Hadoop生产调优手册

HDFS —核心参数

1.1 NameNode 内存生产配置

1 ） NameNode 内存计算

每个文件块大概占用 150byte ，一台服务器 128G 内存为例，能存储多少文件块呢？

128 * 1024 * 1024 * 1024 / 150Byte ≈ 9.1 亿

G MB

KB Byte

2 ） Hadoop2.x 系列，配置 NameNode 内存

NameNode 内存默认 2000m ，如果服务器内存 4G ， NameNode 内存可以配置 3g 。在

hadoop-env.sh 文件中配置如下。

HADOOP_NAMENODE_OPTS=-Xmx3072m

3 ） Hadoop3.x 系列，配置 NameNode 内存

（ 1 ） hadoop-env.sh 中描述 Hadoop 的内存是动态分配的

（2）查看 NameNode 占用内存

（3）查看 DataNode 占用内存

 

查看发现 hadoop102 上的 NameNode 和 DataNode 占用内存都是自动分配的，且相等。

不是很合理。

经验参考：

具体修改： hadoop-env.sh

export HDFS_NAMENODE_OPTS="-Dhadoop.security.logger=INFO,RFAS -

Xmx1024m"

export HDFS_DATANODE_OPTS="-Dhadoop.security.logger=ERROR,RFAS

-Xmx1024m"

1.2 NameNode 心跳并发配置

1 ） hdfs-site.xml

数）为 3 台时，此参数设置为 21 。

 计算并发连接数

开启回收站配置

开启回收站功能，可以将删除的文件在不超时的情况下，恢复原数据，起到防止误删除、

备份等作用。

1 ）回收站工作机制

 2）开启回收站功能参数说明

（ 1 ）默认值 fs.trash.interval = 0 ， 0 表示禁用回收站；其他值表示设置文件的存活时间。

（2）默认值 fs.trash.checkpoint.interval = 0 ，检查回收站的间隔时间。如果该值为 0 ，则该

值设置和 fs.trash.interval 的参数值相等。（有时间差，检查的时间文件还存在）

（3）要求 fs.trash.checkpoint.interval <= fs.trash.interval 。

3 ）启用回收站

修改 core-site.xml ，配置垃圾回收时间为 1 分钟。

<property>

<name>fs.trash.interval</name>

<value>1</value>

</property>

4 ）查看回收站

回收站目录在 HDFS 集群中的路径： /user/atguigu/.Trash/….

5 ）注意：通过网页上直接删除的文件也不会走回收站。

6 ）通过程序删除的文件不会经过回收站，需要调用 moveToTrash() 才进入回收站

Trash trash = New Trash(conf);

trash.moveToTrash(path);

7 ）只有在命令行利用 hadoop fs -rm 命令删除的文件才会走回收站。

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs

-rm

-r

/user/atguigu/input

2021-07-14 16:13:42,643 INFO fs.TrashPolicyDefault: Moved:

'hdfs://hadoop102:9820/user/atguigu/input' to trash at:

