Hadoop：MapReduce优化方法

比眉伴天荒 2024-03-17 22:39 166阅读 0赞

### 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。

#### 数据输入 ####

![在这里插入图片描述][8f79e07200f241e0b169c27e5359e225.png_pic_center]

#### Map阶段 ####

![在这里插入图片描述][d0a34147d62f4aff9c3bf292d9eb0212.png_pic_center]

#### Reduce阶段 ####

![在这里插入图片描述][c0f09439b5534d0789056ca28add4545.png_pic_center]  
![在这里插入图片描述][b4950c7e905c4be7b2f9f3daf21071b1.png_pic_center]

#### I/O传输 ####

![在这里插入图片描述][7f36160a1006495aacec038345f2a338.png_pic_center]

#### 数据倾斜问题 ####

![在这里插入图片描述][911f24375ad24003a9a8fd6cb966b33e.png_pic_center]  
![在这里插入图片描述][fe825eebb24f4d9eb71d6c48dd84f638.png_pic_center]

### 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）  
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）  
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）  
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）  
配置参数 参数说明  
mapreduce.map.maxattempts 每个Map Task最大重试次数，一旦重试次数超过该值，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，一旦重试次数超过该值，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（10分钟）。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.”。

[8f79e07200f241e0b169c27e5359e225.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/764330d8052c45ca95df668899002b37.png
[d0a34147d62f4aff9c3bf292d9eb0212.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/8707c7891bf64046b707b69c710599cb.png
[c0f09439b5534d0789056ca28add4545.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/6e7f4ce0b4a44b47a3c9a5afa6cef9cd.png
[b4950c7e905c4be7b2f9f3daf21071b1.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/db1fdd5485b64024b95d1d29178745d5.png
[7f36160a1006495aacec038345f2a338.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/139d5b5c51ee4e099fc76b568f337ba1.png
[911f24375ad24003a9a8fd6cb966b33e.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/bfce7d9b955840ebbff54d939bb91655.png
[fe825eebb24f4d9eb71d6c48dd84f638.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/a3db2be71fc74233a73da6e22cd0b634.png