hadoop配置中的重要参数

yadianna

参数	取值	备注
fs.default.name	NameNode的URI。	hdfs://主机名/
mapred.job.tracker	JobTracker的主机（或者IP）和端口	主机:端口
dfs.name.dir	NameNode持久存储名字空间及事务日志的本地文件系统路径	当这个值是一个逗号分割的目录列表时，nametable数据将会被复制到所有目录中做冗余备份
dfs.data.dir	DataNode存放块数据的本地文件系统路径，逗号分割的列表	当这个值是逗号分割的目录列表时，数据将被存储在所有目录下，通常分布在不同设备上
mapred.system.dir	Map/Reduce框架存储系统文件的HDFS路径（比如/hadoop/mapred/system/）	这个路径是默认文件系统（HDFS）下的路径， 须从服务器和客户端上均可访问
mapred.local.dir	本地文件系统下逗号分割的路径列表，Map/Reduce临时数据存放的地方	多路径有助于利用磁盘i/o
mapred.tasktracker.{map|reduce}.tasks.maximum	某一TaskTracker上可运行的最大Map/Reduce任务数，这些任务将同时各自运行	默认为2（2个map和2个reduce），可依据硬件情况更改
dfs.hosts/dfs.hosts.exclude	许可/拒绝DataNode列表	如有必要，用这个文件控制许可的datanode列表
mapred.hosts/mapred.hosts.exclude	许可/拒绝TaskTracker列表	如有必要，用这个文件控制许可的TaskTracker列表

0. 版本
    0.19.2
 
1. hadoop cluster组成
    1.1. HDFS
        1.1.1 Name Node (1台)
        1.1.2 Secondary Name Node (1台, 可选)
        1.1.3 Data Node (若干台)
    1.2. MR
        1.2.1 Master [JobTracker] (1台)
        1.2.2 Slave [TaskTracker] (若干台)
 
2. 配置文件
    2.1 hadoop-default.xml
        hadoop集群的默认配置, 通常不需要修改这个配置文件.
    2.2 hadoop-site.xml
        hadoop集群里面的机器个性化配置文件, 通常在这里指定机器的个性化配置.
 
3. 配置项
    3.1 fs.default.name
        定义: Name Node的URI
        描述: hdfs://hostname/
    3.2 mapred.job.tracker
　　定义: JobTracker的地址
        描述: hostname:port
 
    3.3 dfs.name.dir
        定义: Name Node 保存元数据和事务日志的本地目录
        描述: 逗号分隔的目录列表用于指定多份数据的冗余备份.
 
    3.4 dfs.data.dir
        定义: Data Node 保存块文件的本地目录
        描述: 逗号分隔的目录列表指定这些目录用于保存块文件.
 
    3.5 mapred.system.dir
        定义: HDFS上MapReduce保存系统文件的目录.
        描述: 
 
    3.6 mapred.local.dir
        定义: 保存MapReduce临时文件的本地目录
　　描述: 逗号分隔的目录列表用于指定多个目录同时做为临时数据空间
 
    3.7 mapred.tasktracker.{map|reduce}.tasks.maximum
        定义: TaskTracker上最多能够同时运行的map/reduce task数目.
        描述: 默认map/reduce task数目各为2.
    3.8 dfs.hosts/dfs.hosts.exclude
        定义: Data Node白名单/黑名单文件
        描述: 
 
    3.9 mapred.hosts/mapred.hosts.exclude
        定义: MapReduce白名单/黑名单文件
        描述:
 
    3.10 mapred.queue.names
        定义: 队列名
        描述: hadoop MapReduce系统默认有一个"default"的Job队列(pool).
　　
    3.11 dfs.block.size
        定义： hdfs默认块大小
        描述： 默认是128M

    3.12 dfs.namenode.handler.count
        定义： namenode同时和datanode通信的线程数
        描述：

    3.13 mapred.reduce.parallel.copies
        定义： reducer同时从mapper上拉取的文件数
        描述：

    3.14 mapred.child.java.opts
        定义： child jvm的堆大小
        描述：

    3.15 fs.inmemory.size.mb
        定义： reducer在合并map输出数据使用的内存空间
        描述： 默认使用200M

    3.16 io.sort.factor
        定义： 排序因子。同时合并的数据流的数量
        描述：

    3.17 io.sort.mb
        定义： 排序使用的最大内存
        描述：

    3.18 io.file.buffer.size
        定义： 读写文件的缓冲区大小
        描述：

    3.19 mapred.job.tracker.handler.count
        定义： jobtracker同时与tasktracker通信的线程数
        描述：

    3.20 tasktracker.http.threads
        定义： tasktracker开http服务的线程数。用于reduce拉取map输出数据。
        描述：
其中红色的配置为必须配置参数
 
参数取值备注fs.default.nameNameNode 的URI。hdfs://主机名/dfs.hosts/dfs.hosts.exclude许可/拒绝DataNode列表。如有必要，用这个文件控制许可的datanode列表。dfs.replication默认： 3数据复制的分数dfs.name.dir举例：/home/username/hadoop/namenode
默认：/tmp
当这个值是一个逗号分割的目录列表时，nametable数据将会被复制到所有目录中做冗余备份。dfs.data.dir举例：/home/username/hadoop/datanode
默认： /tmp
当这个值是逗号分割的目录列表时，数据将被存储在所有目录下，通常分布在不同设备上。   mapred.system.dirMap/Reduce框架存储系统文件的HDFS路径。比如/hadoop/mapred/system/ 。这个路径是默认文件系统（HDFS）下的路径， 须从服务器和客户端上均可访问。mapred.local.dir本地文件系统下逗号分割的路径列表，Map/Reduce临时数据存放的地方。多路径有助于利用磁盘i/o。mapred.tasktracker.{map|reduce}.tasks.maximum某一TaskTracker 上可运行的最大Map/Reduce任务数，这些任务将同时各自运行。默认为2（2个map和2个reduce），可依据硬件情况更改。mapred.job.trackerJobTracker 的主机（或者IP）和端口。主机:端口 。mapred.hosts/mapred.hosts.exclude许可/拒绝TaskTracker列表。如有必要，用这个文件控制许可的TaskTracker列表。   hadoop.job.history.user.location默认：mapred.output.dir/_logs/history
也可以设置为none 来停用
作业的历史文件记录目录 
conf/slaves 写入全部的slave的机器名或者IP
 
nameNode记住每个文件被映射成的 blockId。每个blockId对应的block会被复制到不同的机器上多余一份。
hadoop 默认的block 是 64MB
 
　　添加：
　　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 ，但在0.19.2中该参数存在bug 。
　　
I introduced "ipc.server.listen.queue.size" which defines how many calls per handler are allowed in the queue. The default is wtill 100. So there is no change for current users.   启动rpc服务时候每个hadler处理栈中最多的请求数目，多了的client就需要等待 。
　　

　　dfs.datanode.simulateddatastorage     https://issues.apache.org/jira/browse/HADOOP-1989 ； 该节点启动是否是伪分布式系统，用于调试