我正在执行超过1.5 TB数据的Hadoop作业，并进行了大量模式匹配。我有几台机器，每台机器都有16GB的RAM，我总是OutOfMemoryException用这些数据来完成这项工作（我正在使用Hive）。
我想知道如何HADOOP_HEAPSIZE在文件中优化设置选项，hadoop-env.sh所以我的工作不会失败。甚至可以设置此选项以使我的工作不会失败吗？
当我设置HADOOP_HEAPSIZE为1.5 GB并从查询中删除了一半的模式匹配时，作业成功运行。那么，如果该选项不能帮助避免作业失败，那么该选项又有什么用呢？
我想做更多关于最佳设置的实验，但是由于这些工作需要> 10个小时才能运行，因此我正在征求您的建议。
作业失败还是服务器崩溃？如果您的作业由于节点上的内存不足而失败，那么您可以减少最大映射数和缩减器的数量，而JVM选择它们的数量，这样就永远不会发生。通常必须根据您的数据节点特定的硬件来增加mapred.child.java.opts（默认值为200Xmx）。
http://allthingshadoop.com/2010/04/28/map-reduce-tips-tricks-your-first-real-cluster/
可以在Namenode上设置最大任务，也可以在可能具有不同硬件配置的数据节点上覆盖（设置为final）。为映射器和化简器设置了最大任务。要计算此值，它基于CPU（内核）和您拥有的RAM数量，以及您在mapred.child.java.opts中设置的JVM max（默认值是200）。Datanode和Tasktracker分别设置为1GB，因此对于8GB的计算机，可以将mapred.tasktracker.map.tasks.maximum设置为7，将mapred.tasktracker.reduce.tasks.maximum设置为7，而mapred.child.java .opts设置为-400Xmx（假设8个内核）。请注意，如果您只有1个CPU和1个核心，那么这些最大任务是由CPU完成的，那么现在该为数据节点获取新硬件或将掩码任务设置为1了。
默认情况下，只有一个化简器，您需要将mapred.reduce.tasks配置为多个。该值应介于0.95到1.75倍之间，该值是每个节点的最大任务数乘以数据节点的数目。因此，如果您有3个数据节点并且设置的最大任务数为7，则在25到36之间进行配置。
如果您的服务器因内存不足问题而崩溃，那么HADOOP_HEAPSIZE就是在其中用于进程堆（而不是任务的执行）的地方。
最后，如果您的工作花了那么长时间，您可以检查一下mapred.compress.map.output是否还有另一个不错的配置。将此值设置为true应该（在压缩时间与传输时间之间取得平衡）可以极大地加快化简机的复制速度，尤其是在处理大型数据集时。通常，工作确实需要时间，但也有一些选项可以调整以帮助加快工作速度= 8 ^）
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句