|
Hadoop守护进程日志存放目录：可以用环境变量${Hadoop_LOG_DIR}进行配置，默认情况下是${HADOOP_HOME}/logs
1．配置类型节点的环境变量
在配置集群的时候可以在conf/hadoop-env.sh配置不同节点的环境变量：
|
Daemon
|
Configure Options
|
|
NameNode
|
HADOOP_NAMENODE_OPTS
|
|
DataNode
|
HADOOP_DATANODE_OPTS
|
|
SecondaryNamenode
|
HADOOP_SECONDARYNAMENODE_OPTS
|
|
JobTracker
|
HADOOP_JOBTRACKER_OPTS
|
|
TaskTracker
|
HADOOP_TASKTRACKER_OPTS
|
例如，可以在hadoop-env.sh中加入下面一行，使NameNode使用ParallelGC
export HADOOP_NAMENODE_OPTS="-XX:+UseParallelGC ${HADOOP_NAMENODE_OPTS}"
还可以通过conf/hadoop-env.sh配置以下选项：
HADOOP_LOG_DIR:配置hadoop后台进程日志存放的目录
HADOOP_HEAPSIZE:此选项可以可以配置hadoop后台进程可使用栈的大小，默认大小为1000M
2. 配置Hadoop守护进程
conf/core-site.xml:通过该配置文件配置文件系统根目录，即hdfs://namenode
|
Parameter
|
Value
|
Notes
|
|
fs.default.name
|
URI of NameNode.
|
hdfs://hostname/
|
conf/hdfs-site.xml:通过该配置文件，配置NameNode和DataNode数据文件的存放目录
|
Parameter
|
Value
|
Notes
|
|
dfs.name.dir
|
NameNode上存放命名空间和日志的本地目录，即fsimage和edits文件的存放目录
|
如果该配置有由逗号分开的多条目录，那么NameNode会在每条目录中进行冗余存储
|
|
dfs.data.dir
|
DataNode中存放block的目录
|
如果是由逗号分开的多条目录，则所有的目录都用来存储数据
|
conf/mapred-site.xml:可以通过这个文件配置MapReduce框架
|
Parameter
|
Value
|
Notes
|
|
mapred.job.tracker
|
JobTracker的IP和端口
|
host:portpair.
|
|
mapred.system.dir
|
Path on the HDFS where where the MapReduce framework stores system files e.g. /hadoop/mapred/system/.
|
This is in the default filesystem (HDFS) and must be accessible from both the server and client machines.
|
|
mapred.local.dir
|
Comma-separated list of paths on the local filesystem where temporary MapReduce data is written.
|
Multiple paths help spread disk i/o.
|
|
mapred.tasktracker.{map|reduce}.tasks.maximum
|
The maximum number of MapReduce tasks, which are run simultaneously on a given TaskTracker, individually.
|
Defaults to 2 (2 maps and 2 reduces), but vary it depending on your hardware.
|
|
dfs.hosts/dfs.hosts.exclude
|
List of permitted/excluded DataNodes.
|
If necessary, use these files to control the list of allowable datanodes.
|
|
mapred.hosts/mapred.hosts.exclude
|
List of permitted/excluded TaskTrackers.
|
If necessary, use these files to control the list of allowable TaskTrackers.
|
|
mapred.queue.names
|
Comma separated list of queues to which jobs can be submitted.
|
The MapReduce system always supports atleast one queue with the name as default. Hence, this parameter's value should always contain the string default. Some job schedulers supported in Hadoop, like the Capacity Scheduler, support multiple queues. If such a scheduler is being used, the list of configured queue names must be specified here. Once queues are defined, users can submit jobs to a queue using the property name mapred.job.queue.name in the job configuration. There could be a separate configuration file for configuring properties of these queues that is managed by the scheduler. Refer to the documentation of the scheduler for information on the same.
|
|
mapred.acls.enabled
|
Boolean, specifying whether checks for queue ACLs and job ACLs are to be done for authorizing users for doing queue operations and job operations.
