hadoop地址配置、内存配置、守护进程设置、环境设置

1.1  hadoop配置

hadoop配置文件在安装包的etc/hadoop目录下，但是为了方便升级，配置不被覆盖一般放在其他地方，并用环境变量HADOOP_CONF_DIR指定目录。

1.1.1         配置管理

集群中每个节点都维护一套配置文件，并由管理员完成文件的同步工作。集群管理工具Cloudera Manage和Apache Ambari可以在集群间传递修改信息。所有机器采用同一套配置文件，简单，但是如果机器的配置不同时，同一套配置文件不适合。Chef、Puppet、CFEngine和Bcfg2 工具 可以为每一台集群单独维护配置文件。尽量用工具，不用脚本，因为脚本无法感知异常状态。

1.1.2         环境设置

（1）mapred-env.sh和yarn-env.sh文件中配置的变量值会覆盖hadoop-env.sh文件中的变量。hadoop-env.sh文件的内容如下：

（2）namenode会在内存中维护所有文件的数据块的引用，会占用很大的内存；数据块的个数=（集群节点数*节点磁盘空间）/（数据块大小*每个数据块的备份数），200个节点的集群，每个节点24TB，数据块大小为128MB，复本数量是3，则数据引用的个数=（200*24*1024*1024）/(128*3)=13107200个数据引用，这些引用需要占用多大内存，可以通过hadoop-env.sh的HADOOP_NAMENODE_OPTS来设置。

（3）系统日志路径通过export HADOOP_LOG_DIR= ${HADOOP_LOG_DIR}/$USER来设置，分为.log日志和.out标准输出和错误日志。

1.1.3         hadoop守护进程的关键属性

守护进程的配置信息可以访问该进程的web服务器conf界面 http://resource-manager-host:8088/conf 表示资源管理器当前的配置。

（1）   HDFS

运行HDFS需要指定一台机器作为namecode的地址，core-site.xml文件中属性fs.defaultFS配置文件系统的uri，ip和端口号。例如hdfs://localhost:9000。

coree-site.xml 配置文件

hadoop.tmp.dir

/D:/hadoop/hadoop-2.8.3/tmp

Abase for other temporary directories.

fs.defaultFS

hdfs://localhost:9000

hdfs-site.xml 配置文件

dfs.replication

1

dfs.namenode.name.dir

/D:/hadoop/hadoop-2.8.3/namenode

dfs.datanode.data.dir

/D:/hadoop/hadoop-2.8.3/datanode

dfs.permissions

false

（2）   yarn 属性设置

yarn-site.xml用于配置资源管理器的属性，需要设置运行资源的管理器的主机名、地址。

yarn.nodemanager.local-dirs属性用来指定mapreduce函数的中间数据的输出路径，包括map输出，可能输出非常大，目录空间要足够大。为了提高磁盘IO操作的效率，设置多个磁盘上的目录。

shuffle服务是将map任务的输出发送给reduce任务。需要将yarn-site.xml文件中属性yarn.nodemanager.aux-services设置mapreduce_shuffle来显示启用mapreduce的shuffle句柄。

（3）   yarn 和mapreduce 中的内存设置

节点管理从内存池分配内存，节点管理器的内存要用于运行节点管理器守护进程和datanode守护进程各需要1000M内存和操作系统内存，剩下的内存则分配给节点上作业的内存（yarn.nodemanager.resource.memory-mb设置分配给容器的总内存，默认8092）。可以通过设置任务容器（mapreduce.map.memory.mb和mapreduce.reduce.memory.mb）的内存使用量和java进程的堆大小(mapred.child.java.opts, mapreduce.map.java.opts, mapreduce.reduce.java.opts)来控制作业的内存。mapreduce.map.memory.mb默认是1024M，节点管理器会分配1024M的容器，JVM会占用容器的200M内存（-Xmx200m配置的是最大JVM进程堆内存），如果容器中内存使用量超过1024，则任务会被终止。yarn.nodemanager.vmem-pmem-ratio（默认2.1）表示虚拟内存与物理内存的比例。容器的物理内存是1024，则最多使用的虚拟内存是1024*2.1=21150.4M。虚拟内存的使用量超过这个值，也会终止任务。

