hadoop调优

Hadoop调优:
一、操作系统级别优化:
1、优化文件系统:

推荐使用EXT4和XFS文件系统,相比较而言,更推荐后者,因为XFS已经帮我们做了大量的优化。

vi /etc/fstab

在defaults后面添加noatime表示不记录文件的访问时间

重新启动操作系统使配置生效

mount -o remount /dev/mapper/centos-root

2、预读缓冲:

blockdev 工具允许从命令行调用区块设备控制程序,常用参数如下:
​
  --getra 读取预读值
  --getfra 读取文件系统预读
  --setfra FSREADAHEAD 设置文件系统预读
  --setra READAHEAD 设置设备预读
  --getra 读取设备的预读值
  --setbsz BLOCKSIZE 在文件描述符打开块设备的时候设置块大小
  --getioopt 读取设备优化IO大小    
  --getiomin 读取设备最小IO大小
  -–setro 设置设备为只读
  -–getro 读取设备是否为只读(成功为10则为可读写)
  -–setrw 设置设别为可读写
  -–getss 打印设备的扇区大小也叫逻辑块大小,通常是512
  --getpbsz 读取设备物理块大小,通常是4096
  --getbsz 读取设备块大小,通常是4096
  -–getsize(-getsz) 打印设备的容量,按照一个扇区512个字节计算
  --getsize64 打印设备的容量,以字节为单位显示
  -–setra N 设置预读扇区(512字节)为N个.Set readahead to N 512-byte sectors.
  -–getra 打印readahead(预读扇区)
  -–flushbufs 刷新缓冲
  -–rereadpt 重读分区表。
 
df -h
blockdev --getra /dev/sda1
blockdev --setra 10240  /dev/sda1

3、放弃RAID和LVM,使用JBOD:
4、内存调优:
查看默认内存设置:

free -h
cat /proc/sys/vm/swappiness
修改为10
echo vm.swappiness=10 >> /etc/sysctl.conf

二、HDFS集群配置优化
hadoop调优_第1张图片
打开Hadoop调优参数文件:

