Hadoop MapReduce 调优参数

前言：

下列参数基于 hadoop v3.1.3 版本，共三台服务器，配置都为 4 核，4G 内存。

MapReduce 调优参数详解

这个参数定义了在 Reduce 阶段同时进行的拷贝操作的数量，用于从 Map 任务获取数据，增加此值可以加速 Shuffle 阶段的执行。

<property><name>mapreduce.reduce.shuffle.parallelcopies</name><value>10</value>
</property>

默认值： 5
建议配置： 10

定义了在 Reduce 阶段输入数据缓冲区的百分比，缓冲更多的数据可以减少磁盘 IO。

<property><name>mapreduce.reduce.shuffle.input.buffer.percent</name><value>0.8</value>
</property>

默认值： 0.7
建议配置： 0.8

定义了在 Reduce 阶段执行 merge 操作的阈值，决定何时将中间数据合并到较大的文件中以减少文件数目。

<property><name>mapreduce.reduce.shuffle.merge.percent</name><value>0.75</value>
</property>

默认值： 0.66
建议配置： 0.75

设置 Map 任务的 Java 堆内存大小。

<property><name>mapreduce.map.java.opts</name><value>-Xmx2048m</value>
</property>

默认值： 未指定（取决于集群的配置）。
建议配置：-Xmx2048m，将堆内存大小设置为 2G。

设置 Reduce 任务的 Java 堆内存大小。

<property><name>mapreduce.reduce.java.opts</name><value>-Xmx2048m</value>
</property>

默认值： 未指定（取决于集群的配置）。
建议配置： -Xmx2048m，将堆内存大小设置为 2G。

定义了每个 Map 任务使用的虚拟 CPU 核心数量。

<property><name>mapreduce.map.cpu.vcores</name><value>2</value>
</property>

默认值： 1
建议配置： 2

定义了每个 Reduce 任务使用的虚拟 CPU 核心数量。

<property><name>mapreduce.reduce.cpu.vcores</name><value>2</value>
</property>

默认值： 1
建议配置： 2

定义了 Map 任务最大的重试次数。

<property><name>mapreduce.map.maxattempts</name><value>4</value>
</property>

默认值： 4
建议配置： 4（默认值），保持默认值即可。

定义了 Reduce 任务最大的重试次数。

<property><name>mapreduce.reduce.maxattempts</name><value>4</value>
</property>

默认值： 4
建议配置： 4（默认值）。保持默认值即可。

定义了在 Reduce 阶段开始之前要完成的 Map 任务的比例。

<property><name>mapreduce.job.reduce.slowstart.completedmaps</name><value>0.2</value>
</property>

默认值： 0.05
建议配置： 0.2。由于集群只有三台机器，提高此值有助于确保在进行 Reduce 阶段之前有足够的数据可供处理。

定义了任务的最大执行时间（以毫秒为单位）。如果任务执行超过此时间，将被认为失败。

<property><name>mapreduce.task.timeout</name><value>600000</value>
</property>

默认值： 600000（10分钟）
建议配置： 600000（默认值）。可以根据任务的复杂性和数据量适当调整。

定义了在 Map 阶段进行排序操作时的内存缓冲区大小（以MB为单位）。

<property><name>mapreduce.task.io.sort.mb</name><value>200</value>
</property>

默认值： 100
建议配置： 200。适当增加这个值可以提高排序的性能，但不要超过可用内存的一半。

定义了在进行 Map 阶段排序操作时，达到多少内存使用比例时会触发溢写（spill）操作将数据写入磁盘。

<property><name>mapreduce.map.sort.spill.percent</name><value>0.85</value>
</property>

默认值： 0.8
建议配置： 0.85

对文件进行排序时一次合并的流数，这决定了打开文件句柄的数量。

<property><name>mapreduce.task.io.sort.factor</name><value>20</value>
</property>

默认值： 10
建议配置： 20

定义了每个 Map 任务使用的内存量（以MB为单位）。

<property><name>mapreduce.map.memory.mb</name><value>2048</value>
</property>

默认值： 1024
建议配置： 2048

定义了每个 Reduce 任务使用的内存量（以MB为单位）。

<property><name>mapreduce.reduce.memory.mb</name><value>2048</value>
</property>

默认值： 1024
建议配置： 2048

MapReduce 调优参数一键复制

下列配置参数基于 hadoop v3.1.3 版本，共三台服务器，配置都为 4 核，4G 内存，上方可以看相关参数的详细解释。

	<property><name>mapreduce.reduce.shuffle.parallelcopies</name><value>10</value></property><property><name>mapreduce.reduce.shuffle.input.buffer.percent</name><value>0.8</value></property><property><name>mapreduce.reduce.shuffle.merge.percent</name><value>0.75</value></property><property><name>mapreduce.map.java.opts</name><value>-Xmx2048m</value></property><property><name>mapreduce.reduce.java.opts</name><value>-Xmx2048m</value></property><property><name>mapreduce.map.cpu.vcores</name><value>2</value></property><property><name>mapreduce.reduce.cpu.vcores</name><value>2</value></property><property><name>mapreduce.map.maxattempts</name><value>4</value></property><property><name>mapreduce.reduce.maxattempts</name><value>4</value></property><property><name>mapreduce.job.reduce.slowstart.completedmaps</name><value>0.2</value></property><property><name>mapreduce.task.timeout</name><value>600000</value></property><property><name>mapreduce.task.io.sort.mb</name><value>200</value></property><property><name>mapreduce.map.sort.spill.percent</name><value>0.85</value></property><property><name>mapreduce.task.io.sort.factor</name><value>20</value></property><property><name>mapreduce.map.memory.mb</name><value>2048</value></property><property><name>mapreduce.reduce.memory.mb</name><value>2048</value></property>