1 MapReduce 跑的慢的原因
![2d4474cd65ab175541b22b956cf1d20c.png](https://i-blog.csdnimg.cn/blog_migrate/da2b6599126b6cd4ad09e44835ecde81.jpeg)
2 MapReduce优化方法
MapReduce优化方法主要从六个方面考虑:数据输入、Map阶段、Reduce阶段、IO传输、数据倾斜问题和常用的调优参数。
2.1 数据输入
![05f22477bd36d6e452c7ff519cc287e5.png](https://i-blog.csdnimg.cn/blog_migrate/ff780fad2ae816a9be5a6d3333926d47.jpeg)
2.2 Map阶段
![f22ba858a41343b0b3d1cff52471856d.png](https://i-blog.csdnimg.cn/blog_migrate/15d9d3a31dafa5d0f7b0d9de68bd9e2b.jpeg)
2.3 Reduce阶段
![ede48409f4e2e7bbd62eda5317560ac4.png](https://i-blog.csdnimg.cn/blog_migrate/a4cd32ee1b6a0813e53a017bdf4b3fa8.jpeg)
![352fa3c0d6cb9190d14cfb471bd16279.png](https://i-blog.csdnimg.cn/blog_migrate/3041d91c99285212d29a4752147cd6e0.jpeg)
2.4 I/O传输
![638ff03f318b6f94b3d2139421eed324.png](https://i-blog.csdnimg.cn/blog_migrate/df25fb9ebc27da4e20009013f8ceb6f7.jpeg)
2.5 数据倾斜问题
![973acb374cc55d63b9eaa2ab649232bb.png](https://i-blog.csdnimg.cn/blog_migrate/13f2428a3d6d7b87cf51f20696713401.jpeg)
![a21391cd2471b522aabc77eb4101dcd8.png](https://i-blog.csdnimg.cn/blog_migrate/03318aff66a1f628184140dcf6fb2b91.jpeg)
2.6 常用的调优参数
1.资源相关参数
(1)以下参数是在用户自己的MR应用程序中配置就可以生效(mapred-default.xml)
表4-12
配置参数
参数说明
mapreduce.map.memory.mb
一个MapTask可使用的资源上限(单位:MB),默认为1024。如果MapTask实际使用的资源量超过该值,则会被强制杀死。
mapreduce.reduce.memory.mb
一个ReduceTask可使用的资源上限(单位:MB),默认为1024。如果ReduceTask实际使用的资源量超过该值,则会被强制杀死。
mapreduce.map.cpu.vcores
每个MapTask可使用的最多cpu core数目,默认值: 1
mapreduce.reduce.cpu.vcores
每个ReduceTask可使用的最多cpu core数目,默认值: 1
mapreduce.reduce.shuffle.parallelcopies
每个Reduce去Map中取数据的并行数。默认值是5
mapreduce.reduce.shuffle.merge.percent
Buffer中的数据达到多少比例开始写入磁盘。默认值0.66
mapreduce.reduce.shuffle.input.buffer.percent
Buffer大小占Reduce可用内存的比例。默认值0.7
mapreduce.reduce.input.buffer.percent
指定多少比例的内存用来存放Buffer中的数据,默认值是0.0
(2)应该在YARN启动之前就配置在服务器的配置文件中才能生效(yarn-default.xml)
表4-13
配置参数
参数说明
yarn.scheduler.minimum-allocation-mb
给应用程序Container分配的最小内存,默认值:1024
yarn.scheduler.maximum-allocation-mb
给应用程序Container分配的最大内存,默认值:8192
yarn.scheduler.minimum-allocation-vcores
每个Container申请的最小CPU核数,默认值:1
yarn.scheduler.maximum-allocation-vcores
每个Container申请的最大CPU核数,默认值:32
yarn.nodemanager.resource.memory-mb
给Containers分配的最大物理内存,默认值:8192
(3)Shuffle性能优化的关键参数,应在YARN启动之前就配置好(mapred-default.xml)
表4-14
配置参数
参数说明
mapreduce.task.io.sort.mb
Shuffle的环形缓冲区大小,默认100m
mapreduce.map.sort.spill.percent
环形缓冲区溢出的阈值,默认80%
2.容错相关参数(MapReduce性能优化)
表4-15
配置参数
参数说明
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。
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。
mapreduce.task.timeout
Task超时时间,经常需要设置的一个参数,该参数表达的意思为: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,可能是卡住了,也许永远会卡住,为了防止因为用户程序永远Block住不退出,则强制设置了一个该超时时间(单位毫秒),默认是600000。如果你的程序对每条输入数据的处理时间过长(比如会访问数据库,通过网络拉取数据等),建议将该参数调大,该参数过小常出现的错误提示是“AttemptID:attempt_14267829456721_123456_m_000224_0 Timed out after 300 secsContainer killed by the ApplicationMaster.”。
文章来源:大数据培训技术之MapReduce优化方法