Hadoop Map Reduce Task默认任务数调优

mapred.tasktracker.map.tasks.maximum

官方解释：The maximum number of map tasks that will berun simultaneously by a tasktracker.

我的理解：一个tasktracker最多可以同时运行的map任务数量

默认值：2

优化值：mapred.tasktracker.map.tasks.maximum = cpu数量

cpu数量 = 服务器CPU总核数 / 每个CPU的核数

服务器CPU总核数 = more /proc/cpuinfo | grep 'processor' | wc -l

每个CPU的核数 = more /proc/cpuinfo | grep 'cpu cores'

mapred.map.tasks

官方的解释：The default number of map tasks per job

我的解释：一个Job会使用task tracker的map任务槽数量，这个值≤ mapred.tasktracker.map.tasks.maximum

默认值：2

优化值：

CPU数量 （我们目前的实践值）
(CPU数量 > 2) ? (CPU数量 * 0.75) : 1 （mapr的官方建议）

注意：map任务的数量是由inputspilit决定的，和上面两个参数无关

mapred.tasktracker.reduce.tasks.maximum

官方解释：The maximum number of reduce tasks that will berun simultaneously by a tasktracker.

我的理解：一个task tracker最多可以同时运行的reduce任务数量

默认值：2

优化值： (CPU数量 > 2) ? (CPU数量 * 0.50):1 （mapr的官方建议）

mapred.reduce.tasks

官方解释：The default number of reduce tasks per job. Typically set to99% of the cluster's reducecapacity, so that if a node fails the reducescan still be executed in asingle wave.

我的理解：一个Job会使用task tracker的reduce任务槽数量

默认值：1

优化值：

0.95 * mapred.tasktracker.tasks.maximum

理由：启用95%的reduce任务槽运行task, recudetask运行一轮就可以完成。剩余5%的任务槽永远失败任务，重新执行

1.75 * mapred.tasktracker.tasks.maximum

理由：因为reduce task数量超过reduce槽数，所以需要两轮才能完成所有reducetask。具体快的原理我没有完全理解，上原文：

hadoop官方wiki： 写道

At 1.75 the faster nodes will finish their first round of reducesand launch a second round of reduces doing a much better job ofload balancing.

原文：/article/3649992.html