Hadoop2.7.6_06_mapreduce参数优化

 

MongoDB配置文件选项介绍
Mongodb 新版配置文件详解
Configuration File Options手册

  MapReduce重要配置参数


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
 2 (1) mapreduce.map.memory.mb: 一个Map Task可使用的资源上限(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。
 3 (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。
 4 (3) mapreduce.map.java.opts: Map Task的JVM参数,你可以在此配置默认的java heap size等参数, e.g.
 5 “-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 (4) 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, e.g.
 7 “-Xmx1024m -verbose:gc -Xloggc:/tmp/@taskid@.gc”, 默认值: “”
 8 (5) mapreduce.map.cpu.vcores: 每个Map task可使用的最多cpu core数目, 默认值: 1
 9 (6) mapreduce.reduce.cpu.vcores: 每个Reduce task可使用的最多cpu core数目, 默认值: 1
10 
11 //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
12 (7) yarn.scheduler.minimum-allocation-mb      1024   给应用程序container分配的最小内存
13 (8) yarn.scheduler.maximum-allocation-mb      8192    给应用程序container分配的最大内存
14 (9) yarn.scheduler.minimum-allocation-vcores    1    
15 (10)yarn.scheduler.maximum-allocation-vcores    32
16 (11)yarn.nodemanager.resource.memory-mb   8192  
17 
18 //shuffle性能优化的关键参数,应在yarn启动之前就配置好
19 (12) mapreduce.task.io.sort.mb   100         //shuffle的环形缓冲区大小,默认100m
20 (13) mapreduce.map.sort.spill.percent   0.8    //环形缓冲区溢出的阈值,默认80%

 

 

MongoDB配置文件

MongoDB有两种启动方式,一是默认启动,二是指定配置文件启动。

默认启动:

vim /etc/mongod.conf

service mongod start

指定配置文件启动:

monod -f /path/mongo.conf

2. 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失败比例超过该值为,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: 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,也许永远会卡主,
    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300000。
    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.”。

 

mongod.conf配置文件

MongoDB的配置文件格式使用了YAML格式。
YAML维基百科,Yet Another Markup Language。强调以数据为中心,而不是标记语言为重点,用方向缩略语重命名。

/etc/mongod.conf 的几个大块:

systemLog:        #日志

storage:          #存储

processManagement:        #进程管理

net:        #网络

security:        #安全

operationProfiling:        #性能分析器

replication:        #主从复制

sharding:        #架构

setParameter:        #自定义变量

auditLog:        #检测日志

snmp:        #

3. 本地运行mapreduce 作业

1 设置以下几个参数:
2 mapreduce.framework.name=local
3 mapreduce.jobtracker.address=local
4 fs.defaultFS=local

 

systemLog

日志相关参数:

systemLog:
  verbosity: <int>                #日志级别,默认0,1-5均会包含debug信息
  quiet: <boolean>                #安静,true时mongod将会减少日志的输出量
  traceAllExceptions: <boolean>        #打印异常详细信息
  syslogFacility:  <string>                #指定用于登录时信息到syslog Facility水平,前提是启用syslog
  path:  <string>          #日志路径,默认情况下,MongoDB将覆盖现有的日志文件
  logAppend: <boolean>        #mongod重启后,在现有日志后继续添加日志,否则备份当前日志,然后创建新日志
  logRotate: rename|reopen        #日志轮询,防止一个日志文件特别大。rename重命名日志文件,默认值;reopen使用Linuxrotate特性,关闭并重新打开日志文件,前提为logAppend: true
  destination: <string>        #日志输出目的地,可为file或syslog,若不指定,则会输出到 std out
  timeStampFormat: <string>        #指定日志格式的时间戳,有 ctime, Iso869-utc, iso8691-local
  component:            #为不同的组件指定各自的日志信息级别
      accessControl:
          verbosity: <int>
      command:
          verbosity: <int>

4. 效率和稳定性相关参数

1 (1) mapreduce.map.speculative: 是否为Map Task打开推测执行机制,默认为false
2 (2) mapreduce.reduce.speculative: 是否为Reduce Task打开推测执行机制,默认为false
3 (3) mapreduce.job.user.classpath.first & mapreduce.task.classpath.user.precedence:
4     当同一个class同时出现在用户jar包和hadoop jar中时,优先使用哪个jar包中的class,默认为false,表示优先使用hadoop jar中的class。
5 (4) mapreduce.input.fileinputformat.split.minsize: FileInputFormat做切片时的最小切片大小
6 (5)mapreduce.input.fileinputformat.split.maxsize:  FileInputFormat做切片时的最大切片大小
7 (切片的默认大小就等于blocksize,即 134217728)

 

storage

存储引擎相关参数

storage:
  dbPath: <string>        #mongodb进程存储数据目录,此配置进队此mongod进程有效,你使用配置文件开启的mongod就可以指定额外的数据目录
  indexBuildRetry:  <boolean>        #当构件索引时mongod意外关闭,那么在此启动是否重建索引,默认true
  repairPath: <string>        #在repair期间使用此目录存储临时数据,repair结束后此目录下数据将被删除
  journal:        
      enabled: <boolean>        #journal日志持久存储,journal日志用来数据恢复,通常用于故障恢复,建议开启
      commitIntervalMs: <num>        #mongod日志刷新值,范围1-500毫秒,默认100,不建议修改
  directoryPerDB:  <boolean>        #是否将不同的数据存储在不同的目录中,dbPath子目录
  syncPeriodSecs:  <int>        #fsync操作将数据flush到磁盘的时间间隔,默认为60秒,不建议修改
  engine:  <string>        #存储引擎

  mmapv1:    #mmapv1存储引擎,3.2前默认
      preallocDataFiles:  <boolean>
      nsSize: <int>
      quota:
          enforced: <boolean>
          maxFilesPerDB: <int>
      smallFiles: <boolean>
      journal:
          debugFlags: <int>
          commitIntervalMs: <num>
  wiredTiger:    #WiredTiger存储引擎,3.2后默认
      engineConfig:
          cacheSizeGB: <number>    #最大缓存大小
          journalCompressor: <string>    #日志压缩算法,可选值有 none,snappy(默认),zlib
          directoryForIndexes: <boolean>    #是否将索引和collections数据分别存储在dbPath单独的目录中
      collectionConfig:
          blockCompressor: <string>    #collection数据压缩算法,可选none, snappy,zlib
      indexConfig:
          prefixCompression: <boolean>    #是否对索引数据使用前缀压缩。对那些经过排序的值存储有很大帮助,可有效减少索引数据的内存使用量。
  inMemory:    #inMemory内存存储引擎,bate版
      engineConfig:
          inMemorySizeGB: <number>

processManagement

进程相关参数

processManagement:
  fork: <boolean>        #是否以fork模式运行mongod进程,默认情况下,mongod不作为守护进程运行
  pidFilePath: <string>        #将mongod进程ID写入指定文件,如未指定,将不会创建PID文件

本文由金沙官网线上发布于操作系统,转载请注明出处:Hadoop2.7.6_06_mapreduce参数优化

您可能还会对下面的文章感兴趣: