hadoop2.6 配置及优化思路

1.vi /opt/hadoop-2.6.0/etc/hadoop/hadoop-env.sh

export JAVA_HOME=/opt/jdk1.7.0_75

2.vi /opt/hadoop-2.6.0/etc/hadoop/core-site.xml

<property>
<name>fs.default.name</name>
<value>hdfs://spore:9000</value>
</property>

注：spore为机器的hostname

<!--是否使用本地库，注意hadoop的位数与操作系统的位数是否匹配-->
<property>
<name>hadoop.native.lib</name>
<value>true</value>
</property>

<!--关闭hdfs用户组权限，测试环境下建议打开，方便不同用户访问-->

<property>
<name>dfs.permissions</name>
<value>false</value>
</property>

<!--hadoop数据存放点，默认/tmp，会重启丢数据，最好配一个-->

<property>
<name>hadoop.tmp.dir</name>
<value>/opt/hadoop-2.6.0/tmp</value>
</property>

3.vi /opt/hadoop-2.6.0/etc/hadoop/hdfs-site.xml

<!--数据备份数，生产环境最好配置3以上-->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>

4.vi /opt/hadoop-2.6.0/etc/hadoop/mapred-site.xml

<!--使用yarn进行资源管理-->

<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>

5.vi /opt/hadoop-2.6.0/etc/hadoop/slaves

添加slave的hostname

优化：

尽量使用combiner减少键值对数目，本地合并键值对，减少网络传输，优化效果明显

调大mapreduce中间结果缓存的内存

巧用复合键让系统完成排序，不必要自己实现排序