|
If true, queue ACLs are checked while submitting and administering jobs and job ACLs are checked for authorizing view and modification of jobs. Queue ACLs are specified using the configuration parameters of the form mapred.queue.queue-name.acl-name, defined below under mapred-queue-acls.xml. Job ACLs are described at Job Authorization
|
|
mapred.task.timeout
|
Map/reduce task多长时间没有返回就认为他是失败的
|
一般为10分钟
|
|
mapred.map.max.attemptes
|
如果一个map任务失败，最多可以重新调度的次数
|
一般为4
|
|
mapred.reduce.max.attempts
|
如果一个reduce任务失败，最多可以重新调度的次数
|
一般为4
|
|
mapred.max.map.failures.percent
|
一个作业可以允许的map任务失败的比率
|
有时候我们认为，一个作业即使有一部分任务失败但作业其他任务执行也是有用的，该参数设置一个作业可以允许最多可以承受多少map任务失败
|
|
mapred.max.reduce.failures.percent
|
同上，针对reduce任务
|
同上，针对reduce任务
|
|
mapred.tasktracker.expiry.interval
|
Tasktracker多长时间没有向JobTracker发送心跳就认为tasktracker失败
|
默认为10分钟
|
|
mapred.user.jobconf.limit
|
Hadoop能够接受的最多job数量
|
|
|
mapred.tasktracker.map.tasks.maximum
|
每一个tasktracker能够同时执行的map的个数
|
默认为2
|
|
mapred.tasktracker.reduce.tasks.maximum
|
每一个tasktracker能够同时执行的reduce的个数
|
默认为2
|
下面是Hadoop项目在做一些项目时，对他们的集群所做的配置，在实际工作过程中我们也可以进行参考。
This section lists some non-default configuration parameters which have been used to run the sort benchmark on very large clusters.
l Some non-default configuration values used to run sort900, that is 9TB of data sorted on a cluster with 900 nodes:
|
Configuration File
|
Parameter
|
Value
|
Notes
|
|
conf/hdfs-site.xml
|
dfs.block.size
|
134217728
|
HDFS blocksize of 128MB for large file-systems.
|
|
conf/hdfs-site.xml
|
dfs.namenode.handler.count
|
40
|
More NameNode server threads to handle RPCs from large number of DataNodes.
|
|
conf/mapred-site.xml
|
mapred.reduce.parallel.copies
|
20
|
Higher number of parallel copies run by reduces to fetch outputs from very large number of maps.
|
|
conf/mapred-site.xml
|
mapred.map.child.java.opts
|
-Xmx512M
|
Larger heap-size for child jvms of maps.
|
|
conf/mapred-site.xml
|
mapred.reduce.child.java.opts
|
-Xmx512M
|
Larger heap-size for child jvms of reduces.
|
|
conf/core-site.xml
|
fs.inmemory.size.mb
|
200
|
Larger amount of memory allocated for the in-memory file-system used to merge map-outputs at the reduces.
|
|
conf/core-site.xml
|
io.sort.factor
|
100
|
More streams merged at once while sorting files.
|
|
conf/core-site.xml
|
io.sort.mb
|
200
|
Higher memory-limit while sorting data.
|
|
conf/core-site.xml
|
io.file.buffer.size
|
131072
|
Size of read/write buffer used in SequenceFiles.
|
l Updates to some configuration values to run sort1400 and sort2000, that is 14TB of data sorted on 1400 nodes and 20TB of data sorted on 2000 nodes:
|
Configuration File
|
Parameter
|
Value
|
Notes
|
|
conf/mapred-site.xml
|
mapred.job.tracker.handler.count
|
60
|
More JobTracker server threads to handle RPCs from large number of TaskTrackers.
|
|
conf/mapred-site.xml
|
mapred.reduce.parallel.copies
|
50
|
|
|
conf/mapred-site.xml
|
tasktracker.http.threads
|
50
|
More worker threads for the TaskTracker's http server. The http server is used by reduces to fetch intermediate map-outputs.
|
|
conf/mapred-site.xml
|
mapred.map.child.java.opts
|
-Xmx512M
|
Larger heap-size for child jvms of maps.
|
|
conf/mapred-site.xml
|
mapred.reduce.child.java.opts
|
-Xmx1024M
|
Larger heap-size for child jvms of reduces.
