(转)hadoop三个配置文件的参数含义说明

 
 

1       获取默认配置

配置hadoop,主要是配置core-site.xml,hdfs-site.xml,mapred-site.xml三个配置文件,默认下来,这些配置文件都是空的,所以很难知道这些配置文件有哪些配置可以生效,上网找的配置可能因为各个hadoop版本不同,导致无法生效。浏览更多的配置,有两个方法:

1.选择相应版本的hadoop,下载解压后,搜索*.xml,找到core-default.xml,hdfs-default.xml,mapred-default.xml,这些就是默认配置,可以参考这些配置的说明和key,配置hadoop集群。

2.浏览apache官网,三个配置文件链接如下:

http://hadoop.apache.org/common/docs/current/core-default.html

http://hadoop.apache.org/common/docs/current/hdfs-default.html

http://hadoop.apache.org/common/docs/current/mapred-default.html

这里是浏览hadoop当前版本号的默认配置文件,其他版本号,要另外去官网找。其中第一个方法找到默认的配置是最好的,因为每个属性都有说明,可以直接使用。另外,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。

2       常用的端口配置

2.1  HDFS端口

参数

描述

默认

配置文件

例子值

fs.default.name namenode

namenode RPC交互端口

8020

core-site.xml

hdfs://master:8020/

dfs.http.address

NameNode web管理端口

50070

hdfs- site.xml

0.0.0.0:50070

dfs.datanode.address

datanode 控制端口

50010

hdfs -site.xml

0.0.0.0:50010

dfs.datanode.ipc.address

datanode的RPC服务器地址和端口

50020

hdfs-site.xml

0.0.0.0:50020

dfs.datanode.http.address

datanode的HTTP服务器和端口

50075

hdfs-site.xml

0.0.0.0:50075

2.2  MR端口

参数

描述

默认

配置文件

例子值

mapred.job.tracker

job-tracker交互端口

8021

mapred-site.xml

hdfs://master:8021/

job

tracker的web管理端口

50030

mapred-site.xml

0.0.0.0:50030

mapred.task.tracker.http.address

task-tracker的HTTP端口

50060

mapred-site.xml

0.0.0.0:50060

2.3  其它端口

参数

描述

默认

配置文件

例子值

dfs.secondary.http.address

secondary NameNode web管理端口

50090

hdfs-site.xml

0.0.0.0:50090

3       三个缺省配置参考文件说明

3.1  core-default.html

序号

参数名

参数值

参数说明

1

hadoop.tmp.dir

/tmp/hadoop-${user.name}

临时目录设定

2

hadoop.native.lib

true

使用本地hadoop库标识。

3

hadoop.http.filter.initializers

http服务器过滤链设置

4

hadoop.security.group.mapping

org.apache.hadoop.security.ShellBasedUnixGroupsMapping

组内用户的列表的类设定

5

hadoop.security.authorization

false

服务端认证开启

6

hadoop.security.authentication

simple

无认证或认证设置

7

hadoop.security.token.service.use_ip

true

是否开启使用IP地址作为连接的开关

8

hadoop.logfile.size

10000000

日志文件最大为10M

9

hadoop.logfile.count

10

日志文件数量为10个

10

io.file.buffer.size

4096

流文件的缓冲区为4K

11

io.bytes.per.checksum

512

校验位数为512字节

12

io.skip.checksum.errors

false

校验出错后是抛出异常还是略过标识。True则略过。

13

io.compression.codecs

org.apache.hadoop.io.compress.DefaultCodec,

org.apache.hadoop.io.compress.GzipCodec,

org.apache.hadoop.io.compress.BZip2Codec,

org.apache.hadoop.io.compress.SnappyCodec

压缩和解压的方式设置

14

io.serializations

org.apache.hadoop.io.serializer.WritableSerialization

序例化和反序列化的类设定

15

fs.default.name

file:///

缺省的文件URI标识设定。

16

fs.trash.interval

0

文件废弃标识设定,0为禁止此功能

17

fs.file.impl

org.apache.hadoop.fs.LocalFileSystem

本地文件操作类设置

18

fs.hdfs.impl

org.apache.hadoop.hdfs.DistributedFileSystem

HDFS文件操作类设置

19

fs.s3.impl

org.apache.hadoop.fs.s3.S3FileSystem

S3文件操作类设置

20

fs.s3n.impl

org.apache.hadoop.fs.s3native.NativeS3FileSystem

S3文件本地操作类设置

21

fs.kfs.impl

org.apache.hadoop.fs.kfs.KosmosFileSystem

KFS文件操作类设置.

