MapReduce 优化参数

MapReduce 优化参数

文章目录

• MapReduce 优化参数
• 资源相关参数
• 以下参数是在用户自己的 MapReduce 应用程序中配置就可以生效
• 以下参数应该在 yarn 启动之前就配置在服务器的配置文件中才能生效
• shuffle 性能优化的关键参数，应在 yarn 启动之前就配置好
• 容错相关参数
• 效率跟稳定性参数

资源相关参数

以下参数是在用户自己的 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 heap size 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: “”

以下参数应该在 yarn 启动之前就配置在服务器的配置文件中才能生效

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-vcores 32
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 100 shuffle 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。
4. mapreduce.input.fileinputformat.split.maxsize: FileInputFormat 做切片时最大切片大小
   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。

来源：https://blog.csdn.net/xxydzyr/article/details/100889688