Hadoop学习：配置参数

486次阅读

共计 3686 个字符，预计需要花费 10 分钟才能阅读完成。

Hadoop 参数配置，主要是配置 core-site.xml,hdfs-site.xml,mapred-site.xml 三个配置文件，core-site.xml 是全局配置,hdfs-site.xml 和 mapred-site.xml 分别是 hdfs 和 mapred 的局部配置，core-default.xml,hdfs-default.xml,mapred-default.xml 是集群的默认配置，HDP2.4 安装包中 hadoop 版本为 2.7，分别可从下面的地址获取到默认的参数说明：

core-default: http://hadoop.apache.org/docs/r2.7.0/hadoop-project-dist/hadoop-common/core-default.xml
hsdf-default: http://hadoop.apache.org/docs/r2.7.0/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml
mapred-site: http://hadoop.apache.org/docs/r2.7.0/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml

目录：

core-site 常用参数
hsdf-site 常用参数

core-site 常用参数：

ha.zookeeper.quorum：ZooKeeper 集群的地址和端口。注意，数量一定是奇数，且不少于三个节点，如（hdp3:2181,hdp2:2181,r:2181）
fs.trash.interval：这个是开启 hdfs 文件删除自动转移到垃圾箱的选项，值为垃圾箱文件清除时间，单位是分钟，默认：360
io.file.buffer.size：SequenceFiles 在读写中可以使用的缓存大小，默认设置：131072
net.topology.script.file.name：机架感知脚本位置
ipc.client.connect.max.retrie：建立与服务器连接的重试次数，默认为 50

hsdf-site 常用参数：文档中的默认值是指基于 hdp2.4 安装后的默认值

dfs.blocksize：每个文件块的大小，我们用 128M
dfs.replication：hdfs 数据块的复制份数，默认 3
dfs.heartbeat.interval：DN 的心跳检测时间间隔，默认 3 秒
dfs.permissions.enabled：dfs 权限是否打开，建议设为 false, 否则可能存在数据因为权限问题访问不了的情况
dfs.permissions.superusergroup: 设置 hdfs 超级权限的组，默认是 hdfs
dfs.cluster.administrators：hdfs 超级管理员，默认：hdfs
dfs.datanode.data.dir：NN 保存元数据和事务日志的本地目录, 可用逗号分隔的目录列表用于指定多份数据的冗余备份.
dfs.datanode.data.dir.perm: dn 所使用的本地文件夹的路径权限，默认 755
dfs.datanode.du.reserved: 表示在 datanode 对磁盘写时候，保留多少非 dfs 的磁盘空间，从而避免 dfs 将所在的磁盘写满, 默认为 0
dfs.datanode.failed.volumes.tolerated：dn 允许磁盘损坏的个数, 默认为 0，（dn 启动时候会使用 dfs.data.dir 下配置的文件夹, 若是有一些不可以用且个数 > 上面配置的那个值，启动失败)
dfs.datanode.balance.bandwidthPerSec：balancer 时，hdfs 移动数据的速度，默认值为 1M/ S 的速度。一般情况下设置为 10M
dfs.datanode.max.transfer.threads: 数据传输最大线程，默认：16384
dfs.datanode.address：DN 的服务监听端口，端口为 0 的话会随机监听端口，通过心跳通知 NN，默认：50010
dfs.datanode.http.address：dn WebUI, 默认：50075
dfs.datanode.https.address：DN 的 HTTPS 服务器和端口, 默认：50475
dfs.datanode.ipc.address：DN 的 IPC 监听端口，写 0 的话监听在随机端口通过心跳传输给 NN，默认：8010
dfs.namenode.checkpoint.dir：standy NN 节点存储 checkpoint 文件目录，默认：/hadoop/hdfs/namesecondary
dfs.namenode.stale.datanode.interval: 标记一个 dn 为“down 机”时间间隔, 即: 如果 nn 没有接到一个 dn 心跳超过这个时间间隔,dn 将标记为“过期”, 过期的间隔不能太小 (默认: 3000)
dfs.journalnode.http-address: JournalNode web UI 监听。如果端口是 0, 那么服务器将启动将自定义端口, 默认：8480
dfs.support.append: 是否允许文件追加，（hbase 的 wal 就是追加方式吧）
dfs.blockreport.intervalMsec：控制 DN 定期将当前该结点上所有的 BLOCK 信息报告给 NN 的时间间隔，默认 21600000ms = 1 小时
dfs.blockreport.initialDelay：初始值为 0
说明：dn 启动后第一次报告自己的 block 信息的时间是在 (0,$(dfs.blockreport.initialDelay)) 之间的一个随机数 initTime，然后从 initTime（不同 datanode 上的这个随即肯定是不一样的）开始每隔 dfs.blockreport.intervalMsec 时间，该 datanode 会向 namenode 报告自己的所有 block 的信息, 如果没有 initTime，多有 datanode 都从启动的那一刻开始发，这样会造成大量数据发往 nn，造成堵塞
dfs.replication.min 最小复制份数，默认为 1
dfs.replication.max 最大复制份数，默认为 512
dfs.namenode.safemode.threshold-pct 指定应有多少比例的数据块满足最小副本数要求, 默认 0.999f
说明：(NN 在启动的时候首先进入安全模式，如果 DN 丢失的 block 达到此参数设置的比例，则系统会一直处于安全模式状态即只读状态。如果设为 1 则 HDFS 永远是处于 SafeMode）