集群中任意一个节点都可以被用来提交认任务，虽然通常我们使用master节点提交任务。HADOOP客户端不参与计算和存储，专门用来上传下载文件和提交任务。

性能优化4大块：

具体优化如下：

1.选择合适的硬件

低配：

CPU             双路四核2.6GHz

内存              64GB DDR3

磁盘控制器    SAS控制器

硬盘               1TB X 4

中配：

CPU            2 X 6 Core 2.9GHz/15MB cache

内存            128GB DDR3-1600 ECC

磁盘控制器   SAS 6GB/S

磁盘             12 X 3 TB LFF SATA II 7200 RPM

交换机           2 X 千兆交换机

高配：

CPU                2 X 6 Core 2.9GHz/15M cache

内存                256GB DDR3-1600 ECC 

磁盘控制器      2 X SAS 6GB/S

磁盘                 24 X 1 TB SFF Nearline/MDL SAS 7200 RPM

交换机              万兆交换机

节点解释：

NameNode:内存容量决定HDFS所能存储的文件总数，SecondaryNameNode类似。

ResourceManager:内存和需要处理的作业有关。

内存和虚拟CPU要满足一个线性比例:

虚拟CPU个数 = CPU数 X 单个CPU核数 X 单个CPU超线程数。

如：一个双核六路CPU，具有HT（超线程）技术。

则虚拟核数 2 X 6 X 2 = 24

每个CPU分配4 ~ 8GB,则服务内存 96 ~ 192GB，此外还要考虑操作系统和其他服务和预留内存。

2.操作系统调优

1.避免使用swap分区

    vm.swappiness设为0，值域为0 ~ 100

2.调整内存分配

    vm.overcommit_memory设为2。2表示内核允许分配超过所有物理内存和交换空间的50%。

3.修改net.core.somaxconn参数

     一个linux内核参数，表示socket监听backlog上限。值 >= 32768

4.增大同时打开文件描述符的上限。

5.选择合适的文件系统

     文件系统被格式化以后，要禁用文件的访问时间

6.关闭THP

     运行hadoop时，THP会引起CPU占用率偏高。

3.JVM调优

     调整  JM FLAGS 和 JVMGC ，调整后的效率大约有4%的提升。

4.hadoop参数调优(针对CDH5版本)

1.hdfs-site.xml

hadoop文件快大小，通常设为128M或256M

namenode和datanode同时通信的线程数，默认10，将其设为40.

datanode上面连接数的最大值。

执行start-balancer.sh的带宽默认 1048576（1MB），将其增大到20MB/s

hdfs文件副本数。多个任务同时读取一个文件时，读取可能会造成瓶颈，可适当增加副本数。如果修改hadoop客户端上传文件的副本数，将以hadoop客户端配置为准。

datanode在进行文件传输时最大线程数，通常设置为8192.

2.core-size.xml

hadoop缓冲区大小，用于hadoop读写hdfs文件还有map的中间结果输出。默认4KB，增加为128KB。

3.yarn-site.xml

物理节点有多少内存加入资源池，设定该值时注意为操作系统和其他服务预留资源。

物理节点有多少虚拟CPU加入资源池。与上一个参数构成容器资源的两个维度。

内存申请的规整话化单位。默认为1014MB.即如果申请1.5GB，则被申请为2GB。

虚拟CPU的规整话化单位。默认为1个

单个任务（容器）能够被申请到的最大内存。默认8GB，如果设定和

yarn.nodemanager.resource.cpu-mb一样，则表示单个任务使用的内存资源不受限制。

单个任务（容器）能够被申请到的最小内存。默认1GB

单个任务（容器）能够被申请到的最大CPU数目。默认8GB，如果设定和

yarn.nodemanager.resource.cpu-vcores一样，则表示单个任务使用的内存资源不受限制。

4.mapred-site.xml

map任务的中间结果是否压缩，true压缩。

jvm重用设置，默认为1，表示一个jvm只能启动一个任务，-1表示可以的启动任务不受限制。

分别开启map和reduce任务的推测机制，推测机制可以有效地防止，因为瓶颈而导致的拖累整个作业，但也注意，推测机制会抢占系统资源。

mapreduce中间结果的本地存储路径，将该值设置为一系列多磁盘目录有助于提高I/O效率

map任务需要的内存大小。

map任务需要的虚拟CPU数目。要与mapreduce.map.memory.mb成线性比例才不至于浪费。

reduce任务需要的内存大小,一般要大于mapreduce.map.memory.mb。

reduce任务向调度器需要的虚拟CPU数，默认为1，根据容器虚拟CPU数设定，可以适量增大。要与mapreduce.map.memory.mb成线性比例才不至于浪费，一般要大于mapreduce.map.cpu.vcores。

该参数为reduce任务从map任务复制输出的工作线程数，默认5，可适当调高，太高会引起大量数据同时在网络传输，引起I/O压力，科学的设置为4 x Lgn，n为集群容量大小。

shuffle中复制阶段耗费reduce任务堆比例，默认0.7，由上面的计算得出。

当内存使用率超过该参数时，会触发一次合并操作，将内存中的数据刷写到磁盘

控制reduce任务的启动时机，默认0.05，即当map任务完成数目的5%时，启动reduce。

5.HADOOP参数调优总结

(1)增大作业的并行度，如增大map任务数量

(2)保证任务执行时有足够的资源

(3)满足前两个原则的前提下，尽量为shuffle阶段提供资源