|
3. 内存监控
TaskTracker可以通过配置监控task使用内存的情况，通过监控可以防止task由于过度使用内存而导致系统崩溃。通过启用内存监控，可以给每一个task设置一个虚拟内存（virtual memory)使用限值；同时，可以给TaskTracker的虚拟内存使用设置一个限值，防止TaskTracker的虚拟内存被过度使用。如果内存使用超过TaskTracker的使用限值，那么一个或者多个task以及其子进程将被杀死。
|
Name
|
Type
|
Description
|
|
mapred.tasktracker.vmem.reserved
|
long
|
一个long类型的数字，单位是byte，tasktracker虚拟内存的大小减去该数字为该hadoop能够使用该机器虚拟内存的上限
|
|
mapred.task.default.maxvmem
|
long
|
一个long类型的数字，单位是byte，表示tasktracker一个task能够使用虚拟内存的上限
|
|
mapred.task.limit.maxvmem
|
long
|
一个long类型的数字，单位是byte，表示tasktracker一个task能够使用虚拟内存的上限。当用户指定一个task可以使用虚拟内存的上限时不应该超过此值
|
|
Name
|
Type
|
Description
|
|
mapred.tasktracker.taskmemorymanager.monitoring-interval
|
long
|
TaskTracker监控内存使用情况的时间间隔，单位是毫秒。默认值是5000毫秒，即五秒钟。
|
内存监控是如何工作的：
1.如果一个或者多个上述属性没有被配置或者配置为-1，那么内存监控是被禁用的
2.如果mapred.task.default.maxvmem大于mapred.task.limit.maxvmem那么内存监控将被禁用，因为此时每一个task默认虚拟内存的大小总是大于用户设定的每个task可以使用内存的上限
3.如果TaskTracker接收到一个task，他的内存使用限值大于mapred.task.limit.maxvmem该task仍然被执行，但是将会在log记录警告
4.TaskTrack会周期性的进行如下检查：
v 如果一个task的虚拟内存使用超过了task虚拟内存使用限值，该task将被kill，并且会将原因记录到日志当中。该task同时被记录为失败(fail)
v 如果所有task使用虚拟内存的总和超过了tasktracker虚拟内存的上限，那么tasktracker会kill足够多的task，知道虚拟内存的使用小于限值。
|
Name
|
Type
|
Description
|
|
mapred.tasktracker.pmem.reserved
|
int
|
Int类型的数字，单位是byte。TaskTracker物理内存的大小减去该值即为该TaskTracker可以使用的物理内存的上限。
|
4. 集群重启
如果mapred.jobtracker.restart.recover被设置成true，同时JobHistory logging被启用，那么当JobTracker重启时正在被执行的作业能够被恢复。
Job history files被存储在hadoop.job.history.location配置的路径当中，其默认值是${HADOOP_LOG_DIR}/history。同时这些文件还被保存到hadoop.job.history.user.location所配置的文件夹中，默认值是Job的输出路径/_logs/history/。同时我们可以通过设置mapred.jobtracker.job.history.block.size来控制Job history保存到硬盘的频率，该值的默认大小是3145728(3MB)。
我们可以通过命令hadoop job -history output-dir或者
hadoop job -history all output-dir来查看Job history文件
5. Secondary NameNode
Fs.checkpoint.period:secondary NameNode合并fsimage和eidts的频率，默认为一个小时
Fs.checkpoint.size:当edit文件超过多大时，secondary NameNode就合并fsimage和edit文件，默认为64M
6. CheckPoint Node
NameNode通过fsimage保存其命名空间，fsimage也是命名空间的最近检查点。NameNode通过edits来保存相对于该检查点对HDFS做的修改。每当NameNode启动后，其将edits对文件系统的修改作用于fsimage，生成一个全新的检查点。Checkpoint node 周期性生成新的检查点。他从NameNode上下载fsimage和edits，将其合并后更新到NameNode。
Fs.checkpoint.period:checkpoint node合并fsimage和eidts的频率，默认为一个小时
Fs.checkpoint.size:当edits文件超过多大时，checkpoint node就合并fsimage和edit文件，默认为64M
dfs.backup.address：checkpoint node的地址
dfs.backup.http.address:checkpoint node的webUI
Checkpoint node启动，通过bin/hdfs namenode -checkpoint命令启动。
7. Backup Node
Backup Node的功能跟Secondary NameNode和CheckPoint Node的功能相似，其不同的地方是他不需要周期性的下载fsimage和edits文件，因为其内存和NameNode的内存是一致的。Backup Node的配置与Check Point Node的配置方法一样。
8. Safemode
当NameNode启动的时候，NameNode会将edits和fsimage进行合并以便生成新的checkpoint。在完成这些工作后，NameNode等待DataNode汇报其保存的block。如果NameNode接收到的汇报比较少，那么很多Block就不知道保存到什么地方，只有接收到足够多的Block汇报后整个文件系统才是可以使用的。在等待DataNode汇报Block过程中称之为Safemode。可以通过命令：
Hadoop dfsadmin -safeMode来查看文件是不是已经脱离了safemode
(责任编辑：IT) |
