cloudera|CDH生产集群线上调优 cloudera|manager

CDH6.2.1集群线上调优，可做参考
1 CM Service
这些服务主要是提供监控功能，目前的调整主要集中在内存放，以便有足够的资源完成集群管理。

服务	选项	配置值
Activity Monitor	Java Heap Size	2G
Alert Publisher	Java Heap Size	2G
Event Server	Java Heap Size	2G
Host Monitor	Java Heap Size	4G
Service Monitor	Java Heap Size	4G
Reports Manager	Java Heap Size	2G
Navigator Metadata Server	Java Heap Size	8G

2 Zookeeper

服务	选项	配置值
Zookeeper	Java Heap Size (堆栈大小)	4G
【cloudera\|CDH生产集群线上调优】Zookeeper	maxClientCnxns (最大客户端连接数)	1024
Zookeeper	dataDir (数据文件目录+数据持久化路径)	/hadoop/zookeeper (建议独立目录)
Zookeeper	dataLogDir (事务日志目录)	/hadoop/zookeeper_log (建议独立目录)

3 HDFS

服务	选项	配置值
NameNode	Java Heap Size (堆栈大小)	4G
NameNode	dfs.namenode.handler.count	80
NameNode	dfs.namenode.service.handler.count	80
NameNode	fs.permissions.umask-mode (使用默认值022)	027
DataNode	Java Heap Size (堆栈大小)	4G
DataNode	dfs.datanode.balance.bandwidthPerSec (DataNode 平衡带宽)	100M
DataNode	dfs.datanode.handler.count (服务器线程数)	64
DataNode	dfs.datanode.max.transfer.threads (最大传输线程数)	20480
JournalNode	Java Heap Size (堆栈大小)	1G

4 YARN + MapReduce

服务	选项	配置值	参数说明
ResourceManager	Java Heap Size (堆栈大小)	4G
ResourceManager	yarn.scheduler.minimum-allocation-mb (最小容器内存)	2G	给应用程序 Container 分配的最小内存
ResourceManager	yarn.scheduler.increment-allocation-mb (容器内存增量)	512M	如果使用 Fair Scheduler，容器内存允许增量
ResourceManager	yarn.scheduler.maximum-allocation-mb (最大容器内存)	32G	给应用程序 Container 分配的最大内存
ResourceManager	yarn.scheduler.minimum-allocation-vcores (最小容器虚拟 CPU 内核数量)	1	每个 Container 申请的最小 CPU 核数
ResourceManager	yarn.scheduler.increment-allocation-vcores (容器虚拟 CPU 内核增量)	1	如果使用 Fair Scheduler,虚拟 CPU 内核允许增量
ResourceManager	yarn.scheduler.maximum-allocation-vcores (最大容器虚拟 CPU 内核数量)	16	每个 Container 申请的最大 CPU 核数
ResourceManager	yarn.resourcemanager.recovery.enabled	true	启用后，ResourceManager 中止时在群集上运行的任何应用程序将在 ResourceManager 下次启动时恢复，备注：如果启用 RM-HA，则始终启用该配置。
NodeManager	Java Heap Size (堆栈大小)	4G
NodeManager	yarn.nodemanager.resource.memory-mb	40G	可分配给容器的物理内存数量，参照资源池内存90%左右
NodeManager	yarn.nodemanager.resource.cpu-vcores	32	可以为容器分配的虚拟 CPU 内核的数量，参照资源池内存90%左右
ApplicationMaster	yarn.app.mapreduce.am.command-opts	右红	传递到 MapReduce ApplicationMaster 的 Java 命令行参数 "-Djava.net.preferIPv4Stack=true "
ApplicationMaster	yarn.app.mapreduce.am.resource.mb (ApplicationMaster 内存)	4G
JobHistory	Java Heap Size (堆栈大小)	2G
MapReduce	mapreduce.map.memory.mb （Map 任务内存）	4G	一个MapTask可使用的资源上限。如果MapTask实际使用的资源量超过该值，则会被强制杀死。
MapReduce	mapreduce.reduce.memory.mb (Reduce 任务内存)	8G	一个 ReduceTask 可使用的资源上限。如果 ReduceTask 实际使用的资源量超过该值，则会被强制杀死
MapReduce	mapreduce.map.cpu.vcores	2	每个 MapTask 可使用的最多 cpu core 数目
MapReduce	mapreduce.reduce.cpu.vcores	4	每个 ReduceTask 可使用的最多 cpu core 数目
MapReduce	mapreduce.reduce.shuffle.parallelcopies	20	每个 Reduce 去 Map 中取数据的并行数。
MapReduce	mapreduce.task.io.sort.mb(Shuffle 的环形缓冲区大小)	512M	当排序文件时要使用的内存缓冲总量。注意：此内存由 JVM 堆栈大小产生（也就是：总用户 JVM 堆栈 - 这些内存 = 总用户可用堆栈空间）
MapReduce	mapreduce.map.sort.spill.percent	80%	环形缓冲区溢出的阈值
MapReduce	mapreduce.task.timeout	10分钟	Task 超时时间，经常需要设置的一个参数，该参数表达的意思为：如果一个 Task 在一定时间内没有任何进入，即不会读取新的数据，也没有输出数据，则认为该 Task 处于 Block 状态，可能是卡住了，也许永远会卡住，为了防止因为用户程序永远 Block 住不退出，则强制设置了一个该超时时间。如果你的程序对每条输入数据的处理时间过长（比如会访问数据库，通过网络拉取数据等），建议将该参数调大，该参数过小常出现的错误提示是：AttemptID:attempt_12267239451721_123456_m_00 0335_0 Timed out after 600 secsContainer killed by the ApplicationMaster。

