HADOOP性能优化和运维

最新推荐文章于 2023-06-27 08:21:36 发布
最新推荐文章于 2023-06-27 08:21:36 发布
阅读量158 收藏
点赞数
文章标签： 运维 大数据 操作系统
原文链接：https://my.oschina.net/sunmin/blog/873940
版权

为什么80%的码农都做不了架构师？>>>   hot3.png

集群中任意一个节点都可以被用来提交认任务，虽然通常我们使用master节点提交任务。HADOOP客户端不参与计算和存储，专门用来上传下载文件和提交任务。

性能优化4大块：

具体优化如下：

1.选择合适的硬件

低配：

CPU             双路四核2.6GHz

内存              64GB DDR3

磁盘控制器    SAS控制器

硬盘               1TB X 4

中配：

CPU            2 X 6 Core 2.9GHz/15MB cache

内存            128GB DDR3-1600 ECC

磁盘控制器   SAS 6GB/S

磁盘             12 X 3 TB LFF SATA II 7200 RPM

交换机           2 X 千兆交换机

高配：

CPU                2 X 6 Core 2.9GHz/15M cache

内存                256GB DDR3-1600 ECC 

磁盘控制器      2 X SAS 6GB/S

磁盘                 24 X 1 TB SFF Nearline/MDL SAS 7200 RPM

交换机              万兆交换机

 

节点解释：

NameNode:内存容量决定HDFS所能存储的文件总数，SecondaryNameNode类似。

ResourceManager:内存和需要处理的作业有关。

内存和虚拟CPU要满足一个线性比例:

虚拟CPU个数 = CPU数 X 单个CPU核数 X 单个CPU超线程数。

如：一个双核六路CPU，具有HT（超线程）技术。

则虚拟核数 2 X 6 X 2 = 24

每个CPU分配4 ~ 8GB,则服务内存 96 ~ 192GB，此外还要考虑操作系统和其他服务和预留内存。

2.操作系统调优

1.避免使用swap分区

    vm.swappiness设为0，值域为0 ~ 100

2.调整内存分配

    vm.overcommit_memory设为2。2表示内核允许分配超过所有物理内存和交换空间的50%。

3.修改net.core.somaxconn参数

     一个linux内核参数，表示socket监听backlog上限。值 >= 32768

4.增大同时打开文件描述符的上限。

5.选择合适的文件系统

     文件系统被格式化以后，要禁用文件的访问时间

6.关闭THP

     运行hadoop时，THP会引起CPU占用率偏高。

3.JVM调优

     调整  JM FLAGS 和 JVMGC ，调整后的效率大约有4%的提升。

4.hadoop参数调优(针对CDH5版本)

1.hdfs-site.xml

<property>

    <name> dfs.block.size</name>

    <value>134217728</value>

</property>

hadoop文件快大小，通常设为128M或256M

 

<property>

    <name> dfs.namenode.handler.count</name>

    <value>40</value>

</property>

namenode和datanode同时通信的线程数，默认10，将其设为40.

 

<property>

    <name> dfs.datanode.max.xcievers</name>

    <value>65536</value>

</property>

datanode上面连接数的最大值。

 

<property>

    <name> dfs.namenode.balance.bandwidthPerse</name>

    <value>20485760</value>

</property>

执行start-balancer.sh的带宽默认 1048576（1MB），将其增大到20MB/s

 

<property>

    <name> dfs.replication</name>

    <value>3</value>

</property>

hdfs文件副本数。多个任务同时读取一个文件时，读取可能会造成瓶颈，可适当增加副本数。如果修改hadoop客户端上传文件的副本数，将以hadoop客户端配置为准。

 

<property>

    <name> dfs.datanode.max.transfer.threads</name>

    <value>4096</value>

</property>

datanode在进行文件传输时最大线程数，通常设置为8192.

