hadoop配置含义(继续更新中)

 

自己添加:

dfs.datanode.du.reserved :表示在datanode对磁盘写时候,保留多少非dfs的磁盘空间,从而避免dfs将所在的磁盘写满 ,但在0.19.2中该参数存在bug 。


I introduced "ipc.server.listen.queue.size" which defines how many calls per handler are allowed in the queue. The default is wtill 100. So there is no change for current users.   启动rpc服务时候每个hadler处理栈中最多的请求数目,多了的client就需要等待 。

 

dfs.datanode.simulateddatastorage     https://issues.apache.org/jira/browse/HADOOP-1989 ; 该节点启动是否是伪分布式系统,用于调试

 

slave.host.name  :各个datanode的节点名称,一般各个机器配置成自己的ip,用于在web页面中hdfs执行具体的datanode的连接地址,在web管理页面 的mapreduce中为指向具体map(reduce)task的连接的机器地址,不配置时候为机器的名称 。

 

dfs.datanode.failed.volumes.tolerated  :datanode允许磁盘损坏的个数 ,datanode在启动时候会使用dfs.data.dir下配置的文件夹(用于存储block的),若是有一些不可以用且个数>上面配置的那个 值,这启动失败,代码见:org.apache.hadoop.hdfs.server.datanode.FSDataset代码的980-997 ,如下:

    final int volFailuresTolerated =
      conf.getInt("dfs.datanode.failed.volumes.tolerated",
                  0);
    
    String[] dataDirs = conf.getStrings(DataNode.DATA_DIR_KEY);
    
    int volsConfigured=0;
    
    if(dataDirs != null)
       volsConfigured = dataDirs.length;
    
    int volsFailed =  volsConfigured - storage.getNumStorageDirs();
    
    if( volsFailed < 0 ||
        volsFailed > volFailuresTolerated ) {
        throw new DiskErrorException("Invalid value for volsFailed : " 
                + volsFailed + " , Volumes tolerated : " + volFailuresTolerated);
    }

 

dfs.blockreport.intervalMsec 

    Datanode会定期将当前该结点上所有的BLOCK信息报告给Namenode,参数dfs.blockreport.intervalMsec就是控制这个报告间隔的参数。

 

dfs.blockreport.initialDelay 

     和上一个参数一起使用的,datanode启动后第一次报告自己的block信息的时间是在(0,$(dfs.blockreport.initialDelay ))之间的一个随机数 initTime,然后从initTime(不同datanode上的这个随即肯定是不一样的)开始每隔dfs.blockreport.intervalMsec ,该datanode会向namenode报告自己的所有block的信息。

如果没有initTime,多有datanode都从启动的那一刻开始发,这样会造成大量数据发往nn,造成堵塞 。是以用此参数来控制 。

 

 job运行中可以得到的一些参数:

mapred.job.id                     作业ID,如job_201104121233_0001

mapred.tip.id                      任务ID,如task_201104121233_0001_m_000003

mapred.task.id                    任务尝试ID,如attempt_201104121233_0001_m_000003_0

mapred.task.partition          作业中任务的序号,如3

mapred.task.is.map             此任务是否为map任务,如true

 mapred.job.queue.name    该任务所属的队列,一般是对于不同用户的client将该属性值写在配置文件中。

 

 

 

dfs.client.max.block.acquire.failures  

   DFSClient在读取hadoop上的文件时候,会从datanode上读取具体的block信息,如果读取的节点失败(socket无法连接等等),client会多次尝试,这个就是设置尝试的次数,超过这个次数会抛出异常 。

============================================================================================

以下是转载自:http://blog.chinaunix.net/space.php?uid=22477743&do=blog&cuid=2046639 ;http://longmans1985.blog.163.com/blog/static/7060547520113652122555/

 

0. 版本
    0.19.2
 
1. hadoop cluster组成
    1.1. HDFS
        1.1.1 Name Node (1台)
        1.1.2 Secondary Name Node (1台, 可选)
        1.1.3 Data Node (若干台)
    1.2. MR
        1.2.1 Master [JobTracker] (1台)
        1.2.2 Slave [TaskTracker] (若干台)
 
2. 配置文件
    2.1 hadoop-default.xml
        hadoop集群的默认配置, 通常不需要修改这个配置文件.
    2.2 hadoop-site.xml
        hadoop集群里面的机器个性化配置文件, 通常在这里指定机器的个性化配置.
 
