mapred-site.xml 基本配置参考

说明：这是hadoop2.x版本的参数。下面的value都是参数默认值。

常用配置：

♥♥♥

1.mapreduce.job.hdfs-servers

value：${fs.defaultFS}   

说明：job客户端参数。

2.mapreduce.task.io.sort.factor

value：10

说明：在Reduce Task阶段，排序文件时一次合并的流的数量。 这决定了打开文件句柄的数量。也即是一次合并的文件数据，每次合并的时候选择最小的前10进行合并。

3.mapreduce.task.io.sort.mb

value：100

说明：排序文件时使用的缓冲区内存总量，以兆字节为单位。 默认情况下，为每个合并流提供1MB，这应该最小化搜索。

4.mapreduce.map.sort.spill.percent

value：0.8

说明：Map阶段溢写文件的阈值（排序缓冲区大小的百分比）。

5.mapreduce.jobtracker.address

value：local

说明：MapReduce作业跟踪器运行的主机和端口。 如果是“本地”，则作业将作为单个映射在进程中运行并减少任务。

6.mapreduce.job.maps

value:2

说明：单个任务的map数量。

7.mapreduce.job.reduces

value：1

说明：单个任务的reduce数量。

 8.mapreduce.job.running.map.limit

value：0

说明：单个任务并发的最大map数，0或负数没有限制

9.mapreduce.job.running.reduce.limit

value：0

单个任务并发的最大reduce数，0或负数没有限制

10.mapreduce.job.max.map

value：-1

说明：单个任务允许的最大map数，-1表示没有限制。

11.mapreduce.job.max.split.locations

value：10

说明：分片数量

12.mapreduce.job.split.metainfo.maxsize

value:10000000

说明：split的元数据信息数量，如果value为-1，则没有限制

13.mapreduce.map.maxattempts

value：4

说明：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。

14.mapreduce.reduce.maxattempts

value：4

说明：每个 reduce Task 最大重试次数,一旦重试参数超过该值,则认为 reduce Task 运行失败。

15.mapreduce.reduce.shuffle.parallelcopies

value：5

说明：Reduce Task启动的并发拷贝数据的线程数目

 16.mapreduce.task.timeout

value：600000

说明：如果任务既不读取输入，也不写入输出，也不更新其状态字符串，则任务终止之前的毫秒数。0表示禁用超时。

17.mapreduce.map.memory.mb

value：1024

说明：每个Map Task需要的内存量

18.mapreduce.map.cpu.vcores

value：1

说明：每个Map Task需要的虚拟CPU个数

19.mapreduce.reduce.memory.mb

value：1024

说明：每个Reduce Task需要的内存量

20.mapreduce.reduce.cpu.vcores

value：1

说明：每个Reduce Task需要的虚拟CPU个数

21.mapred.child.java.opts

value：-Xmx200m

说明：jvm启动的子线程可以使用的最大内存。建议值-XX:-UseGCOverheadLimit -Xms512m -Xmx2048m -verbose:gc -Xloggc:/tmp/@taskid@.gc

22.yarn.app.mapreduce.am.resource.mb

value：1536

说明：MR ApplicationMaster占用的内存量。

23.yarn.app.mapreduce.am.resource.cpu-vcores

value：1

说明：MR ApplicationMaster占用的虚拟CPU个数。

24.mapreduce.jobhistory.address

value：0.0.0.0:10020

说明：指定历史服务器的地址和端口

25.mapreduce.jobhistory.webapp.address

value：0.0.0.0:19888

说明：历史服务器的web地址

26.mapreduce.map.java.opts

value：-Xmx1024m

说明：每个map任务的jvm需要的内存量，一般为map内存的0.8

27.mapreduce.reduce.java.opts

value：

说明：每个reduce任务jvm需要的内存量。为reduce内存量的0.8

28.mapreduce.map.output.compress

value：false

说明： map输出是否进行压缩，如果压缩就会多耗cpu，但是减少传输时间，如果不压缩，就需要较多的传输带宽,默认是false。配合 mapreduce.map.output.compress.codec使用

29.mapreduce.map.output.compress.codec

value：org.apache.hadoop.io.compress.DefaultCodec

 

 