5 Impala

服务	选项	配置值	参数说明
Impala Daemon	mem_limit (内存限制)	50G	由守护程序本身强制执行的 Impala Daemon 的内存限制。如果达到该限制，Impalad Daemon 上运行的查询可能会被停止
Impala Daemon	Impala Daemon JVM Heap	4G	守护进程堆栈大小
Impala Daemon	scratch_dirs	节点上多块独立磁盘(目录)	Impala Daemon 将溢出信息等数据写入磁盘以释放内存所在的目录。这可能是大量数据
Impala Catalog Server	Java Heap Size	8G	堆栈大小

6 kafka

服务	选项	配置值	参数说明
Kafka Broker	Java Heap Size of Broker	2G	Broker堆栈大小
Kafka Broker	Data Directories	多块独立磁盘
Kafka 服务	Maximum Message Size	10M	服务器可以接收的消息的最大大小。此属性必须与使用者使用的最大提取大小同步。否则，不守规矩的生产者可能会发布太大而无法消费的消息
Kafka 服务	Replica Maximum Fetch Size	20M	副本发送给leader的获取请求中每个分区要获取的最大字节数。此值应大于message.max.bytes。
Kafka 服务	Number of Replica Fetchers	6	用于复制来自领导者的消息的线程数。增大此值将增加跟随者代理中I / O并行度。

