大数据实训笔记5：hadoop配置优化

之前的实验中，我们会发现使用hadoop时经常出现资源不足等问题。我们可以对hadoop的配置进行优化，以解决这些问题。

我们可以使用之前编写的脚本xcall.sh，查看进程。

找到NameNode的端口号为80974，让我们来看一下NameNode的动态内存大小。

[hadoop@hadoop101 ~]$ jmap -heap 80974

可以看到，MaxHeapSize只有944MB。而当初创建hadoop101时，我们分配给它4GB的内存。我们需要配置hadoop-env.sh，更改默认设置。

[hadoop@hadoop101 ~]$ cd /opt/module/hadoop-3.1.3
[hadoop@hadoop101 hadoop-3.1.3]$ vim etc/hadoop/hadoop-env.sh

在配置文件中，找到下面两行，删掉前面的#注释符，并修改。

export HDFS_NAMENODE_OPTS="-Dhadoop.security.logger=INFO,RFAS -Xmx1024m"
export HDFS_DATANODE_OPTS="-Dhadoop.security.logger=ERROR,RFAS -Xmx1024m"

//重新启动集群
[hadoop@hadoop101 hadoop-3.1.3]$ myhadoop.sh stop
[hadoop@hadoop101 hadoop-3.1.3]$ myhadoop.sh start

再次按照上述方法查看NameNode的动态内存大小，可以看到，MaxHeapSize已经被我们修改为1GB。

NameNode 有一个工作线程池，用来处理不同 DataNode 的并发心跳以及客户端并发的元数据操作。对于大集群或者有大量客户端的集群来说，通常需要增大该参数。默认值是 10。

企业经验：dfs.namenode.handler.count=20 × math.log(3)，比如集群规模（DataNode 台数）为 3 台时，此参数设置为 21。可通过简单的 python 代码计算该值，代码如下。

//安装python
[hadoop@hadoop101 hadoop-3.1.3]$ sudo yum install -y python
//计算心跳值
[hadoop@hadoop101 hadoop-3.1.3]$ python

import math
print int(20*math.log(3))
quit()

得到心跳值为21后，我们可以在hdfs-site.xml中配置。 

[hadoop@hadoop101 hadoop-3.1.3]$ vim etc/hadoop/hdfs-site.xml

     
        dfs.namenode.handler.count
        21
     

开启回收站功能

开启回收站功能，可以将删除的文件在不超时的情况下，恢复原数据，起到防止误删除。

[hadoop@hadoop101 hadoop-3.1.3]$ vim etc/hadoop/core-site.xml

    
       fs.trash.interval
       60
    

集群测压

在企业中非常关心每天从 Java 后台拉取过来的数据，需要多久能上传到集群？消费者关心多久能从 HDFS 上拉取需要的数据？为了搞清楚 HDFS 的读写性能，生产环境上非常需要对集群进行压测。

我们可以将三台虚拟机网络都设置为100mbps。在虚拟机-设置-网络适配器-高级中，将两个带宽都设置成电缆（100Mbps）。

//测试是否设置成功
[hadoop@hadoop101 software]$ python -m SimpleHTTPServer

我们到http://hadoop101:8000上，点击下载，会发现下载速度变快了。

如果执行上述命令时进程卡住了，可以ctrl+Z暂停，然后使用下列命令找到python进程的端口号，kill掉就可以了。

netstat -ntlp

我们还可以测试一下写的性能。

//向 HDFS 集群写 10 个 128M 的文件
[hadoop@hadoop101 hadoop-3.1.3]$  hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-3.1.3-tests.jar  TestDFSIO -write -nrFiles 10 -fileSize 128MB

测试过程中出现了异常，是因为centos7与java8兼容性处理不是很好，虚拟内存是物理内存的2.1倍，就是物理内存4G，虚拟内存是8.4G。我们在yarn-site.xml中配置，就可以解决问题。

[hadoop@hadoop101 hadoop-3.1.3]$ vim etc/hadoop/yarn-site.xml

   
      yarn.nodemanager.vmem-check-enabled
      false
   

//分发脚本
[hadoop@hadoop101 hadoop-3.1.3]$ xsync etc/hadoop/
//重新启动
[hadoop@hadoop101 hadoop-3.1.3]$ myhadoop.sh stop
[hadoop@hadoop101 hadoop-3.1.3]$ myhadoop.sh start

测试成功。