hdfs://hadoop102:9820/user/atguigu/.Trash/Current/user/atguigu

/input

8 ）恢复回收站数据

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv

/user/atguigu/.Trash/Current/user/atguigu/input

/user/atguigu/input

HDFS —集群压测

在企业中非常关心每天从 Java 后台拉取过来的数据，需要多久能上传到集群？消费者

关心多久能从 HDFS 上拉取需要的数据？

为了搞清楚 HDFS 的读写性能，生产环境上非常需要对集群进行压测。

HDFS 的读写性能主要受 网络和磁盘 影响比较大。为了方便测试，将 hadoop102 、

hadoop103 、 hadoop104 虚拟机网络都设置为 100mbps 。

 100Mbps 单位是 bit；10M/s 单位是 byte ; 1byte=8bit，100Mbps/8=12.5M/s。

测试网速：来到 hadoop102 的 /opt/module 目录，创建一个

[atguigu@hadoop102 software]$ python -m SimpleHTTPServer

测试 HDFS 写性能

0）写测试底层原理

两个汇总方式，一个是每个节点写速度相加（分量/分时间），另外一种（总量/总时间） 

1）测试内容：向 HDFS 集群写 10 个 128M 的文件

注意： nrFiles n 为生成 mapTask 的数量，生产环境一般可通过 hadoop103:8088 查看 CPU

核数，设置为（ CPU 核数 - 1 ）

参数解释

➢ Number of files ：生成 mapTask 数量，一般是集群中（ CPU 核数 -1 ），我们测试虚

拟机就按照实际的物理内存 -1 分配即可

➢ Total MBytes processed ：单个 map 处理的文件大小

➢ Throughput mb/sec: 单个 mapTak 的吞吐量

计算方式：处理的总文件大小 / 每一个 mapTask 写数据的时间累加

集群整体吞吐量：生成 mapTask 数量 * 单个 mapTak 的吞吐量

➢ Average IO rate mb/sec:: 平均 mapTak 的吞吐量

计算方式：每个 mapTask 处理文件大小 / 每一个 mapTask 写数据的时间

全部相加除以 task 数量

➢ IO rate std deviation: 方差、反映各个 mapTask 处理的差值，越小越均衡

（上图测试写结果为1.6mb/s单个maptask）

（ 1 ）可以在 yarn-site.xml 中设置虚拟内存检测为 false

<!-- 是否启动一个线程检查每个任务正使用的虚拟内存量，如果任务超出分配值，则

直接将其杀掉，默认是 true -->

<property>

<name>yarn.nodemanager.vmem-check-enabled</name>

<value>false</value>

</property>

（

2 ）分发配置并重启 Yarn 集群

（yarn的资源检测中会计算虚拟内存，实际的使用，会超过所分配的资源，被yarn停掉）

3 ）测试结果分析

（ 1 ）由于副本 1 就在本地，所以该副本不参与测试

一共参与测试的文件： 10 个文件 * 2 个副本 = 20 个（）

压测后的速度： 1.61

实测速度： 1.61M/s * 20 个文件 ≈ 32M/s

三台服务器的带宽： 12.5 + 12.5 + 12.5 ≈ 30m/s（100mb带宽/8bety=12.5mb/b,一台机器的上传速度）

所有网络资源都已经用满。

如果实测速度远远小于网络，并且实测速度不能满足工作需求，可以考虑采用固态硬盘

或者增加磁盘个数。

（2）如果客户端不在集群节点，那就三个副本都参与计算

测试 HDFS 读性能

1 ）测试内容：读取 HDFS 集群 10 个 128M 的文件

[atguigu@hadoop102 mapreduce]$ hadoop jar /opt/module/hadoop-

3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client

jobclient-3.1.3-tests.jar TestDFSIO -read -nrFiles 10 -fileSize

128MB

2021-02-09 11:34:15,847 INFO fs.TestDFSIO: ----- TestDFSIO ----- : read

2021-02-09 11:34:15,847 INFO fs.TestDFSIO: Date & time: Tue Feb

09 11:34:15 CST 2021

2021-02-09 11:34:15,847 INFO fs.TestDFSIO: Number of files: 10

2021-02-09 11:34:15,847 INFO fs.TestDFSIO: Total MBytes processed: 1280

2021-02-09 11:34:15,848 INFO fs.TestDFSIO: Throughput mb/sec: 200.28

2021-02-09 11:34:15,848 INFO fs.TestDFSIO: Average IO rate mb/sec: 266.74