7 HBase

服务	选项	配置值	参数说明
HBase	Java Heap Size	16G	客户端 Java 堆大小（字节）主要作用来缓存Table数据，但是flush时会GC，不要太大，根据集群资源，一般分配整个Hbase集群内存的70%，16->48G就可以了
HBase	hbase.client.write.buffer	512M	写入缓冲区大小，调高该值，可以减少RPC调用次数，单数会消耗更多内存，较大缓冲区需要客户端和服务器中有较大内存，因为服务器将实例化已通过的写入缓冲区并进行处理，这会降低远程过程调用 (RPC) 的数量。
HBase Master	Java Heap Size	8G	HBase Master 的 Java 堆栈大小
HBase Master	hbase.master.handler.count	300	HBase Master 中启动的 RPC 服务器实例数量。
HBase RegionServer	Java Heap Size	30G	HBase RegionServer 的 Java 堆栈大小
HBase RegionServer	hbase.regionserver.handler.count	100	RegionServer 中启动的 RPC 服务器实例数量，根据集群情况，可以适当增加该值，主要决定是客户端的请求数
HBase RegionServer	hbase.regionserver.metahandler.count	60	用于处理 RegionServer 中的优先级请求的处理程序的数量
HBase RegionServer	zookeeper.session.timeout	60000ms	ZooKeeper 会话延迟（以毫秒为单位）。HBase 将此作为建议的最长会话时间传递给 ZooKeeper 仲裁
HBase RegionServer	hbase.hregion.memstore.flush.size	1G	如 memstore 大小超过此值，Memstore 将刷新到磁盘。通过运行由 hbase.server.thread.wakefrequency 指定的频率的线程检查此值。
HBase RegionServer	hbase.hregion.majorcompaction	0	合并周期，在合格节点下，Region下所有的HFile会进行合并，非常消耗资源，在空闲时手动触发
HBase RegionServer	hbase.hregion.majorcompaction.jitter	0	抖动比率，根据上面的合并周期，有一个抖动比率，也不靠谱，还是手动好
HBase RegionServer	hbase.hstore.compactionThreshold	6	如在任意一个 HStore 中有超过此数量的 HStoreFiles，则将运行压缩以将所有 HStoreFiles 文件作为一个 HStoreFile 重新写入。（每次 memstore 刷新写入一个 HStoreFile）您可通过指定更大数量延长压缩，但压缩将运行更长时间。在压缩期间，更新无法刷新到磁盘。长时间压缩需要足够的内存，以在压缩的持续时间内记录所有更新。如太大，压缩期间客户端会超时。
HBase RegionServer	hbase.client.scanner.caching	1000	内存未提供数据的情况下扫描仪下次调用时所提取的行数。较高缓存值需启用较快速度的扫描仪，但这需要更多的内存且当缓存为空时某些下一次调用会运行较长时间
HBase RegionServer	hbase.hregion.max.filesize	50G	HStoreFile 最大大小。如果列组的任意一个 HStoreFile 超过此值，则托管 HRegion 将分割成两个
HBase Master	hbase.master.logcleaner.plugins	日志清除器插件	org.apache.hadoop.hbase.master.cleaner.TimeToLiveLogCleaner
HBase	hbase.replication	false	禁用复制
HBase	hbase.master.logcleaner.ttl	10min	保留 HLogs 的最长时间，加上如上两条解决oldWALs增长问题

8 Hive

服务	选项	配置值	参数说明
HiveServer2	Java Heap Size	4G
Hive MetaStore	Java Heap Size	8G
Hive Gateway	Java Heap Size	2G
Hive	hive.execution.engine	Spark	执行引擎切换
Hive	hive.fetch.task.conversion	more	Fetch抓取修改为more，可以使全局查找，字段查找，limit查找等都不走计算引擎，而是直接读取表对应储存目录下的文件，大大普通查询速度
Hive	hive.exec.mode.local.auto（hive-site.xml 服务高级配置，客户端高级配置）	true	开启本地模式，在单台机器上处理所有的任务，对于小的数据集，执行时间可以明显被缩短
Hive	hive.exec.mode.local.auto.inputbytes.max（hive-site.xml 服务高级配置，客户端高级配置）	50000000	文件不超过50M
Hive	hive.exec.mode.local.auto.input.files.max（hive-site.xml 服务高级配置，客户端高级配置）	10	个数不超过10个
Hive	hive.auto.convert.join	开启	在join问题上，让小表放在左边去左链接（left join）大表，这样可以有效的减少内存溢出错误发生的几率
Hive	hive.mapjoin.smalltable.filesize（hive-site.xml 服务高级配置，客户端高级配置）	50000000	50M以下认为是小表
Hive	hive.map.aggr	开启	默认情况下map阶段同一个key发送给一个reduce，当一个key数据过大时就发生数据倾斜。
Hive	hive.groupby.mapaggr.checkinterval（hive-site.xml 服务高级配置，客户端高级配置）	200000	在map端进行聚合操作的条目数目
Hive	hive.groupby.skewindata（hive-site.xml 服务高级配置，客户端高级配置）	true	有数据倾斜时进行负载均衡，生成的查询计划会有两个MR Job，第一个MR Job会将key加随机数均匀的分布到Reduce中，做部分聚合操作（预处理），第二个MR Job在根据预处理结果还原原始key，按照Group By Key分布到Reduce中进行聚合运算，完成最终操作
Hive	hive.exec.parallel（hive-site.xml 服务高级配置，客户端高级配置）	true	开启并行计算
Hive	hive.exec.parallel.thread.number（hive-site.xml 服务高级配置，客户端高级配置）	16	同一个sql允许的最大并行度，针对集群资源适当增加