Hadoop2.7.6_06_mapreduce参数优化详解大数据

 

  MapReduce重要配置参数

1. 资源相关参数

 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 
 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%

 

 

2. 容错相关参数

(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.”。

 

3. 本地运行mapreduce 作业

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

 

4. 效率和稳定性相关参数

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)

 

原创文章,作者:奋斗,如若转载,请注明出处:https://blog.ytso.com/9098.html

(0)
上一篇 2021年7月19日
下一篇 2021年7月19日

相关推荐

发表回复

登录后才能评论