 

2.core-size.xml

<property>

    <name> io.file.buffer.size</name>

    <value>131072</value>

</property>

hadoop缓冲区大小，用于hadoop读写hdfs文件还有map的中间结果输出。默认4KB，增加为128KB。

 

3.yarn-site.xml

<property>

    <name> yarn.nodemanager.resource.memory-mb</name>

    <value>8192</value>

</property>

物理节点有多少内存加入资源池，设定该值时注意为操作系统和其他服务预留资源。

 

<property>

    <name> yarn.nodemanager.resource.cpu-vcores</name>

    <value>8</value>

</property>

物理节点有多少虚拟CPU加入资源池。与上一个参数构成容器资源的两个维度。

 

<property>

    <name> yarn.scheduler.increment.allocation-mb</name>

    <value>1024</value>

</property>

内存申请的规整话化单位。默认为1014MB.即如果申请1.5GB，则被申请为2GB。

 

<property>

    <name> yarn.scheduler.increment.allocation-vcores</name>

    <value>1024</value>

</property>

虚拟CPU的规整话化单位。默认为1个

 

<property>

    <name> yarn.scheduler.maximum.allocation-mb</name>

    <value>8192</value>

</property>

单个任务（容器）能够被申请到的最大内存。默认8GB，如果设定和

yarn.nodemanager.resource.cpu-mb一样，则表示单个任务使用的内存资源不受限制。

 

<property>

    <name> yarn.scheduler.minimum.allocation-mb</name>

    <value>8192</value>

</property>

单个任务（容器）能够被申请到的最小内存。默认1GB

 

<property>

    <name> yarn.scheduler.maximum.allocation-vcores</name>

    <value>4</value>

</property>

单个任务（容器）能够被申请到的最大CPU数目。默认8GB，如果设定和

yarn.nodemanager.resource.cpu-vcores一样，则表示单个任务使用的内存资源不受限制。

 

4.mapred-site.xml

<property>

    <name> mapreduce.map.output.compress</name>

    <value>true</value>

</property>

map任务的中间结果是否压缩，true压缩。

 

<property>

    <name> mapreduce.job.jvm.numtasks</name>

    <value>-1</value>

</property>

jvm重用设置，默认为1，表示一个jvm只能启动一个任务，-1表示可以的启动任务不受限制。

 

<property>

    <name> mapreduce.map.speculative</name>

    <value>true</value>

</property>

<property>

    <name> mapreduce.reduce.speculative</name>

    <value>true</value>

</property>

分别开启map和reduce任务的推测机制，推测机制可以有效地防止，因为瓶颈而导致的拖累整个作业，但也注意，推测机制会抢占系统资源。

 

<property>

    <name> mapreduce.cluster.local.dir</name>

    <value>/data0/mapred,/data1/mapred,/data2/mapred,/data3/mapred</value>

</property>

mapreduce中间结果的本地存储路径，将该值设置为一系列多磁盘目录有助于提高I/O效率

 

<property>

    <name> mapreduce.map.memory.mb</name>

    <value>-1</value>

</property>

map任务需要的内存大小。

 

<property>

    <name> mapreduce.map.cpu.vcores</name>

    <value>1</value>

</property>

map任务需要的虚拟CPU数目。要与mapreduce.map.memory.mb成线性比例才不至于浪费。

 

<property>

    <name> mapreduce.reduce.memory.mb</name>

    <value>-1</value>

</property>

reduce任务需要的内存大小,一般要大于mapreduce.map.memory.mb。

 

<property>

    <name> mapreduce.reduce.cpu.vcores</name>

    <value>1</value>

</property>

reduce任务向调度器需要的虚拟CPU数，默认为1，根据容器虚拟CPU数设定，可以适量增大。要与mapreduce.map.memory.mb成线性比例才不至于浪费，一般要大于mapreduce.map.cpu.vcores。

 

<property>

    <name> mapreduce.reduce.shuffle.parallelcopies</name>

    <value>25</value>

</property>

该参数为reduce任务从map任务复制输出的工作线程数，默认5，可适当调高，太高会引起大量数据同时在网络传输，引起I/O压力，科学的设置为4 x Lgn，n为集群容量大小。

 