还可以通任务的内存计数器来统计内存使用量PHYSICAL_MEMORY_BYTES,VIRTUAL__MEMORY_BYTES和COMMITED_HEAP_BYTES。

（4）   YARN和mapreduce的CPU设置

yarn.nodemanager.resource.cpuvcores设置分配给容器的核数量（不包括nodemanager和datanode守护进程的核数）。mapreduce.map.cpu.vcores和mapreduce.reduce.cpu.vcores分别设置map和reduce任务的核数量，默认1。

（5）   内存和CPU配置实例

现在有个32核。120G内存的机器。要怎么配置内存和CPU呢？

nodemanage和datanode守护进程各占一个核，守护进程内存各一个G。操作系统占用2核，内存占18G。剩下的28核和100G内存用于任务容器。

yarn.nodemanager.resource.mem.mb=102400

yarn.nodemanager.resource.cpuvcores=28

单个容器任务最小内存分配和最大内存分配属性设置为512M和4096M，最小内存值可以计算一个节点最大Container数量。

yarn.scheduler.minimum-allocation-mb=512

yarn.scheduler.maximum-allocation-mb=4096

然后给每个map任务和reduce任务设置内存上限和cpu分配，内存范围要在容器的内存范围内（512~4096）

mapreduce.map.cpu.vcores=1

mapreduce.reduce.cpu.vcores=2

mapreduce.map.memory.mb=1024

mapreduce.reduce.memory.mb=2048

然后在map和reduce任务中的JVM进程设置内存，JVM内存要小于map和reduce的任务内存mapred.child.java.opts总的设置，也可以用mapreduce.map.java.opts和mapreduce.reduce.java.opts分别设置。

mapred.child.java.opts=512

mapreduce.map.java.opts=512

mapreduce.reduce.java.opts=512

1.1.4         hadoop守护进程的地址和端口

hadoop守护进程一般有两个服务器，RPC服务器支持进程间通信。HTTP服务器则提供与用户的交互的web页面。

（1）RPC服务器设置

（2 ）HTTP 服务器地址设置

地址配置决定了服务器绑定的地址，同时客户端和集群中的其他机器可以通过这个地址链接服务器通讯。将yarn.resourcemananger.hostname设置为主机名或IP地址，yarn.resourcemanager.bind-host设置为0.0.0.0，这样既能节点管理器和客户端端可以通过hostname去解析地址，确定位置，又可以确保资源管理器能够与机器上的所有地址绑定。

datanode运行TCP/IP服务器支持块传输，由属性dfs.datanode.adress设置；默认0.0.0.0:50010。

1.1.5         hadoop的其他属性设置

（1）   集群成员

为了方便添加和移除节点，dfs.hosts属性记录作为datanode加入集群的机器列表。属性yarn.resourcemanager.nodes.include-path记录作为节点管理器加入集的机器列表。dfs.hosts.exclude和yarn.resourcemanager.nodes.exclude-path指向解除的机器列表。

（2）   IO缓冲区

core-site.xml中io.file.buffer.size属性来设置缓冲区大小，128kb常用。

（3）   块大小

hdfs-site.xml中dfs.blocksize设置HDFS的块大小，默认128M。

（4）   保留存储空间

计划将部分空间留给非HDFS，设置dfs.datanode.du.reserved设置保留空间。

（5）   回收站

core-site.xml中的fs.trash.interval设置回收站是否有效。默认0无效。trash类删除时会返回false。回收站有效时，shell命令删除的文件才会放入回收站（home目录下的.Trash目录），程序删除的文件直接删除，除非用trash类删除也会放入回收站。HDFS会自动删除超过时限的文件文件，其他文件系统不能，需要执行手动执行hadoop fs –expunge 命令来删除超过最小时限的文件。Trash.expunge()也具备这样的的功能。

（6）   慢启动reduce

调度器会一直等待直到map完成5%，才会调度reduce任务，可以将mapreduce.job.reduce.slowstart.completemaps的值设置为0.8，map完成80%才调度reduce任务。

（7）   短回路本地读

客户端和datanode在同一个几几节点上，则绕过TCP网路通讯，直接从磁盘中读取数据。dfs.client.read.shortcircuit设置为true。

自己开发了一个股票智能分析软件，功能很强大，需要的点击下面的链接获取：

https://www.cnblogs.com/bclshuai/p/11380657.html