MapReduce 优化

1、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: “”

//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%

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，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。

3、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。

(5)mapreduce.input.fileinputformat.split.maxsize: FileInputFormat 做切片时最大切片大小

4、mapreduce 程序在 yarn 上的执行流程

详细流程：

• 一：客户端向集群提交一个任务，该任务首先到 ResourceManager 中的 ApplicationManager;

• 二：ApplicationManager 收到任务之后，会在集群中找一个 NodeManager，并在该 NodeManager 所在 DataNode 上启动一个 AppMaster 进程，该进程用于进行任务的划分和任务的监控；

• 三：AppMaster 启动起来之后，会向 ResourceManager 中的 ApplicationManager 注册其信息（目的是与之通信）；

• 四：AppMaster 向 ResourceManager 下的 ResourceScheduler 申请计算任务所需的资源；

• 五：AppMaster 申请到资源之后，会与所有的 NodeManager 通信要求它们启动计算任务所需的任务（Map 和 Reduce）；

• 六：各个 NodeManager 启动对应的容器用来执行 Map 和 Reduce 任务；

• 七：各个任务会向 AppMaster 汇报自己的执行进度和执行状况，以便让 AppMaster 随时掌握各个任务的运行状态，在某个任务出了问题之后重启执行该任务；

• 八：在任务执行完之后，AppMaster 向 ApplicationManager 汇报，以便让 ApplicationManager 注销并关闭自己，使得资源得以回收；