3. 配置项
    3.1 fs.default.name
        定义: Name Node的URI
        描述: hdfs://hostname/

 

    3.2 mapred.job.tracker

        定义: JobTracker的地址

        描述: hostname:port
 
    3.3 dfs.name.dir
        定义: Name Node 保存元数据和事务日志的本地目录
        描述: 逗号分隔的目录列表用于指定多份数据的冗余备份.
 
    3.4 dfs.data.dir
        定义: Data Node 保存块文件的本地目录
        描述: 逗号分隔的目录列表指定这些目录用于保存块文件.
 
    3.5 mapred.system.dir
        定义: HDFS上MapReduce保存系统文件的目录.
        描述: 
 
    3.6 mapred.local.dir
        定义: 保存MapReduce临时文件的本地目录

        描述: 逗号分隔的目录列表用于指定多个目录同时做为临时数据空间

 
    3.7 mapred.tasktracker.{map|reduce}.tasks.maximum
        定义: TaskTracker上最多能够同时运行的map/reduce task数目.
        描述: 默认map/reduce task数目各为2.

 

    3.8 dfs.hosts/dfs.hosts.exclude
        定义: Data Node白名单/黑名单文件
        描述: 
 
    3.9 mapred.hosts/mapred.hosts.exclude
        定义: MapReduce白名单/黑名单文件
        描述:
 
    3.10 mapred.queue.names
        定义: 队列名
        描述: hadoop MapReduce系统默认有一个"default"的Job队列(pool).


    3.11 dfs.block.size
        定义: hdfs默认块大小
        描述: 默认是128M

    3.12 dfs.namenode.handler.count
        定义: namenode同时和datanode通信的线程数
        描述:

    3.13 mapred.reduce.parallel.copies
        定义: reducer同时从mapper上拉取的文件数
        描述:

    3.14 mapred.child.java.opts
        定义: child jvm的堆大小
        描述:

    3.15 fs.inmemory.size.mb
        定义: reducer在合并map输出数据使用的内存空间
        描述: 默认使用200M

    3.16 io.sort.factor
        定义: 排序因子。同时合并的数据流的数量
        描述:

    3.17 io.sort.mb
        定义: 排序使用的最大内存
        描述:

    3.18 io.file.buffer.size
        定义: 读写文件的缓冲区大小
        描述:

    3.19 mapred.job.tracker.handler.count
        定义: jobtracker同时与tasktracker通信的线程数
        描述:

    3.20 tasktracker.http.threads
        定义: tasktracker开http服务的线程数。用于reduce拉取map输出数据。
        描述:

 

其中红色的配置为必须配置参数

 

参数取值备注
fs.default.name NameNode 的URI。 hdfs://主机名/
dfs.hosts/dfs.hosts.exclude 许可/拒绝DataNode列表。 如有必要,用这个文件控制许可的datanode列表。
dfs.replication 默认: 3 数据复制的分数
dfs.name.dir

举例:/home/username/hadoop/namenode

默认:/tmp

当这个值是一个逗号分割的目录列表时,nametable数据将会被复制到所有目录中做冗余备份。
dfs.data.dir

举例:/home/username/hadoop/datanode

默认: /tmp

当这个值是逗号分割的目录列表时,数据将被存储在所有目录下,通常分布在不同设备上。
     
mapred.system.dir Map/Reduce框架存储系统文件的HDFS路径。比如/hadoop/mapred/system/ 。 这个路径是默认文件系统(HDFS)下的路径, 须从服务器和客户端上均可访问。
mapred.local.dir 本地文件系统下逗号分割的路径列表,Map/Reduce临时数据存放的地方。 多路径有助于利用磁盘i/o。
mapred.tasktracker.{map|reduce}.tasks.maximum 某一TaskTracker 上可运行的最大Map/Reduce任务数,这些任务将同时各自运行。 默认为2(2个map和2个reduce),可依据硬件情况更改。
mapred.job.tracker JobTracker 的主机(或者IP)和端口。 主机:端口 。
mapred.hosts/mapred.hosts.exclude 许可/拒绝TaskTracker列表。 如有必要,用这个文件控制许可的TaskTracker列表。
     
hadoop.job.history.user.location

默认:mapred.output.dir/_logs/history

也可以设置为none 来停用

作业的历史文件记录目录

 

conf/slaves 写入全部的slave的机器名或者IP

 

nameNode记住每个文件被映射成的 blockId。每个blockId对应的block会被复制到不同的机器上多余一份。

hadoop 默认的block 是 64MB

 

 

 

 

posted @ 2011-08-23 17:16 xiao晓 阅读(...) 评论(...) 编辑 收藏