cd /usr/hadoop/hadoop-2.7.7/etc/hadoop
**```
调节dfs.namenode.handler.count**

```python
计算合适的值:
python -c 'import math ; print int(math.log(N) * 20)' 
 N为集群个数大小

机器感知:
文章地址

操作系统级别优化
1
优化文件系统

推荐使用EXT4和XFS文件系统,相比较而言,更推荐后者,因为XFS已经帮我们做了大量的优化。
2
预读缓冲

预读技术可以有效的减少磁盘寻道次数和应用的I/O等待时间,增加Linux文件系统预读缓冲区的大小(默认为256 sectors,128KB),可以明显提高顺序文件的读性能,建议调整到1024或2048 sectors。预读缓冲区的设置可以通过blockdev命令来完成。
但是预读缓存并发越大越好 过大可能加载无用数据照成资源浪费 过小对性能提升没什么帮助。

3
放弃RAID和LVM,使用JBOD不使用RAID

  应避免在TaskTracker和DataNode所在的节点上进行RAID。RAID为保证数据可靠性,根据类型的不同会做一些额外的操作,HDFS有自己的备份机制,无需使用RAID来保证数据的高可用性。
不使用LVM
  LVM是建立在磁盘和分区之上的逻辑层,将Linux文件系统建立在LVM之上,可实现灵活的磁盘分区管理能力。DataNode上的数据主要用于批量的读写,不需要这种特性,建议将每个磁盘单独分区,分别挂载到不同的存储目录下,从而使得数据跨磁盘分布,不同数据块的读操作可并行执行,有助于提升读性能。
JBOD
  JBOD是在一个底板上安装的带有多个磁盘驱动器的存储设备,JBOD没有使用前端逻辑来管理磁盘数据,每个磁盘可实现独立并行的寻址。将DataNode部署在配置JBOD设备的服务器上可提高DataNode性能。

4
内存调优

避免使用swap分区,将Hadoop守护进程的数据交换到磁盘的行为可能会导致操作超时。温馨提示,避免使用swap分区并不意味着就不会使用swap分区,而是通过配置降低swap使用的可能性

HDFS集群配置优化

HDFS提供了十分丰富的配置选项,几乎每个HDFS配置项都具有默认值,一些涉及性能的配置项的默认值一般都偏于保守。根据业务需求和服务器配置合理设置这些选项可以有效提高HDFS的性能。集群调优针对的是配置较高的生产服务器(我的HDFS集群配置是:12*8T硬盘,32core,128G内存空间。)

1.dfs.namenode.handler.count
  NameNode中用于处理RPC调用的线程数,默认为10。对于较大的集群和配置较好的服务器,可适当增加这个数值来提升NameNode RPC服务的并发度。
服务线程个数,调大一些,一般原则是将其设置为集群大小的自然对数乘以20,即20logN,N为集群大小。20节点26

2.dfs.datanode.handler.count
   DataNode中用于处理RPC调用的线程数,默认为3。可适当增加这个数值来提升DataNode RPC服务的并发度(推荐值:20)。注意:线程数的提高将增加DataNode的内存需求,因此,不宜过度调整这个数值。

3.dfs.replication
  数据块的备份数,也有人叫复制因子。默认值为3,对于一些重要数据,可适当增加备份数。这个得根据你的集群容量和数据的重要性来考虑,如果数据不是很重要的话,你可以设置成1份,如果数据非常重要的话,你可以配置为5份,我这里推荐值为:5。并不是说你副本数配置越高数据就越丢失不了,当然如果有必要的话,你也可以考虑一下机甲感知,从而减少同时宕机的概率。只不过你副本数存储的越多,那么你的集群存储的数据量也会收到相应的影响。他们是成反比的。

4.dfs.block.size
  HDFS数据块的大小,Hadoop1.x版本默认值为64M,Hadoop2.x版本默认值是128M。数据块设置太小会增加NameNode的压力。数据块设置过大会增加定位数据的时间。这个值跟你的磁盘转速有关,我之前在的博客里有解释为什么是128M,其实这个跟磁盘的转速有关。我们可以自定义这个块大小,考虑2个因素,第一,查看你的集群文件大致范围都是多大?如果文件基本上都是64M~128M左右的话,建议你不要修改。如果大部分文件都在200M~256M之间的话,你可以将配置块大小改为256,当然你也得考虑你的磁盘读写性能。

5.dfs.datanode.data.dir
  HDFS数据存储目录。将数据存储分布在各个磁盘上可充分利用节点的I/O读写性能。因此在实际生产环境中,这就是为什么我们将磁盘不选择RAID和LVM,而非要选择JBOD的原因。推荐设置多个磁盘目录,以增加磁盘IO的性能,多个目录用逗号进行分隔。

6.hadoop.tmp.dir
  Hadoop临时目录,默认为系统目录/tmp。在每个磁盘上都建立一个临时目录,可提高HDFS和MapReduce的I/O效率。这里也推荐设置多个目录。如果你使用的是CDH的话,需要在高级选项的配置中自定义。

7.io.file.buffer.size
   HDFS文件缓冲区大小,默认为4096(即4K)。推荐值:131072(128K)。这个得编辑core-site.xml配置文件,如果你用的CDH的话,直接在YARN服务里修改即可。

8.fs.trash.interval
  HDFS清理回收站的时间周期,单位为分钟。默认为0,表示不使用回收站特性。推荐开启它,时间你自己定义,推荐4~7天均可。

9.dfs.datanode.du.reserved
  DataNode保留空间大小,单位为字节。默认情况下,DataNode会占用全部可用的磁盘空间,该配置项可以使DataNode保留部分磁盘空间供其他应用程序使用。这个得视具体应用而定,推荐稍微空出点空间,5G~10G均可。

10.机架感知
  对于较大的集群,建议启用HDFS的机架感应功能。启用机架感应功能可以使HDFS优化数据块备份的分布,增强HDFS的性能和可靠性。可参考的案例:https://www.cnblogs.com/yinzhengjie/p/9142230.html。

11.dfs.datanode.max.xcievers
这个值是指定 datanode 可同時处理的最大文件数量,推荐将这个值调大,默认是256,最大值可以配置为65535

hadoop调优_第2张图片

在这里插入图片描述

hadoop调优_第3张图片
hadoop调优_第4张图片
hadoop调优_第5张图片
hadoop调优_第6张图片
hadoop调优_第7张图片
hadoop调优_第8张图片

你可能感兴趣的:(hadoop)