admin 管理员组

文章数量: 887021

MapReduce

1、MapReduce 参数调优 

1.1、资源相关参数 

以下参数是在用户自己的 mr 应用程序中配置就可以生效： 

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。 
 
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。 
 
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. “-Xmx1024m -verbose:gc -Xloggc:/tmp/@taskid@.gc” （@taskid@会被 Hadoop 框架自动换 为相应的 taskid）, 默认值: “” 
 
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. “-Xmx1024m -verbose:gc -Xloggc:/tmp/@taskid@.gc”, 默认值: “” 
 
5、mapreduce.map.cpu.vcores: 每个 Map task 可使用的最多 cpu core 数目, 默认值: 1 
 
6、mapreduce.reduce.cpu.vcores: 每个 Reduce task 可使用的最多 cpu core 数目, 默认值: 1 

以下参数应该在 yarn 启动之前就配置在服务器的配置文件中才能生效： 

7、yarn.scheduler.minimum-allocation-mb=1024   给应用程序 container 分配的最小内存 
 
8、yarn.scheduler.maximum-allocation-mb=8192   给应用程序 container 分配的最大内存 

9、yarn.scheduler.minimum-allocation-vcores=1  
 
10、yarn.scheduler.maximum-allocation-vcores=32 
 
11、yarn.nodemanager.resource.memory-mb=8192   

shuffle 性能优化的关键参数，应在 yarn 启动之前就配置好：

12、mapreduce.task.io.sort.mb=100         //shuffle 的环形缓冲区大小，默认 100m 
 
13、mapreduce.map.sort.spill.percent=0.8    //环形缓冲区溢出的阈值，默认 80% 

1.2、容错相关参数 

1、mapreduce.map.maxattempts=4: 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 
 
2、mapreduce.reduce.maxattempts=4: 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 
 
3、mapreduce.map.failures.maxpercent=0: 当失败的 Map Task 失败比例超过该值为，整个作 业则失败。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），整个作业仍然认为成功。 
 
4、mapreduce.reduce.failures.maxpercent=0: 当失败的 Reduce Task 失败比例超过该值为，整 个作业则失败 
 
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.”。

1.3、本地运行 mapreduce 作业 

设置以下几个参数:

mapreduce.framework.name=local

mapreduce.jobtracker.address=local 

1.4、效率和稳定性相关参数 

1、mapreduce.map.speculative: 是否为 Map Task 打开推测执行机制，默认为 false 
 
2、mapreduce.reduce.speculative: 是否为 Reduce Task 打开推测执行机制，默认为 false 
 
3、mapreduce.job.user.classpath.first & mapreduce.task.classpath.user.precedence：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。 
 
4、mapreduce.input.fileinputformat.split.minsize: FileInputFormat 做切片时的最小切片大小 
 
5、mapreduce.input.fileinputformat.split.maxsize:  FileInputFormat 做切片时的最大切片大小 (切片的默认大小就等于 blocksize，即 134217728) 
 

本文标签： MapReduce

版权声明：本文标题：MapReduce 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1686503928h3165.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。