[TOC] # MapReduce重要配置参数 ## 资源相关参数 **以下参数是在用户自己的mr应用程序中配置就可以生效** 1. **mapreduce.map.memory.mb**: 一个Map Task可使用的资源上限（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Map task可使用的最多cpu core数目, 默认值: 1 4. **mapreduce.reduce.cpu.vcores**: 每个Reduce task可使用的最多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, e.g. `“-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, e.g. `“-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** 7. `yarn.scheduler.minimum-allocation-mb` 1024 给应用程序container分配的最小内存 8. `yarn.scheduler.maximum-allocation-mb` 8192 给应用程序container分配的最大内存 9. `yarn.scheduler.minimum-allocation-vcores` 1 10. `yarn.scheduler.maximum-allocation-vcores` 32 11. `yarn.nodemanager.resource.memory-mb` 8192 **shuffle性能优化的关键参数，应在yarn启动之前就配置好** 12. mapreduce.task.io.sort.mb 100 ` //shuffle的环形缓冲区大小，默认100m` 14. mapreduce.map.sort.spill.percent 0.8 `//环形缓冲区溢出的阈值，默认80%` ## 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失败比例超过该值为，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`: Task超时时间，经常需要设置的一个参数，该参数表达的意思为：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，可能是卡住了，也许永远会卡主，为了防止因为用户程序永远block住不退出，则强制设置了一个该超时时间（单位毫秒），默认是300000。如果你的程序对每条输入数据的处理时间过长（比如会访问数据库，通过网络拉取数据等），建议将该参数调大，该参数过小常出现的错误提示是`“AttemptID:attempt_14267829456721_123456_m_000224_0 Timed out after 300 secsContainer killed by the ApplicationMaster.”` ## 本地运行mapreduce 作业 设置以下几个参数: ~~~ mapreduce.framework.name=local mapreduce.jobtracker.address=local fs.defaultFS=local ~~~ ## 效率和稳定性相关参数 1. mapreduce.map.speculative: 是否为Map Task打开推测执行机制，默认为false 2. mapreduce.reduce.speculative: 是否为Reduce Task打开推测执行机制，默认为false 3. mapreduce.job.user.classpath.first & mapreduce.task.classpath.user.precedence：当同一个class同时出现在用户jar包和hadoop jar中时，优先使用哪个jar包中的class，默认为false，表示优先使用hadoop jar中的class。 4. mapreduce.input.fileinputformat.split.minsize: FileInputFormat做切片时的最小切片大小， 5. mapreduce.input.fileinputformat.split.maxsize: FileInputFormat做切片时的最大切片大小 (切片的默认大小就等于blocksize，即 134217728)