Hadoop 3.x(生产调优手册)----【MapReduce、Hadoop-Yarn生产经验】

Hadoop 3.x(生产调优手册)----【MapReduce、Hadoop-Yarn生产经验】

  • 1. MapReduce跑的慢的原因
  • 2. MapReduce常用调优参数
  • 3. MapReduce数据倾斜问题
  • 4. 常用的调优参数

1. MapReduce跑的慢的原因

MapReduce 程序效率的瓶颈在于两点:

  1. 计算机性能
    CPU、内存、磁盘、网络
  2. I/O操作优化
    (1)数据倾斜
    (2)Map 运行时间太长,导致 Reduce 等待过久
    (3)小文件过多

2. MapReduce常用调优参数

Hadoop 3.x(生产调优手册)----【MapReduce、Hadoop-Yarn生产经验】_第1张图片
Hadoop 3.x(生产调优手册)----【MapReduce、Hadoop-Yarn生产经验】_第2张图片

3. MapReduce数据倾斜问题

  1. 数据倾斜现象
    数据频率倾斜----某一个区域的数据量要远远大于其他区域。
    数据大小倾斜----部分记录的大小远远大于平均值。
  2. 减少数据倾斜的方法
    (1)首先检查是否空值过多造成的数据倾斜
    生产环境,可以直接过滤掉空值;如果想保留空值,就自定义分区,将空值加随机数打散。最后再二次聚合。
    (2)能在 map 阶段提前处理,最好先在 Map 阶段处理。如:Combiner、MapJoin
    (3)设置多个 reduce 个数

4. 常用的调优参数

  1. Resourcemanager 相关
yarn.resourcemanager.scheduler.client.thread-count ResourceManager 处理调度器请求的线程数量
yarn.resourcemanager.scheduler.class 配置调度器
  1. Nodemanager 相关
yarn.nodemanager.resource.memory-mb NodeManager 使用内存数
yarn.nodemanager.resource.system-reserved-memory-mb NodeManager 为系统保留多少内存,和上一个参数二者取一即可
yarn.nodemanager.resource.cpu-vcores NodeManager 使用 CPU 核数
yarn.nodemanager.resource.count-logical-processors-as-cores 是否将虚拟核数当作 CPU 核数
yarn.nodemanager.resource.pcores-vcores-multiplier 虚拟核数和物理核数乘数,例如:4 核 8 线程,该参数就应设为 2
yarn.nodemanager.resource.detect-hardware-capabilities 是否让 yarn 自己检测硬件进行配置
yarn.nodemanager.pmem-check-enabled 是否开启物理内存检查限制 container
yarn.nodemanager.vmem-check-enabled 是否开启虚拟内存检查限制 container
yarn.nodemanager.vmem-pmem-ratio 虚拟内存物理内存比例
  1. Container 容器相关
yarn.scheduler.minimum-allocation-mb 容器最小内存
yarn.scheduler.maximum-allocation-mb 容器最大内存
yarn.scheduler.minimum-allocation-vcores 容器最小核数
yarn.scheduler.maximum-allocation-vcores 容器最大核数

你可能感兴趣的:(Hadoop,hadoop,mapreduce,大数据)