大数据学习之hadoop的优化16
hadoop优化
1）mr程序的效率瓶颈
功能：分布式离线计算
->计算机性能 CPU、内存、磁盘、网络
->I/O操作优化
（1）数据倾斜（代码优化）
（2）map和reduce数设置不合理
（3）map运行时间太长，导致reduce等待过久
（4）小文件过多（combineTextInputFomrat小文件合并）
（5）不可分块的超大文件（不断的溢写）
（6）多个溢写小文件需要多次merge
2）mr优化方法
六个方面考虑：数据输入、Map阶段、Reduce阶段、IO传输、 数据倾斜、参数调优
1 >数据输入
（1）合并小文件：在执行mr任务前就进行小文件合并
（2）采用CombineTextInputFormat来作为输入，解决输 入端大量小文件的场景 mr并不适合处理大量小文件
2>Map阶段
（1）减少溢写次数（就是shuffle过程中的缓冲区，默认是100M 80%。现在增加内存200M 80%=160）
<property>
<name>mapreduce.task.io.sort.mb</name>
<value>100</value>
</property>
或者调高溢写比例
<property>
<name>mapreduce.map.sort.spill.percent</name>
<value> 0.80</value>
</property>
（2）减少合并次数（默认是10个文件就进行合并。我们可以调高合并文件个数。用来达到减少合并次数）
<property>
<name>mapreduce.task.io.sort.factor</name>
<value>10</value>
</property>
（3）在map之后，不影响业务逻辑情况下进行combiner
3>Reduce阶段
（1）合理设置map与reduce个数
（2）设置map/reduce共存 设置运行一定程度的map运行后 启动reduce减少等待时间
（这里最好不要调成0.00，应为你调成0还是要等带Map阶段运行产生的数据，反而不好。个人介意不用调这个，只是做个了解就行了）
<property>
<name>mapreduce.job.reduce.slowstart.completedmaps</name>
<value>0.05</value>
</property>
（3）合理设置reduce端的buffer
<property>
<name>mapreduce.reduce.markreset.buffer.percent</name>
<value>0.0</value>
</property>
4>传输
（1）进行数据压缩
（2）使用sequenceFile（还是处理小文件的方法，一般用于自定义输出）
5>数据倾斜
（1）进行范围分区
（2）自定义分区（默认是hash分区，我们之前就写了一个用电话号码的前3位数进行了分区）
（3）Combine 就一行代码
（4）能用mapjoin坚决不用reduce join
6>参数调优
设置核心数
map核心数设置：
<property>
<name>mapreduce.map.cpu.vcores</name>
<value>1</value>
</property>
reduce核心数设置：
<property>
<name>mapreduce.reduce.cpu.vcores</name>
<value>1</value>
</property>
设置内存
maptask内存设置：
<property>
<name>mapreduce.map.memory.mb</name>
<value>1024</value>
</property>
reducetask内存设置：
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>1024</value>
</property>
reduce去map端拿数据并行度（就像java中的多线程）
<property>
<name>mapreduce.reduce.shuffle.parallelcopies</name>
<value>5</value>
</property>
=========================================================
Hadoop框架就学完了。明天开始学习Zookeeper
