文档首页/ MapReduce服务 MRS/ 组件操作指南（普通版）/ 使用MapReduce/ MapReduce性能调优/ MapReduce Shuffle调优
更新时间：2024-08-16 GMT+08:00
查看PDF
分享

MapReduce Shuffle调优

操作场景

Shuffle阶段是MapReduce性能的关键部分，包括了从Map task将中间数据写到磁盘一直到Reduce task拷贝数据并最终放到reduce函数的全部过程。这部分Hadoop提供了大量的调优参数。

图1 Shuffle过程

操作步骤

  1. Map阶段的调优
    • 判断Map使用的内存大小

      判断Map分配的内存是否足够，一个简单的办法是查看运行完成的job的Counters中，对应的task是否发生过多次GC，以及GC时间占总task运行时间之比。通常，GC时间不应超过task运行时间的10%，即GC time elapsed (ms)/CPU time spent (ms)<10%。

      主要通过如下参数进行调整。

      参数入口：

      进入Yarn服务参数“全部配置”界面，在搜索框中输入参数名称。具体操作请参考修改集群服务配置参数章节。

      建议配置“mapreduce.map.java.opts”参数中“-Xmx”值为“mapreduce.map.memory.mb”参数值的0.8倍。

      表1 参数说明

      参数

      描述

      默认值

      mapreduce.map.memory.mb

      map任务的内存限制。

      4096

      mapreduce.map.java.opts

      map子任务的JVM参数。如果设置，会替代mapred.child.java.opts参数；如果未设置-Xmx，Xmx值从mapreduce.map.memory.mb*mapreduce.job.heap.memory-mb.ratio计算获取。

      MRS 3.x之前版本：-Xmx2048M -Djava.net.preferIPv4Stack=true

      MRS 3.x及之后版本：

      • 集群已开启Kerberos认证：-Djava.net.preferIPv4Stack=true -Djava.net.preferIPv6Addresses=false -Djava.security.krb5.conf=${BIGDATA_HOME}/common/runtime/krb5.conf -Dbeetle.application.home.path=${BIGDATA_HOME}/common/runtime/security/config
      • 集群未开启Kerberos认证：-Djava.net.preferIPv4Stack=true -Djava.net.preferIPv6Addresses=false -Dbeetle.application.home.path=${BIGDATA_HOME}/common/runtime/security/config
    • 使用Combiner

      在Map阶段，有一个可选过程，将同一个key值的中间结果合并，叫做Combiner。一般将reduce类设置为Combiner即可。通过Combiner，一般情况下可以显著减少Map输出的中间结果，从而减少shuffle过程的网络带宽占用。可通过如下接口为一个任务设置Combiner类。

      表2 Combiner设置接口

      类名

      接口名

      描述

      org.apache.hadoop.mapreduce.Job

      public void setCombinerClass(Class<? extends Reducer> cls)

      为Job设置一个Combiner类。
  2. Copy阶段的调优

    数据是否压缩：

    对Map的中间结果进行压缩，当数据量大时，会显著减少网络传输的数据量，但是也因为多了压缩和解压，带来了更多的CPU消耗。因此需要做好权衡。当任务属于网络瓶颈类型时，压缩Map中间结果效果明显。针对bulkload调优，压缩中间结果后性能提升60%左右。

    配置方法：将“mapreduce.map.output.compress”参数值设置为“true”，将“mapreduce.map.output.compress.codec”参数值设置为“org.apache.hadoop.io.compress.SnappyCodec”。

  3. Merge阶段的调优

    通过调整如下参数减少reduce写磁盘的次数。

    参数入口：

    进入Yarn服务参数“全部配置”界面，在搜索框中输入参数名称。具体操作请参考修改集群服务配置参数章节。

    表3 参数说明

    参数

    描述

    默认值

    mapreduce.reduce.merge.inmem.threshold

    内存合并进程的文件数阈值。累计文件数达到阈值时会发起内存合并及溢出到磁盘。小于等于0的值表示该阈值不生效且仅基于ramfs的内存使用情况来触发合并。

    1000

    mapreduce.reduce.shuffle.merge.percent

    发起内存合并的使用率阈值，表示为分配给映射输出信息的内存的比例（是由mapreduce.reduce.shuffle.input.buffer.percent设置的）。

    0.66

    mapreduce.reduce.shuffle.input.buffer.percent

    shuffle过程中分配给映射输出信息的内存占最大堆大小的比例。

    0.70

    mapreduce.reduce.input.buffer.percent

    Reduce过程中保存映射输出信息的内存相对于最大堆大小的比例。当shuffle结束时，需保证reduce开始前内存中所有剩余的映射输出信息所使用的内存小于该阈值。

    0.0
父主题： MapReduce性能调优