查看: 230|回复: 2

mapreduce参数优化

[复制链接]
新浪微博达人勋 poiu72  未实名认证
论坛徽章:
23
SAS研习者初级
日期:2012-08-20 22:27:43HBase徽章
日期:2017-03-10 12:01:24Java徽章
日期:2017-06-09 15:42:21storm徽章
日期:2017-07-20 17:23:53python徽章
日期:2017-09-07 16:20:32Java徽章
日期:2018-02-08 16:11:57知识图谱徽章
日期:2018-06-15 13:47:35pyspark徽章
日期:2018-09-06 14:49:50计算徽章
日期:2019-05-09 14:32:23spark徽章
日期:2019-08-01 16:31:52Hive徽章
日期:2017-03-10 11:59:23python徽章
日期:2017-03-02 16:33:17
发表于 2019-6-2 22:40 | 显示全部楼层 |阅读模式

tm 数据库 Hadoop 服务器 JVM

MapReduce重要配置参数

资源相关参数

//以下参数是在用户自己的mr应用程序中配置在mapred-site.xml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.cpu.vcores: 每个Map task可使用的最多cpu core数目, 默认值: 1

(4) mapreduce.reduce.cpu.vcores: 每个Reduce task可使用的最多cpu core数目, 默认值: 1

(5) 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: “”

(6) 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: “”

//应该在yarn启动之前就配置在服务器的yarn-site.xml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分配的较大内存

(9) yarn.scheduler.minimum-allocation-vcores      1      

(10)yarn.scheduler.maximum-allocation-vcores    32

(11)yarn.nodemanager.resource.memory-mb   8192   每台NodeManager较大可用内存

(12)yarn.nodemanager.resource.cpu-vcores    8    每台NodeManager较大可用cpu核数


容错相关参数

(1) mapreduce.map.maxattempts: 每个Map Task较大重试次数,一旦重试参数超过该值,则认为Map Task运行失败,默认值:4。

(2) mapreduce.reduce.maxattempts: 每个Reduce Task较大重试次数,一旦重试参数超过该值,则认为Map Task运行失败,默认值:4。

(3) mapreduce.map.failures.maxpercent: 当失败的Map Task失败比例超过该值为,整个作业则失败,默认值为0. 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),整个作业扔认为成功。

(4) mapreduce.reduce.failures.maxpercent: 当失败的Reduce Task失败比例超过该值为,整个作业则失败,默认值为0.

(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.”。

本地运行mapreduce 作业

设置以下几个参数:

mapreduce.framework.name=local

mapreduce.jobtracker.address=local

fs.defaultFS=local

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做切片时的较大切片大小

(切片的默认大小就等于blocksize,即 134217728)



回复

使用道具 举报

新浪微博达人勋 anan 未实名认证
论坛徽章:
1
spark徽章
日期:2019-08-01 16:31:52
发表于 2019-6-2 23:10 | 显示全部楼层
好贴呀好贴,先马为敬,虽然现在MR少用了,但是Hive的热度并没有减弱,所以还是有用的
回复 支持 反对

使用道具 举报

论坛徽章:
1
spark徽章
日期:2019-08-01 16:31:52
发表于 2019-6-4 13:44 | 显示全部楼层
很不错的分享,确实如楼上所说,MR现在很少使用,hive中我们已经把执行引擎从mr调整成了tez或者是spark,不过还是很感谢分享。
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册 新浪微博登陆

本版积分规则

 

GMT+8, 2019-9-20 15:22 , Processed in 0.117121 second(s), 36 queries .

关闭

扫一扫加入
本版微信群