hadoop(四):配置参数

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）