调优小总结
1. 启动消费Flume抛出OutOfMemoryError
现象:
ERROR hdfs.HDFSEventSink: process failed
java.lang.OutOfMemoryError: GC overhead limit exceeded
内存不足导致的,在flume-env.sh文件增大分配的内存,注意:-Xmx与-Xms最好设置一致,减少内存抖动带来的性能影响,如果设置不一致容易导致频繁fullgc。
flume/conf/flume-env.sh文件中增加如下配置:
export JAVA_OPTS="-Xms100m -Xmx2000m -Dcom.sun.management.jmxremote"
2. FileChannel优化
通过配置dataDirs指向多个路径,每个路径对应不同的硬盘,增大Flume吞吐量。
checkpointDir和backupCheckpointDir也尽量配置在不同硬盘对应的目录中,保证checkpoint坏掉后,可以快速使用backupCheckpointDir恢复数据。
3. HDFS Sink的小文件处理
在Hadoop中,小文件主要导致两方面问题,一方面,每个小文件都有一份元数据,其中包括文件路径,文件名,所有者,所属组,权限,创建时间等,这些信息都保存在Namenode内存中。所以小文件过多,会占用Namenode服务器大量内存,影响Namenode性能和使用寿命。另一方面,MR会对每个小文件启用一个Map任务计算,非常影响计算性能。同时也影响磁盘寻址时间。
所以在配置Flume时要做3个配置,举个例子:hdfs.rollInterval=3600,hdfs.rollSize=134217728,hdfs.rollCount =0,几个参数综合作用,效果如下:
(1)文件在达到128M时会滚动生成新文件
(2)文件创建超3600秒时会滚动生成新文件
(3)第三个配置是说明每写多少个event滚动一次,如果设置为0表示禁用。
特别说明:有些是自己的理解,仅供参考。另外,部分技术参考来自于尚硅谷大数据相关文档。