<property>

    <name> mapreduce.reduce.shuffle.input.buffer.percent</name>

    <value>0.7</value>

</property>

shuffle中复制阶段耗费reduce任务堆比例，默认0.7，由上面的计算得出。

 

<property>

    <name> mapreduce.reduce.shuffle.merge.percent</name>

    <value>0.66</value>

</property>

当内存使用率超过该参数时，会触发一次合并操作，将内存中的数据刷写到磁盘

 

<property>

    <name> mapreduce.job.reduce.slowstart.completedmaps</name>

    <value>0.05</value>

</property>

控制reduce任务的启动时机，默认0.05，即当map任务完成数目的5%时，启动reduce。

 

5.HADOOP参数调优总结

(1)增大作业的并行度，如增大map任务数量

(2)保证任务执行时有足够的资源

(3)满足前两个原则的前提下，尽量为shuffle阶段提供资源

 

 

 

 

 

 

转载于:https://my.oschina.net/sunmin/blog/873940

weixin_33985507
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Hadoop性能调优学习概述
chndata的专栏
12-29 3207
目的 随着企业要处理的数据量越来越大，Hadoop运行在越来越多的集群上，同时MapReduce由于具有高可扩展性和容错性，已经逐步广泛使用开来。因此也产生很多问题，尤其是性能方面的问题。这里从管理员角度和用户角度分别介绍Hadoop性能优化的一些体会。 本文是基于Hadoop 0.20.x(包括1x),cdh 3及以上版本做介绍。（Hadoop的版本比较杂乱，具体可以看参考部分链接介绍）
Hadoop实践（四）---Hadoop性能优化
狮锅艺
09-12 4025
**Hadoop参数优化的3个原则： （1）增大作业的并行程度，如增加Map任务的数量 （2）保证任务执行时有足够的资源 （3）满足前两个的情况下，尽可能为shuffle阶段提供资源 【以上适用于大部分分布式计算的框架】
进击大数据系列（十六）Hadoop 性能优化与运维
最新发布
民工哥的博客
06-27 754
点击下方名片，设为星标！回复“1024”获取2TB学习资源！前面介绍了 Hadoop数据库 Hbase、任务调度器 Oozie、数据同步工具 Sqoop、分布式日志采集系统 Flume、数据分析引擎 Apache Pig、图形化管理系统 Hue 等相关的知识点，今天我将详细的为大家介绍 大数据 Hadoop 性能优化与运维 相关知识，希望大家能够从中收获多多！如有帮助，请点在看、转发支持一波！...
[Hadoop]万字长文Hadoop相关优化和问题排查总结
MyNameIsWangYi的博客
03-18 1750
Hadoop问题排查相关
Hadoop集群优化-关闭THP
edent-ON THE WAY
09-07 2595
操作系统重启导致Transparent Hugepages（THP，页面内存透明化）开启 为提升hadoop性能，hadoop环境上要求关闭Transparent Hugepages（THP，页面内存透明化）， 但是操作系统重启后会自动开启Transparent Hugepages（THP，页面内存透明化）。 在Suse系统，解决方法：  /etc/init.d 下的几个档案 
Hadoop虚拟化的性能对比和调优经验
m0_67402026的博客
09-06 426
但是有一些相关于MapReduce任务的参数，包括mapred.reduce.parallel.copies，io.sort.mb，io.sort.factor，io.sort.record.percent，和tasktracker.http.thread，需要根据不同负载具体设置。（1）计划初始规模：集群表现于跟数据中心基础设施和配置密切相关，建议用户在一开始对环境表现难以预测的时候，先建立小规模集群，比如5台或者6台服务器，部署Hadoop，然后运行标准Hadoop基准了解自己数据中心的特点。
hadoop性能调优与运维
那年花下月如雪
07-16 6118