2021-02-09 11:34:15,848 INFO fs.TestDFSIO: IO rate std deviation: 143.12

2021-02-09 11:34:15,848 INFO fs.TestDFSIO: Test exec time sec: 20.83

2 ）删除测试生成数据

[atguigu@hadoop102 mapreduce]$ hadoop jar /opt/module/hadoop-

3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client

jobclient-3.1.3-tests.jar TestDFSIO -clean

3 ）测试结果分析：为什么读取文件速度大于网络带宽？由于目前只有三台服务器，且有三

个副本，数据读取就近原则，相当于都是读取的本地磁盘数据，没有走网络。

HDFS —多目录（企业使用方案为HA，联邦）

NameNode 多目录配置

1 ） NameNode 的本地目录可以配置成多个， 且每个目录存放内容相同 ，增加了可靠性

2 ）具体配置如下

（ 1 ）在 hdfs-site.xml 文件中添加如下内容

 注意：因为每台服务器节点的磁盘情况不同，所以这个配置配完之后，可以选择不分发

（2）停止集群，删除三台节点的 data 和 logs 中所有数据。

（3）格式化集群并启动。

 3）查看结果

 检查 name1 和 name2 里面的内容，发现一模一样。

DataNode 多目录配置

1 ） DataNode 可以配置成多个目录， 每个目录存储的数据不一样 （数据不是副本）

2 ）具体配置如下

在 hdfs-site.xml 文件中添加如下内容

 3）查看结果

 4）向集群上传一个文件，再次观察两个文件夹里面的内容发现不一致（一个有数一个没有）

 集群数据均衡之磁盘间数据均衡

生产环境，由于硬盘空间不足，往往需要增加一块硬盘。刚加载的硬盘没有数据时，可

以执行磁盘数据均衡命令。（ Hadoop3.x 新特性）

（ 1 ）生成均衡计划 （ 我们只有一块磁盘，不会生成计划 ）

hdfs diskbalancer -plan hadoop103

（2）执行均衡计划

hdfs diskbalancer -execute hadoop103.plan.json

（3）查看当前均衡任务的执行情况

hdfs diskbalancer -query hadoop103

（4）取消均衡任务

hdfs diskbalancer -cancel hadoop103.plan.json

HDFS —集群扩容及缩容

添加白名单

白名单：表示在白名单的主机 IP 地址可以，用来存储数据。

企业中：配置白名单，可以尽量防止黑客恶意访问攻击。

 配置白名单步骤如下：

1 ）在 NameNode 节点的 /opt/module/hadoop-3.1.3/etc/hadoop 目录下分别创建 whitelist 和

blacklist 文件

（ 1 ）创建白名单

[atguigu@hadoop102 hadoop]$ vim whitelist

在 whitelist 中添加如下主机名称，假如集群正常工作的节点为 102 103

hadoop102

hadoop103

（2）创建黑名单

[atguigu@hadoop102 hadoop]$ touch blacklist

保持空的就可以

2 ）在 hdfs-site.xml 配置文件中增加 dfs.hosts 配置参数

 

3 ）分发配置文件 whitelist ， hdfs-site.xml

[atguigu@hadoop104 hadoop]$ xsync hdfs-site.xml whitelist

4 ）第一次添加白名单必须重启集群，不是第一次，只需要刷新 NameNode 节点即可

[atguigu@hadoop102 hadoop-3.1.3]$ myhadoop.sh stop

[atguigu@hadoop102 hadoop-3.1.3]$ myhadoop.sh start

5 ）在 web 浏览器上查看 DN ， http://hadoop102:9870/dfshealth.html#tab-datanode

 6）在 hadoop104 上执行上传数据数据失败

[atguigu@hadoop104 hadoop-3.1.3]$ hadoop fs -put NOTICE.txt /

7 ）二次修改白名单，增加 hadoop104

[atguigu@hadoop102 hadoop]$ vim whitelist

修改为如下内容

hadoop102

hadoop103

hadoop104

8 ）刷新 NameNode

[atguigu@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes

Refresh nodes successful

9 ）在 web 浏览器上查看 DN ， http://hadoop102:9870/dfshealth.html#tab-datanode

 服役新服务器

1 ）需求

随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据

的需求，需要在原有集群基础上动态添加新的数据节点。

2 ）环境准备

（ 1 ）在 hadoop100 主机上再克隆一台 hadoop105 主机

（2）修改 IP 地址和主机名称

 

