MapReduce优化参数

资源相关参数

/*在MapReduce应用程序中配置就可以生效*/

(1) mapreduce.map.memory.mb: 

    一个Map Task可使用的内存上限(单位:MB)，默认为1024。如果Map Task实际使用的资源量超过该值，则会被强制杀死。

(2) mapreduce.reduce.memory.mb:

    一个Reduce Task可使用的资源上限(单位:MB)，默认为1024。如果Reduce Task实际使用的资源量超过该值，则会被强制杀死。

(3) mapreduce.map.cpu.vcores: 

    每个Maptask可用的最多cpu core数目, 默认值: 1

(4) mapreduce.reduce.cpu.vcores:

    每个Reducetask可用最多cpu core数目默认值: 1

(5) mapreduce.map.java.opts: 

Map Task的JVM参数，你可以在此配置默认的java heapsize等参数,

例如：“-Xmx1024m -verbose:gc -Xloggc:/tmp/@taskid@.gc”(@taskid@会被Hadoop框架自动换为相应的taskid), 默认值: “”

(6) mapreduce.reduce.java.opts:

 Reduce Task的JVM参数，你可以在此配置默认的java heap size等参数,

    例如：“-Xmx1024m -verbose:gc -Xloggc:/tmp/@taskid@.gc”, 默认值: “”

/*在yarn启动之前就配置在服务器的配置文件中才能生效*/

(1) yarn.scheduler.minimum-allocation-mb RM中每个容器请求的最小配置，以MB为单位，默认1024。

(2) yarn.scheduler.maximum-allocation-mb RM中每个容器请求的最大分配，以MB为单位，默认8192。

(3) yarn.scheduler.minimum-allocation-vcores    1  

(4)yarn.scheduler.maximum-allocation-vcores32

(5)yarn.nodemanager.resource.memory-mb

   表示该节点上YARN可使用的物理内存总量，默认是8192(MB)，注意，如果你的节点内存资源不够8GB，则需要调减小这个值，而YARN不会智能的探测节点的物理内存总量。

/*shuffle性能优化的关键参数，应在yarn启动之前就配置好*/

(1)mapreduce.task.io.sort.mb   100shuffle的环形缓冲区大小，默认100m

(2) mapreduce.map.sort.spill.percent   0.8环形缓冲区溢出的阈值，默认80%

容错相关参数

(1) mapreduce.map.maxattempts:

        每个Map Task最大重试次数，一旦重试参数超过该值，则认为Map Task运行失败，默认值：4。

(2) mapreduce.reduce.maxattempts: 

        每个Reduce Task最大重试次数，一旦重试参数超过该值，则认为Map Task运行失败，默认值：4。

(3) mapreduce.map.failures.maxpercent: 

        当失败的Map Task失败比例超过该值，整个作业则失败，默认值为0. 如果你的应用程序允许丢弃部分输入数据，则该该值设为一个大于0的值，比如5，表示如果有低于5%的Map Task失败(如果一个Map Task重试次数超过mapreduce.map.maxattempts，则认为这个Map Task失败，其对应的输入数据将不会产生任何结果)，整个作业扔认为成功。

(4) mapreduce.reduce.failures.maxpercent:

        当失败的Reduce Task失败比例超过该值为，整个作业则失败，默认值为0.

(5) mapreduce.task.timeout:

        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，可能是临时卡住，也许永远会卡住。为了防止因为用户程序永远block不退出，则强制设置了一个超时时间(单位毫秒)，默认是600000，值为0将禁用超时。。

效率跟稳定性参数

(1) mapreduce.map.speculative: 

        是否为Map Task打开推测执行机制，默认为true, 如果为true，则可以并行执行一些Map任务的多个实例。

(2) mapreduce.reduce.speculative:

        是否为Reduce Task打开推测执行机制，默认为true

(3)mapreduce.input.fileinputformat.split.minsize:

      FileInputFormat做切片时最小切片大小，默认1。

(5)mapreduce.input.fileinputformat.split.maxsize:

      FileInputFormat做切片时最大切片大小

(6)推测执行机制(Speculative Execution)：

          它根据一定的法则推测出“拖后腿”的任务，并为这样的任务启动一个备份任务，让该任务与原始任务同时处理同一份数据，并最终选用最先成功运行完成任务的计算结果作为最终结果。

注意：

    默认mr推测机制是开启的，通常情况下 公司都会关闭该机制，减少资源的浪费 。