hadoop性能调优与运维 硬件选择 操作系统调优与JVM调优 hadoop参数调优 hive性能调优 hadoop运维 硬件选择 hadoop运行环境 如何选择合适的硬件 主从节点可靠性：主节点可靠性要好于从节点 单节点选型：多路多核、高频率cpu、大内存 主节点： NameNode的内存决定了集群保存文件数的总量。ResourceManager同时运行的作业会消耗一定的内存。 从节点
Hadoop开发、运维和调优实战考试资料.pdf
10-30
这份考试资料详尽地介绍了Hadoop的基础知识、安装配置、操作管理和性能优化等方面的内容，对于备考Hadoop相关的技术认证或提升实际工作能力都有极大的帮助。学习者应深入理解这些知识点，并结合实践操作来巩固理论...
大数据云计算技术 Hadoop运维笔记（共21页）.pptx
09-04
这些知识点展示了Hadoop在大规模生产环境中的实际应用和维护经验，对于理解Hadoop集群的运维管理和性能优化具有很高的参考价值。通过学习这些内容，我们可以更好地掌握如何在复杂环境中部署、管理和优化Hadoop系统。
hadoop运维经验分享
11-07
2012年华东运维技术大会上分享的"Hadoop运维经验"涵盖了Hadoop生态系统中的多个关键方面，旨在帮助IT专业人士更好地管理和优化大规模数据处理环境。以下是对这些运维经验的详细解读： 1. **集群规划与搭建**：...
MapReduce 从作业、任务（task）、管理员角度调优
iteye_14580的博客
10-14 547
【摘自hyj博主】 Hadoop为用户作业提供了多种可配置的参数，以允许用户根据作业特点调整这些参数值使作业运行效率达到最优。 一 应用程序编写规范 1.设置Combiner 对于一大批MapReduce程序，如果可以设置一个Combiner,那么对于提高作业性能是十分有帮助的。Combiner可减少Map Task中间输出的结果，从而减少各个Reduce Task的远程拷...
Hadoop平台关闭THP解决服务器高负载问题
TURING.DT
04-13 4239
Ambari和CM管理平台都提示，建议关闭THP，这是为什么？如果不关闭THP，发现Hadoop的系统态CPU使用率很高， 原因是RHEL6优化了内存申请的效率，而且在某些场景下对KVM的性能有明显提升。 而Hadoop是个高密集型内存运算系统，这个改动似乎给它带来了副作用。理论上运算型Java程序应该更多的使用用户态CPU才对，Cloudera官方也推荐关闭THP。 http://
【Hadoop】hdfs-site.xml配置文件参数说明
热门推荐
康师傅没有眼泪
10-16 1万+
-- 当全部DN被标记为脏DN的比率高于此阀值，停止不写数据到脏DN的策略，以免造成热点问题（有效的，可写的DN太少，压力太大）， dfs.namenode.avoid.write.stale.datanode -->
Hadoop优化与调整
weixin_34332905的博客
04-22 169
2019独角兽企业重金招聘Python工程师标准>>> ...
Hadoop调优策略
qq_38019655的博客
11-06 546
Hadoop调优策略 一、调优策略 　　1.调节溢写缓冲区大小，减少Spill溢写次数，减少磁盘I/O次数 　　2.加入Combiner中间过程，在溢写缓冲区就会发生Combiner，好处是：比如——hello 1 hello 1一共占14个字节，Combiner 后，变为hello 2 。所以也能够间接减少Spill溢写次数，从而提高性能。 　　3.加入Combiner中间过程，在Merger过...
hdfs 多租户_hadoop 多租户管理
weixin_39951112的博客
12-19 848
一个hadoop集群上面能有多个用户，每个用户往自己的存储空间存入数据，调用分配的资源进行分布式存储和分布式计算，而互不影响，这难道不是一件很美妙的事情么？1:添加新的linux用户 useradd hadoopacl12： 给hadoopacl1用户分配hdfs存储空间hadoop fs -mkdir /hadoopacl1hadoop fs -chown -R hadoopacl1:h...
Hadoop分布式系统优化实践：性能与运维指南
"Hadoop性能调优与运维涵盖了硬件选择、操作系统与JVM调优、Hadoop参数优化、Hive性能优化以及Hadoop运维等方面。在Hadoop系统中，硬件选择至关重要，主节点需要具备高可靠性，从节点则需考虑多路多核CPU、大内存，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值