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 
 2 (1) mapreduce.map.memory.mb: 一个Map Task可使用的资源上限（单位:MB），默认为1024。如果Map Task实际使用的资源量超过该值，则会被强制杀死。 
 3 (2) mapreduce.reduce.memory.mb: 一个Reduce Task可使用的资源上限（单位:MB），默认为1024。如果Reduce Task实际使用的资源量超过该值，则会被强制杀死。 
 4 (3) mapreduce.map.java.opts: Map Task的JVM参数，你可以在此配置默认的java heap size等参数, e.g. 
 5 “-Xmx1024m -verbose:gc -Xloggc:/tmp/@taskid@.gc” （@[email protected]）, 默认值: “” 
 6 (4) mapreduce.reduce.java.opts: Reduce Task的JVM参数，你可以在此配置默认的java heap size等参数, e.g. 
 7 “-Xmx1024m -verbose:gc -Xloggc:/tmp/@taskid@.gc”, 默认值: “” 
 8 (5) mapreduce.map.cpu.vcores: 每个Map task可使用的最多cpu core数目, 默认值: 1 
 9 (6) mapreduce.reduce.cpu.vcores: 每个Reduce task可使用的最多cpu core数目, 默认值: 1 
10  
11 //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 
12 (7) yarn.scheduler.minimum-allocation-mb      1024   给应用程序container分配的最小内存 
13 (8) yarn.scheduler.maximum-allocation-mb      8192    给应用程序container分配的最大内存 
14 (9) yarn.scheduler.minimum-allocation-vcores    1     
15 (10)yarn.scheduler.maximum-allocation-vcores    32 
16 (11)yarn.nodemanager.resource.memory-mb   8192   
17  
18 //shuffle性能优化的关键参数，应在yarn启动之前就配置好 
19 (12) mapreduce.task.io.sort.mb   100         //shuffle的环形缓冲区大小，默认100m 
20 (13) mapreduce.map.sort.spill.percent   0.8    //环形缓冲区溢出的阈值，默认80%

(1) 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。 
(2) 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。 
(3) mapreduce.map.failures.maxpercent: 当失败的Map Task失败比例超过该值为，整个作业则失败，默认值为0.  
    如果你的应用程序允许丢弃部分输入数据，则该该值设为一个大于0的值，比如5，表示如果有低于5%的Map Task失败 
    （如果一个Map Task重试次数超过mapreduce.map.maxattempts，则认为这个Map Task失败，其对应的输入数据将不会产生任何结果），整个作业扔认为成功。 
(4) mapreduce.reduce.failures.maxpercent: 当失败的Reduce Task失败比例超过该值为，整个作业则失败，默认值为0. 
(5) 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，也许永远会卡主， 
    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300000。 
    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.”。

1 设置以下几个参数: 
2 mapreduce.framework.name=local 
3 mapreduce.jobtracker.address=local 
4 fs.defaultFS=local

1 (1) mapreduce.map.speculative: 是否为Map Task打开推测执行机制，默认为false 
2 (2) mapreduce.reduce.speculative: 是否为Reduce Task打开推测执行机制，默认为false 
3 (3) mapreduce.job.user.classpath.first & mapreduce.task.classpath.user.precedence： 
4     当同一个class同时出现在用户jar包和hadoop jar中时，优先使用哪个jar包中的class，默认为false，表示优先使用hadoop jar中的class。 
5 (4) mapreduce.input.fileinputformat.split.minsize: FileInputFormat做切片时的最小切片大小 
6 (5)mapreduce.input.fileinputformat.split.maxsize:  FileInputFormat做切片时的最大切片大小 
7 (切片的默认大小就等于blocksize，即 134217728)