Hadoop的内存配置
2014-08-01 16:48
155 查看
Hadoop的内存配置有两种方法:利用手动安装hadoop的帮助脚本;手动计算yarn和mapreduce内存大小进行配置.此处只记录脚本计算方法:
用wget命令从hortonworks上下载脚本 python hdp-configuration-utils.py <options> wget http://public-repo-1.hortonworks.com/HDP/tools/2.1.1.0/hdp_manual_install_rpm_helper_files-2.1.1.385.tar.gz 解压文件,运行hdp-configuration-utils.py脚本,执行以下命令 参数主要有以下几个:
Option | Description |
-c CORES | The number of cores on each host. |
-m MEMORY | The amount of memory on each host in GB. |
-d DISKS | Thenumber of disks on each host. |
-k HBASE | "True"if HBase is installed, "False" if not. |
其中:Core的数量可以通过nproc命令计算;内存大小可以通过free –m命令来计算;磁盘的数量可以同过lsblk –s或sudo fdisk –l命令来查看。 python hdp-configuration-utils.py -c 24 -m 16 -d 8 -k False
计算好每个选项需要的值,运行命令。例如:
将返回如下结果:
Using cores=24 memory=16GB disks=8 hbase=False Profile: cores=24 memory=14336MB reserved=2GB usableMem=14GB disks=8 Num Container=14 Container Ram=1024MB Used Ram=14GB Unused Ram=2GB yarn.scheduler.minimum-allocation-mb=1024 yarn.scheduler.maximum-allocation-mb=14336 yarn.nodemanager.resource.memory-mb=14336 mapreduce.map.memory.mb=1024 mapreduce.map.java.opts=-Xmx768m mapreduce.reduce.memory.mb=2048 mapreduce.reduce.java.opts=-Xmx1536m yarn.app.mapreduce.am.resource.mb=1024 yarn.app.mapreduce.am.command-opts=-Xmx768m mapreduce.task.io.sort.mb=384 tez.am.resource.memory.mb=2048 tez.am.java.opts=-Xmx1536m hive.tez.container.size=1024 hive.tez.java.opts=-Xmx768m hive.auto.convert.join.noconditionaltask.size=134217000 |
最后可以参考以上结果来配置mapred-site.xml和yarn-site.xml文件中参数的值。
相关文章推荐
- hadoop yarn的内存和cpu参数配置
- hadoop集群部署,内存,存储配置
- hadoop的内存heap大小的配置参数
- Hadoop的内存配置
- Hadoop(3-1)- Yarn 内存分配管理机制及相关参数配置
- 设置Hadoop的 dataNode的单个Map的内存配置
- 新手指导:hadoop-搭建集群必备知识:集群及内存配置介绍
- bigdata_hadoop集群配置_内存分配
- Hadoop Yarn内存使用优化配置
- hadoop 异常处理实例(一)hadoop内存配置项
- Hadoop Yarn内存使用优化配置
- Hadoop YARN中内存配置
- hadoop内存配置方案
- window下如何配置sybase使用最大内存
- WINCE的内存配置-config.bib文件的解析
- WINCE的内存配置
- oracle 9i内存配置为动态分配的步骤
- 通过内存配置来优化SQL Server的性能
- TOMCAT内存和连接数配置
- MYSQL在LINUX机器(4G内存)配置参数