hadoop集群目录配置与注意事项

一、目录配置参数说明

参数	描述	备注	位置
hadoop.tmp.dir	临时目录，其它临时目录的父目录。	本地或hdfs
dfs.name.dir	nameNode的元数据(fsimage)存储目录。	以逗号隔开，hdfs会把数据冗余复制到这些目录，一般这些目录是不同的块设备，不存在的目录会被忽略掉。	namenode本地
dfs.name.edits.dir	nameNode的事务日志(edits)存储目录。
fs.checkpoint.dir	secondaryNamenode的元数据(fsimage)存储目录。	以逗号隔开，hdfs会把数据冗余复制到这些目录，一般这些目录是不同的块设备，不存在的目录会被忽略掉。	secondarynamenode本地
fs.checkpoint.edits.dir	secondaryNamenode的事务日志(edits)存储目录。
dfs.data.dir	dataNode的数据目录	以逗号隔开，hdfs会把数据存储在这些目录下，一般这些目录是不同的块设备，不存在的目录会被忽略掉。	datanode本地
mapred.local.dir	MapReduce产生的中间数据存放目录。Jobtracker存放job中间数据，tasktracker存放task中间数据	以逗号隔开，hdfs会把数据存储在这些目录下，一般这些目录是不同的块设备，不存在的目录会被忽略掉。	jobtracker/tasktracker本地
mapred.temp.dir	mapreduce临时共享文件存放目录，用于各个task用到的共享文件		hdfs
mapred.system.dir	mapreduce执行时的共享目录，用于存储job执行时的一些控制信息		hdfs
mapred.job.tracker .persist.jobstatus.dir	job状态信息持久存放目录	与mapred.job.tracker.persist.jobstatus.hours，mapred.job.tracker.persist.jobstatus.active两个参数配合使用	jobtracker本地或hdfs
mapreduce.jobtracker .staging.root.dir	每个正在运行的作业文件存放区(job.jar ob.split job.splitmetainfo job.xml libjars等)		hdfs

二、注意事项：

1、与mapred.local.dir相关的参数
  * mapred.local.dir.minspacestart：在mapreduce运行任务之前，检查temporary 目录下是否还有该选项配置的空闲空间，如果少于该配置，则map或reduce task不会分配到该TaskTracker上，以避免由于磁盘空间不足导致的task失败。默认设置为0，disable该功能
  * mapred.local.dir.minspacekill：如果该磁盘卷下剩余的磁盘空间不足该配置，则将正在运行的Task 杀掉。默认为0，diabled该功能
  另，如果服务器有多个块设备最好将mapred.local.dir设置成多个目录，每个目录对应一个块设备，这样多个task在同一个TaskTracker上运行的时候，就可以分别写不同的磁盘写入点，以增大作业运行的磁盘吞吐率。
2、与dfs.data.dir相关的参数
  * dfs.datanode.du.reserved：dfs写文件块时，如果当前datanode上的dfs.data.dir下剩余磁盘空间不足该选项配置的空间大小，就不往该datanode继续写数据块
  * dfs.datanode.du.pct：同dfs.datanode.du.reserved，不过配置值为一个百分比（注:从0.19版本开始已经没有这个参数了）
  最好预留些空间，避免写文件失败。

3、建议配额
mapred.local.dir.minspacestart  =  slots * dfs.block.size
mapred.local.dir.minspacekill  =  slots/2 * dfs.block.size
dfs.datanode.du.reserved  = dfs.block.size * dfs.replication #最少留这么多吧，建议留大些。