个索引的大小约为150byte,这样当小文件比较多的时候,就会产生很多的索引文件,一方面会大量占用NameNode的内存空间,另一方面就是索引文件过大使得索引速度变慢。

  1. HDFS小文件解决方案

小文件的优化无非以下几种方式:
(1)在数据采集的时候,就将小文件或小批数据合成大文件再上传HDFS。
(2)在业务处理之前,在HDFS上使用MapReduce程序对小文件进行合并。
(3)在MapReduce处理时,可采用CombineTextInputFormat提高效率。
Hadoop优化
Hadoop优化

给TA打赏
共{{data.count}}人
人已打赏
安全经验

独立博客怎样申请谷歌Adsense

2021-10-11 16:36:11

安全经验

安全咨询服务

2022-1-12 14:11:49

个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索