Linux常用但易忘命令介绍
Linux下修改虚拟机静态ip地址
vim /etc/sysconfig/network-scripts/ifcfg-ens33
添加一个用户并赋予其密码,及给该用户拥有root用户权限
useradd flying
passwd flying 123456
加root权限
vim /etc/sudoers
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
flying ALL=(ALL) NOPASSWD:ALL
NOPASSWD:ALL(为了免去密码 为了执行sudo命令时,不需要输入密码)
在Linux下新装JDK时卸载原有JDK的命令
rpm -qa | grep -i java | xargs -n1 sudo rpm -e --nodeps
第一次启动集群应格式化namenode
hdfs namenode -format
群起群停命令
start-dfs.sh
stop-dfs.sh
start-yarn.sh
stop-yarn.sh
单起单停hdfs节点命令
hdfs --daemon start/stop namenode/datanode/secondarynamenode
单起yarn相关节点命令
yarn --daemon start/stop resourcemanager/nodemanager
单起historyserver
mapred --daemon start/stop historyserver
上传、下载hdfs上的文件
hadoop fs -put (本地文件路径) (hdfs上路径)
hadoop fs -get (hdfs上文件路径)
查看正在执行的job 和 杀死正在执行的job
yarn application -list
yarn application -kill Application-Id(具体id则由上一命令查出的为准)
Linux下常用易忘命令
:%s/old/new/g 替换内容 /g 替换匹配到的所有内容 (注:/g代表全局替换)
:set nu 显示行号
/要查找的词 n 查找下一个,N 向上查找
数字+shift+g 移动到目标行
cd - 回到上一次所在目录
cd -P 跳转到实际物理路径,而非快捷方式路径//软连接
tail -n 数字 文件 查看该文件后数字行
tail -f 文件 实时追踪该文件的所有更新(可监视文件变化)
shell 中 & 作用是把进程推到后台
xargs -n1 给其后的内容传参数 一个个的传
awk{print $2} 默认是以空格来切割 取第二个参数并打印
启动flume
ssh $i "nohup /opt/module/flume-1.9.0/bin/flume-ng agent -c /opt/module/flume-1.9.0/conf -f /opt/module/flume-1.9.0/gmalljob/taildir-kafka.conf -n a1
查看端口占用情况
netstat-tunlp | grep 端口号
MapReduce优化方法
1.数据输入
(1)合并小文件:在执行MR任务之前把小文件合并,大量的小文件会产生大量map任务。
(2) 使用combinetextinputformat作为输入解决输入端大量小文件的场景。
2.Map阶段
(1) 减少溢写(spill)次数
(2) 减少合并次数
(3) 在map之后,在不影响业务逻辑的前提下,先进行combiner的处理,减少I/O.
3.Reduce阶段
(1)合理设置Map和Reduce个数:太少会任务等待,延长处理时间;太多,导致map和reduce之间竞抢资源,处理超时等错误。
(2)设置Map 和Reduce共存
(3) 规避使用Reduce:在Reduce用于连接数据集的时候会产生大量的网络消耗。
(4) 合理设置Reduce端的Buffer。
4.I/O传输
(1)采用数据压缩的方式,减少网络I/O的时间,可以使用snappy或lzo.
5.数据倾斜问题
减少数据倾斜方法
(1)抽样和范围分区:根据结果设置边界值
(2)自定义分区
(3)combiner:在可能的情况下其目的就是聚合并精简数据。
(4)使用Map join ,尽量避免Reduce join.
6.常用参数调优
(1)以下参数是在用户自己的MR应用程序中配置就可以生效(mapred-default.xml)
配置参数 | 参数说明 |
---|---|
mapreduce.map.memory.mb | 一个MapTask可使用的资源上限(单位:MB),默认为1024。如果MapTask实际使用的资源量超过该值,则会被强制杀死。 |
mapreduce.reduce.memory.mb | 一个ReduceTask可使用的资源上限(单位:MB),默认为1024。如果ReduceTask实际使用的资源量超过该值,则会被强制杀死。 |
mapreduce.map.cpu.vcores | 每个MapTask可使用的最多cpu core数目,默认值: 1 |
mapreduce.reduce.cpu.vcores | 每个ReduceTask可使用的最多cpu core数目,默认值: 1 |
mapreduce.reduce.shuffle.parallelcopies | 每个Reduce去Map中取数据的并行数。默认值是5 |
mapreduce.reduce.shuffle.merge.percent | Buffer中的数据达到多少比例开始写入磁盘。默认值0.66 |
mapreduce.reduce.shuffle.input.buffer.percent | Buffer大小占Reduce可用内存的比例。默认值0.7 |
mapreduce.reduce.input.buffer.percent | 指定多少比例的内存用来存放Buffer中的数据,默认值是0.0 |
(2)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(yarn-default.xml)
配置参数 | 参数说明 |
---|---|
yarn.scheduler.minimum-allocation-mb | 给应用程序Container分配的最小内存,默认值:1024 |
yarn.scheduler.maximum-allocation-mb | 给应用程序Container分配的最大内存,默认值:8192 |
yarn.scheduler.minimum-allocation-vcores | 每个Container申请的最小CPU核数,默认值:1 |
yarn.scheduler.maximum-allocation-vcores | 每个Container申请的最大CPU核数,默认值:32 |
yarn.nodemanager.resource.memory-mb | 给Containers分配的最大物理内存,默认值:8192 |
(3)Shuffle性能优化的关键参数,应在YARN启动之前就配置好(mapred-default.xml)
配置参数 | 参数说明 |
---|---|
mapreduce.task.io.sort.mb | Shuffle的环形缓冲区大小,默认100m |
mapreduce.map.sort.spill.percent | 环形缓冲区溢出的阈值,默认80% |
2)容错相关参数(MapReduce性能优化)
配置参数 | 参数说明 |
---|---|
mapreduce.map.maxattempts | 每个Map Task最大重试次数,一旦重试次数超过该值,则认为Map Task运行失败,默认值:4。 |
mapreduce.reduce.maxattempts | 每个Reduce Task最大重试次数,一旦重试次数超过该值,则认为Map Task运行失败,默认值:4。 |
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,也许永远会卡住,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600000(10分钟)。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.”。 |
7.小文件优化方法
小文件过多会产生大量的切片,就会产生大量的maptask
(1)在数据采集的时候,就将小文件或小批数据合成大文件再上传HDFS。
(2)在业务处理之前,在HDFS上使用MapReduce程序对小文件进行合并。
(3)在MapReduce处理时,可采用CombineTextInputFormat提高效率。
(4)开启uber模式,实现jvm重用
<!-- 开启uber模式 -->
<property>
<name>mapreduce.job.ubertask.enable</name>
<value>true</value>
</property>
Flume中解决出现大量小文件的方法
配置文件更改以下设置
a1.sinks.k1.hdfs.round=true//去除掉
增加如下内容
a1.sinks.k1.hdfs.rollSize=0
a1.sinks.k1.hdfs.rollCount=0
rollSize
默认值:1024,当临时文件达到该大小(单位:bytes)时,滚动成目标文件。如果设置成0,则表示不根据临时文件大小来滚动文件。
rollCount
默认值:10,当events数据达到该数量时候,将临时文件滚动成目标文件,如果设置成0,则表示不根据events数据来滚动文件。
round
默认值:false,是否启用时间上的”舍弃”,类似于”四舍五入”,如果启用,则会影响除了%t的其他所有时间表达式;
``