小猿圈之Hadoop优化

Hadoop框架是现在最主流的的框架之一，越来越多的人去学习，那么你对hadoop的理解是什么？hadoop一定要会优化，那怎么优化呢，小猿圈今天说一下，感兴趣的朋友可以看看小猿圈写的这篇文章。

1、mr程序的效率瓶颈

    功能：分布式离线计算

    计算机性能：CPU、内存、磁盘、网络

    I/O操作优化

    （1）数据倾斜（代码优化）

    （2）map和reduce数设置不合理

    （3）map运行时间太长，导致reduce等待过久

    （4）小文件过多（combineTextInputFomrat小文件合并）

    （5）不可分块的超大文件（不断的溢写）

    （6）多个溢写小文件需要多次merge

2、mr优化方法

    六个方面考虑：数据输入、Map阶段、Reduce阶段、IO传输、

    数据倾斜、参数调优

    1­>数据输入

        （1）合并小文件：在执行mr任务前就进行小文件合并

        （2）采用CombineTextInputFormat来作为输入，解决输 入端大量小文件的场景

        mr并不适合处理大量小文件

    2­>Map阶段

        （1）减少溢写次数（增加内存200M 80%）

       

            mapreduce.task.io.sort.mb

            100

       

       

            mapreduce.map.sort.spill.percent

            0.80

       

        (2)减少合并次数

       

            mapreduce.task.io.sort.factor

            10

       

        （3）在map之后，不影响业务逻辑情况下进行combiner

    3­>Reduce阶段

        （1）合理设置map与reduce个数

        （2）设置map/reduce共存

        设置运行一定程度的map运行后 启动reduce减少等待时间

       

            mapreduce.job.reduce.slowstart.completedmaps

            0.05

       

        （3）合理设置reduce端的buffer

       

            mapreduce.reduce.markreset.buffer.percent

            0.0

       

    4­>传输

        （1）进行数据压缩

        （2）使用sequenceFile

    5­>数据倾斜

        （1）进行范围分区

        （2）自定义分区

        （3）Combine

        (4)能用mapjoin坚决不用reduce join

    6­>参数调优

        设置核心数

        map核心数设置：

       

            mapreduce.map.cpu.vcores

            1

       

        reduce核心数设置：

       

            mapreduce.reduce.cpu.vcores

            1

       

        设置内存

        maptask内存设置：

       

            mapreduce.map.memory.mb

            1024

       

        reducetask内存设置：

       

            mapreduce.reduce.memory.mb

            1024

       

        reduce去map端拿数据并行度

       

            mapreduce.reduce.shuffle.parallelcopies

            5

       

hadoop优化小猿圈说了几个优化的方面，大家感觉怎么样？如果有其他方面的优化方法，可以给小猿圈补充，感觉还不错的话，可以去小猿圈学习其他方面内容，希望大家会学到更多全面的内容。