1.集群规模
每天日活100万,每人一天平均100条数据,每条日志1kb左右,半年内不扩容,保存3副本,预留20%-30%buffer,数仓分层
2.框架版本选型
apache 大公司,运维麻烦,组件间兼容性需要自己调研
CDH 用的多,中小公司用得多
HDP 开源
3.服务器选型 1) 物理机 2)云主机
4.什么是shuff Map Reduce
5.分区 排序 左侧写数据,右侧写索引 ,对key的索引进行快排,字典顺序排序,溢写,归并排序,等待reduce来拉取数据,
内存->归并排序
shuffle 优化 环形缓冲区 默认100M,提供阈值比例,默认一次归并10个,提高归并数量,cunb,放到磁盘上进行传输,压缩,
Map输入(切片-LZO),Reduce输出(LZO,gzip),Reduce默认拉取5个,可以调整,增大Reduce内存,
MapTask 内存1G Reduce内存1G map cpu cores 失败重试次数
6.HDFS 小文件 归档 压缩 JVM重用 一个MapTask处理多个文件
7.Yarn调度流程 ResourcesManager ->地址 ->客户端 ->提交 切片信息 配置xml jar包 - > 提交完成 ->ApplicationManager ->任务队列 ->
NodeManager -> 运行 container 申请内存 AppicationManager ->读取客户端信息 - >提交->申请nodeManager
Yarn调度器 FIFO 容量 公平
Hadoop知识筆記
最新推荐文章于 2022-11-06 19:39:25 发布