HADOOP性能优化和运维

Wesley13
• 阅读 1052

集群中任意一个节点都可以被用来提交认任务,虽然通常我们使用master节点提交任务。HADOOP客户端不参与计算和存储,专门用来上传下载文件和提交任务。

性能优化4大块:

HADOOP性能优化和运维

具体优化如下:

1.选择合适的硬件

低配:

CPU             双路四核2.6GHz

内存              64GB DDR3

磁盘控制器    SAS控制器

硬盘               1TB X 4

中配:

CPU            2 X 6 Core 2.9GHz/15MB cache

内存            128GB DDR3-1600 ECC

磁盘控制器   SAS 6GB/S

磁盘             12 X 3 TB LFF SATA II 7200 RPM

交换机           2 X 千兆交换机

高配:

CPU                2 X 6 Core 2.9GHz/15M cache

内存                256GB DDR3-1600 ECC 

磁盘控制器      2 X SAS 6GB/S

磁盘                 24 X 1 TB SFF Nearline/MDL SAS 7200 RPM

交换机              万兆交换机

节点解释:

NameNode:内存容量决定HDFS所能存储的文件总数,SecondaryNameNode类似。

ResourceManager:内存和需要处理的作业有关。

内存和虚拟CPU要满足一个线性比例:

虚拟CPU个数 = CPU数 X 单个CPU核数 X 单个CPU超线程数。

如:一个双核六路CPU,具有HT(超线程)技术。

则虚拟核数 2 X 6 X 2 = 24

每个CPU分配4 ~ 8GB,则服务内存 96 ~ 192GB,此外还要考虑操作系统和其他服务和预留内存。

2.操作系统调优

1.避免使用swap分区

    vm.swappiness设为0,值域为0 ~ 100

2.调整内存分配

    vm.overcommit_memory设为2。2表示内核允许分配超过所有物理内存和交换空间的50%。

3.修改net.core.somaxconn参数

     一个linux内核参数,表示socket监听backlog上限。值 >= 32768

4.增大同时打开文件描述符的上限。

5.选择合适的文件系统

     文件系统被格式化以后,要禁用文件的访问时间

6.关闭THP

     运行hadoop时,THP会引起CPU占用率偏高。

3.JVM调优

     调整  JM FLAGS 和 JVMGC ,调整后的效率大约有4%的提升。

4.hadoop参数调优(针对CDH5版本)

1.hdfs-site.xml

     dfs.block.size

    134217728

hadoop文件快大小,通常设为128M或256M

     dfs.namenode.handler.count

    40

namenode和datanode同时通信的线程数,默认10,将其设为40.

     dfs.datanode.max.xcievers

    65536

datanode上面连接数的最大值。

     dfs.namenode.balance.bandwidthPerse

    20485760

执行start-balancer.sh的带宽默认 1048576(1MB),将其增大到20MB/s

     dfs.replication

    3

hdfs文件副本数。多个任务同时读取一个文件时,读取可能会造成瓶颈,可适当增加副本数。如果修改hadoop客户端上传文件的副本数,将以hadoop客户端配置为准。

     dfs.datanode.max.transfer.threads

    4096

datanode在进行文件传输时最大线程数,通常设置为8192.

2.core-size.xml

     io.file.buffer.size

    131072

hadoop缓冲区大小,用于hadoop读写hdfs文件还有map的中间结果输出。默认4KB,增加为128KB。

3.yarn-site.xml

     yarn.nodemanager.resource.memory-mb

    8192

物理节点有多少内存加入资源池,设定该值时注意为操作系统和其他服务预留资源。

     yarn.nodemanager.resource.cpu-vcores

    8

物理节点有多少虚拟CPU加入资源池。与上一个参数构成容器资源的两个维度。

     yarn.scheduler.increment.allocation-mb

    1024

内存申请的规整话化单位。默认为1014MB.即如果申请1.5GB,则被申请为2GB。

     yarn.scheduler.increment.allocation-vcores

    1024

虚拟CPU的规整话化单位。默认为1个

     yarn.scheduler.maximum.allocation-mb

    8192

单个任务(容器)能够被申请到的最大内存。默认8GB,如果设定和

yarn.nodemanager.resource.cpu-mb一样,则表示单个任务使用的内存资源不受限制。

     yarn.scheduler.minimum.allocation-mb

    8192

单个任务(容器)能够被申请到的最小内存。默认1GB

     yarn.scheduler.maximum.allocation-vcores

    4

单个任务(容器)能够被申请到的最大CPU数目。默认8GB,如果设定和

yarn.nodemanager.resource.cpu-vcores一样,则表示单个任务使用的内存资源不受限制。

4.mapred-site.xml

     mapreduce.map.output.compress

    true

map任务的中间结果是否压缩,true压缩。

     mapreduce.job.jvm.numtasks

    -1

jvm重用设置,默认为1,表示一个jvm只能启动一个任务,-1表示可以的启动任务不受限制。

     mapreduce.map.speculative

    true

     mapreduce.reduce.speculative

    true

分别开启map和reduce任务的推测机制,推测机制可以有效地防止,因为瓶颈而导致的拖累整个作业,但也注意,推测机制会抢占系统资源。

     mapreduce.cluster.local.dir

    /data0/mapred,/data1/mapred,/data2/mapred,/data3/mapred

mapreduce中间结果的本地存储路径,将该值设置为一系列多磁盘目录有助于提高I/O效率

     mapreduce.map.memory.mb

    -1

map任务需要的内存大小。

     mapreduce.map.cpu.vcores

    1

map任务需要的虚拟CPU数目。要与mapreduce.map.memory.mb成线性比例才不至于浪费。

     mapreduce.reduce.memory.mb

    -1

reduce任务需要的内存大小,一般要大于mapreduce.map.memory.mb。

     mapreduce.reduce.cpu.vcores

    1

reduce任务向调度器需要的虚拟CPU数,默认为1,根据容器虚拟CPU数设定,可以适量增大。要与mapreduce.map.memory.mb成线性比例才不至于浪费,一般要大于mapreduce.map.cpu.vcores。

     mapreduce.reduce.shuffle.parallelcopies

    25

该参数为reduce任务从map任务复制输出的工作线程数,默认5,可适当调高,太高会引起大量数据同时在网络传输,引起I/O压力,科学的设置为4 x Lgn,n为集群容量大小。

     mapreduce.reduce.shuffle.input.buffer.percent

    0.7

shuffle中复制阶段耗费reduce任务堆比例,默认0.7,由上面的计算得出。

     mapreduce.reduce.shuffle.merge.percent

    0.66

当内存使用率超过该参数时,会触发一次合并操作,将内存中的数据刷写到磁盘

     mapreduce.job.reduce.slowstart.completedmaps

    0.05

控制reduce任务的启动时机,默认0.05,即当map任务完成数目的5%时,启动reduce。

5.HADOOP参数调优总结

(1)增大作业的并行度,如增大map任务数量

(2)保证任务执行时有足够的资源

(3)满足前两个原则的前提下,尽量为shuffle阶段提供资源

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
3个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Stella981 Stella981
3年前
KVM调整cpu和内存
一.修改kvm虚拟机的配置1、virsheditcentos7找到“memory”和“vcpu”标签,将<namecentos7</name<uuid2220a6d1a36a4fbb8523e078b3dfe795</uuid
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
9个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这