【MapReduce】之调优

最新推荐文章于 2020-10-20 11:12:10 发布

是微光啊

最新推荐文章于 2020-10-20 11:12:10 发布

阅读量292

点赞数

文章标签： mapreduce

本文链接：https://blog.youkuaiyun.com/Aut1sm/article/details/104734166

版权

本文详细介绍了MapReduce的调优，包括资源相关参数如mapreduce.map.memory.mb和mapreduce.reduce.memory.mb，以及shuffle性能优化的关键参数如mapreduce.task.io.sort.mb。此外，还讨论了容错相关参数，如mapreduce.map.maxattempts和mapreduce.reduce.maxattempts，以确保任务的顺利执行和整个作业的成功率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MapReduce的调优

MR优化之资源相关参数

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。
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。
mapreduce.map.cpu.vcores: 每个Map task可使用的最多cpu core数目, 默认值: 1
mapreduce.reduce.cpu.vcores: 每个Reduce task可使用的最多cpu core数目, 默认值: 1
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.
比如：
-Xmx1024m -verbose:gc -Xloggc:/tmp/@taskid@.gc” （@taskid@会被Hadoop框架自动换为相应的taskid）,
默认值: “”
mapreduce.reduce.java.opts: Reduce Task的JVM参数,可以在此配置默认的java heap size等参数.
比如:
“-Xmx1024m -verbose:gc -Xloggc:/tmp/@taskid@.gc”, 默认值: “”

应该在yarn启动之前就配置在服务器的yarn-site.xml配置文件中才能生效
7. yarn.scheduler.minimum-allocation-mb 1024 给应用程序container分配的最小内存
8. yarn.scheduler.maximum-allocation-mb 8192 给应用程序container分配的最大内存
9. yarn.scheduler.minimum-allocation-vcores 1
10. yarn.scheduler.maximum-allocation-vcores 32
11. yarn.nodemanager.resource.memory-mb 8192 每台NodeManager最大可用内存
12. yarn.nodemanager.resource.cpu-vcores 8 每台NodeManager最大可用cpu核数

shuffle性能优化的关键参数，应在yarn启动之前就配置好
13. mapreduce.task.io.sort.mb 100 //shuffle的环形缓冲区大小，默认100m
14. mapreduce.map.sort.spill.percent 0.8 //环形缓冲区溢出的阈值，默认80%

MR优化之容错相关参数

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.map.failures.maxpercent: 当失败的Map Task失败比例超过该值时，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MapTask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），整个作业仍认为成功。
mapreduce.reduce.failures.maxpercent: 当失败的Reduce Task失败比例超过该值时，整个作业则失败，默认值为0.
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 sec
sContainer killed by the ApplicationMaster.”。

未完待续(陆续整理)····