（3） 拷贝 hadoop102 的 /opt/module 目录和 /etc/profile.d/my_env.sh 到 hadoop105

 （4）删除 hadoop105 上 Hadoop 的历史数据，data 和 log 数据

[atguigu@hadoop105 hadoop-3.1.3]$ rm -rf data/ logs/

（5）配置 hadoop102 和 hadoop103 到 hadoop105 的 ssh 无密登录

[atguigu@ hadoop102 .ssh]$ ssh-copy-id hadoop105

[atguigu@ hadoop103 .ssh]$ ssh-copy-id hadoop105

3 ）服役新节点具体步骤

（ 1 ）直接启动 DataNode ，即可关联到集群

 

 4）在白名单中增加新服役的服务器

（ 1 ）在白名单 whitelist 中增加 hadoop104 、 hadoop105 ，并重启集群

[atguigu@hadoop102 hadoop]$ vim whitelist

修改为如下内容

hadoop102

hadoop103

hadoop104

hadoop105

（2）分发

[atguigu@hadoop102 hadoop]$ xsync whitelist

（3）刷新 NameNode

[atguigu@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes

Refresh nodes successful

5 ）在 hadoop105 上上传文件

[atguigu@hadoop105 hadoop-3.1.3]$ hadoop

fs

-put

/opt/module/hadoop-3.1.3/LICENSE.txt /

 

服务器间数据均衡

1 ）企业经验：

在企业开发中，如果经常在 hadoop102 和 hadoop104 上提交任务，且副本数为 2 ，由于

数据本地性原则，就会导致 hadoop102 和 hadoop104 数据过多， hadoop103 存储的数据量小。

另一种情况，就是新服役的服务器数据量比较少，需要执行集群均衡命令

 2）开启数据均衡命令：

[atguigu@hadoop105 hadoop-3.1.3]$ sbin/start-balancer.sh -

threshold 10

对于参数 10 ，代表的是集群中各个节点的磁盘空间利用率相差不超过 10% ，可根据实

际情况进行调整。

3 ）停止数据均衡命令：

[atguigu@hadoop105 hadoop-3.1.3]$ sbin/stop-balancer.sh

注意：由于 HDFS 需要启动单独的 Rebalance Server 来执行 Rebalance 操作，所以尽量

不要在 NameNode 上执行 start-balancer.sh ，而是找一台比较空闲的机器。

4.4 黑名单退役服务器

黑名单：表示在黑名单的主机 IP 地址不可以，用来存储数据。

企业中：配置黑名单，用来退役服务器。

 黑名单配置步骤如下：

1 ）编辑 /opt/module/hadoop-3.1.3/etc/hadoop 目录下的 blacklist 文件

[atguigu@hadoop102 hadoop] vim blacklist

添加如下主机名称（要退役的节点）

hadoop105

注意：如果白名单中没有配置，需要在 hdfs-site.xml 配置文件中增加 dfs.hosts 配置参数

 

2 ）分发配置文件 blacklist ， hdfs-site.xml

[atguigu@hadoop104 hadoop]$ xsync hdfs-site.xml blacklist

3 ）第一次添加黑名单必须重启集群，不是第一次，只需要刷新 NameNode 节点即可

[atguigu@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes

Refresh nodes successful

4 ）检查 Web 浏览器，退役节点的状态为 decommission in progress （退役中），说明数据

节点正在复制块到其他节点

 

5 ）等待退役节点状态为 decommissioned （所有块已经复制完成），停止该节点及节点资源

管理器。注意：如果副本数是 3 ，服役的节点小于等于 3 ，是不能退役成功的，需要修改

副本数后才能退役

 6）如果数据不均衡，可以用命令实现集群的再平衡

[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-balancer.sh -

threshold 10