不常用配置：

1.mapreduce.local.clientfactory.class.name

value：org.apache.hadoop.mapred.LocalClientFactory

说明：这是负责创建本地作业运行客户端的客户端工厂。

2.mapreduce.jobtracker.system.dir

value：${hadoop.tmp.dir}/mapred/system

说明：MapReduce存储控制文件的目录，可配置多块硬盘，逗号分隔。

3.mapreduce.jobtracker.staging.root.dir

value:${hadoop.tmp.dir}/mapred/staging

说明：用来存放与每个job相关的数据

4.mapreduce.cluster.temp.dir

value：${hadoop.tmp.dir}/mapred/temp

说明：用来存放临时文件共享的目录。

5.mapreduce.job.reducer.preempt.delay.sec

value：0

说明：

6.mapreduce.reduce.shuffle.fetch.retry.enabled

value：${yarn.nodemanager.recovery.enabled}

说明：设置主机重新启动期间启用提取重试。

7.mapreduce.reduce.shuffle.fetch.retry.interval-ms

value：1000

说明：提取器重试再次获取的时间间隔。

8.mapreduce.reduce.shuffle.fetch.retry.timeout-ms

value：30000

说明：取回超时时间

9.mapreduce.reduce.shuffle.retry-delay.max.ms

value：60000

说明：在重试下载map数据之前，reducer将延迟的最大ms数。

10.mapreduce.reduce.shuffle.connect.timeout

value：180000

说明：reduce task 连接map的超时时间，以毫秒为单位。

11.mapreduce.reduce.shuffle.read.timeout

value：180000

说明：map 输出数据，reduce连接以后可用于读取的最长时间，以毫秒为单位。

12.mapreduce.shuffle.listen.queue.size

value：128

说明：shuffle侦听队列的长度

13.mapreduce.shuffle.connection-keep-alive.enable

value：false

说明：是否保持活跃连接，默认为false。

14.mapreduce.shuffle.connection-keep-alive.timeout

value：5

说明：保持活跃连接的秒数。

15.yarn.app.mapreduce.am.log.level

value：info

说明：MR ApplicationMaster的日志记录级别。 允许的级别为：OFF，FATAL，ERROR，WARN，INFO，DEBUG，TRACE和ALL。 如果设置了“mapreduce.job.log4j-properties-file”，则可以覆盖此处的设置。

16.mapreduce.map.log.level

value：info

说明：map任务的日志记录级别。 允许的级别为：OFF，FATAL，ERROR，WARN，INFO，DEBUG，TRACE和ALL。 如果设置了“mapreduce.job.log4j-properties-file”，则可以覆盖此处的设置。

17.mapreduce.reduce.log.level

value：info

说明：reduce任务的日志记录级别。 允许的级别为：OFF，FATAL，ERROR，WARN，INFO，DEBUG，TRACE和ALL。 如果设置了“mapreduce.job.log4j-properties-file”，则可以覆盖此处的设置。

18.mapreduce.reduce.merge.inmem.threshold

value：1000

说明：设置了Map任务在缓存溢出前能够保留在内存中的输出个数的阈值（默认1000），只要一个满足，输出数据都将会写到磁盘。

19.mapreduce.reduce.shuffle.merge.percent

value：0.66

说明：决定缓存溢出到磁盘的阈值（默认0.66），即占用分配给map输出总内存的百分比。

20.mapreduce.reduce.shuffle.input.buffer.percent

value：0.70

说明：Reduce任务对多个Map任务的输出结果进行合并时，占用的缓存空间在堆栈空间中的占用比例（默认0.70）。

21.mapreduce.reduce.input.buffer.percent

value：0

说明：reduce函数开始运行时，内存中的map输出所占的堆内存比例不得高于这个值，默认情况内存都用于reduce函数，也就是map输出都写入到磁盘

22.mapreduce.reduce.shuffle.memory.limit.percent

value：0.25

说明：一个单一的shuffle的最大内存使用限制

23.mapreduce.shuffle.ssl.enabled

value：false

说明：是否将SSL用于Shuffle HTTP端点。

24.mapreduce.shuffle.ssl.file.buffer.size

value：65536

说明：使用SSL时从文件读取溢出的缓冲区大小。

 

配置文件常用配置：

 <property>
         <name>mapreduce.map.memory.mb</name>
         <value>1024</value>
   </property>

   <property>
         <name>mapreduce.map.java.opts</name>
         <value>-Xmx819M</value>
   </property>

   <property>
         <name>mapreduce.reduce.memory.mb</name>
         <value>2048</value>
   </property>

   <property>
         <name>mapreduce.reduce.java.opts</name>
         <value>-Xmx1638M</value>
   </property>

   <property> 
         <name>mapreduce.task.io.sort.mb</name>
         <value>512</value>
   </property>

   <property>
         <name>mapreduce.task.io.sort.factor</name>
         <value>100</value>
   </property>
    <property>
    <name>mapreduce.tasktracker.http.threads</name>
<value>100</value>
</property>
   <property>
         <name>mapreduce.reduce.shuffle.parallelcopies</name>
         <value>100</value>
   </property>
    <property>
         <name>mapreduce.map.output.compress</name>
         <value>true</value>
   </property>
    <property>
         <name>mapreduce.map.output.compress.codec</name>
         <value>org.apache.hadoop.io.compress.DefaultCodec</value>
   </property>
   <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>mapreduce.jobtracker.address</name>
        <value>master:11211</value>
    </property>