MapReduce性能調(diào)優(yōu)方法有哪些？

使用Hadoop進(jìn)行大數(shù)據(jù)運(yùn)算，當(dāng)數(shù)據(jù)量極其大時(shí)，那么對(duì)MapReduce性能的調(diào)優(yōu)重要性不言而喻，尤其是Shuffle過程中的參數(shù)配置對(duì)作業(yè)的總執(zhí)行時(shí)間影響特別大。下面總結(jié)一些和MapReduce相關(guān)的性能調(diào)優(yōu)方法，主要從五個(gè)方面考慮：數(shù)據(jù)輸入、Map階段、Reduce階段、Shuffle階段和其他調(diào)優(yōu)屬性。

1.數(shù)據(jù)輸入

在執(zhí)行MapReduce任務(wù)前，將小文件進(jìn)行合并，大量的小文件會(huì)產(chǎn)生大量的map任務(wù)，增大map任務(wù)裝載的次數(shù)，而任務(wù)的裝載比較耗時(shí)，從而導(dǎo)致MapReduce運(yùn)行速度較慢。因此我們采用CombineTextInputFormat來作為輸入，解決輸入端大量的小文件場(chǎng)景。

2.Map階段

(1)減少溢寫(spill)次數(shù)：通過調(diào)整io.sort.mb及sort.spill.percent參數(shù)值，增大觸發(fā)spill的內(nèi)存上限，減少spill次數(shù)，從而減少磁盤IO。

(2)減少合并(merge)次數(shù)：通過調(diào)整io.sort.factor參數(shù)，增大merge的文件數(shù)目，減少merge的次數(shù)，從而縮短mr處理時(shí)間。

(3)在map之后，不影響業(yè)務(wù)邏輯前提下，先進(jìn)行combine處理，減少I/O。我們?cè)谏厦嫣岬降哪切傩詤?shù)，都是位于mapred-default.xml文件中，這些屬性參數(shù)的調(diào)優(yōu)方式如表4-1所示。

表4-1Map階段調(diào)優(yōu)屬性

3.Reduce階段

(1)合理設(shè)置map和reduce數(shù)：兩個(gè)都不能設(shè)置太少，也不能設(shè)置太多。太少，會(huì)導(dǎo)致task等待，延長處理時(shí)間;太多，會(huì)導(dǎo)致map、reduce任務(wù)間競(jìng)爭(zhēng)資源，造成處理超時(shí)等錯(cuò)誤。

(2)設(shè)置map、reduce共存：調(diào)整slowstart.completedmaps參數(shù)，使map運(yùn)行到一定程度后，reduce也開始運(yùn)行，減少reduce的等待時(shí)間。

(3)規(guī)避使用reduce：因?yàn)閞educe在用于連接數(shù)據(jù)集的時(shí)候?qū)?huì)產(chǎn)生大量的網(wǎng)絡(luò)消耗。通過將MapReduce參數(shù)setNumReduceTasks設(shè)置為0來創(chuàng)建一個(gè)只有map的作業(yè)。

(4)合理設(shè)置reduce端的buffer：默認(rèn)情況下，數(shù)據(jù)達(dá)到一個(gè)閾值的時(shí)候，buffer中的數(shù)據(jù)就會(huì)寫入磁盤，然后reduce會(huì)從磁盤中獲得所有的數(shù)據(jù)。也就是說，buffer和reduce是沒有直接關(guān)聯(lián)的，中間多一個(gè)寫磁盤->讀磁盤的過程，既然有這個(gè)弊端，那么就可以通過參數(shù)來配置，使得buffer中的一部分?jǐn)?shù)據(jù)可以直接輸送到reduce，從而減少IO開銷。這樣一來，設(shè)置buffer需要內(nèi)存，讀取數(shù)據(jù)需要內(nèi)存，reduce計(jì)算也要內(nèi)存，所以要根據(jù)作業(yè)的運(yùn)行情況進(jìn)行調(diào)整。

我們?cè)谏厦嫣岬降膶傩詤?shù)，都是位于mapred-default.xml文件中，這些屬性參數(shù)的調(diào)優(yōu)方式如表4-2所示。

表4-2Reduce階段的調(diào)優(yōu)屬性

4.Shuffle階段

Shuffle階段的調(diào)優(yōu)就是給Shuffle過程盡量多地提供內(nèi)存空間，以防止出現(xiàn)內(nèi)存溢出現(xiàn)象，可以由參數(shù)mapred.child.java.opts來設(shè)置，任務(wù)節(jié)點(diǎn)上的內(nèi)存大小應(yīng)盡量大。

我們?cè)谏厦嫣岬降膶傩詤?shù)，都是位于mapred-site.xml文件中，這些屬性參數(shù)的調(diào)優(yōu)方式如表4-3所示。

表4-3shuffle階段的調(diào)優(yōu)屬性

5.其他調(diào)優(yōu)屬性

除此之外，MapReduce還有一些基本的資源屬性的配置，這些配置的相關(guān)參數(shù)都位于mapred-default.xml文件中，我們可以合理配置這些屬性提高M(jìn)apReduce性能，表4-4列舉了部分調(diào)優(yōu)屬性。

表4-4MapReduce資源調(diào)優(yōu)屬性