22

fs.hftp.impl

org.apache.hadoop.hdfs.HftpFileSystem

HTTP方式操作文件设置

23

fs.hsftp.impl

org.apache.hadoop.hdfs.HsftpFileSystem

HTTPS方式操作文件设置

24

fs.webhdfs.impl

org.apache.hadoop.hdfs.web.WebHdfsFileSystem

WEB方式操作文件类设置

25

fs.ftp.impl

org.apache.hadoop.fs.ftp.FTPFileSystem

FTP文件操作类设置

26

fs.ramfs.impl

org.apache.hadoop.fs.InMemoryFileSystem

内存文件操作类设置

27

fs.har.impl

org.apache.hadoop.fs.HarFileSystem

压缩文件操作类设置.

28

fs.har.impl.disable.cache

true

是否缓存har文件的标识设定

29

fs.checkpoint.dir

${hadoop.tmp.dir}/dfs/namesecondary

备份名称节点的存放目前录设置

30

fs.checkpoint.edits.dir

${fs.checkpoint.dir}

备份名称节点日志文件的存放目前录设置

31

fs.checkpoint.period

3600

动态检查的间隔时间设置

32

fs.checkpoint.size

67108864

日志文件大小为64M

33

fs.s3.block.size

67108864

写S3文件系统的块的大小为64M

34

fs.s3.buffer.dir

${hadoop.tmp.dir}/s3

S3文件数据的本地存放目录

35

fs.s3.maxRetries

4

S3文件数据的偿试读写次数

36

fs.s3.sleepTimeSeconds

10

S3文件偿试的间隔

37

local.cache.size

10737418240

缓存大小设置为10GB

38

io.seqfile.compress.blocksize

1000000

压缩流式文件中的最小块数为100万

39

io.seqfile.lazydecompress

true

块是否需要压缩标识设定

40

io.seqfile.sorter.recordlimit

1000000

内存中排序记录块类最小为100万

41

io.mapfile.bloom.size

1048576

BloomMapFiler过滤量为1M

42

io.mapfile.bloom.error.rate

0.005

43

hadoop.util.hash.type

murmur

缺少hash方法为murmur

44

ipc.client.idlethreshold

4000

连接数据最小阀值为4000

45

ipc.client.kill.max

10

一个客户端连接数最大值为10

46

ipc.client.connection.maxidletime

10000

断开与服务器连接的时间最大为10秒

47

ipc.client.connect.max.retries

10

建立与服务器连接的重试次数为10次

48

ipc.server.listen.queue.size

128

接收客户连接的监听队例的长度为128

49

ipc.server.tcpnodelay

false

开启或关闭服务器端TCP连接算法

50

ipc.client.tcpnodelay

false

开启或关闭客户端TCP连接算法

51

webinterface.private.actions

false

Web交互的行为设定

52

hadoop.rpc.socket.factory.class.default

org.apache.hadoop.net.StandardSocketFactory

缺省的socket工厂类设置

53

hadoop.rpc.socket.factory.class.ClientProtocol

与dfs连接时的缺省socket工厂类

54

hadoop.socks.server

服务端的工厂类缺省设置为SocksSocketFactory.

55

topology.node.switch.mapping.impl

org.apache.hadoop.net.ScriptBasedMapping

56

topology.script.file.name

57

topology.script.number.args

100

参数数量最多为100

58

hadoop.security.uid.cache.secs

14400

3.2  hdfs-default.html

序号

参数名

参数值

参数说明

1

dfs.namenode.logging.level

info

输出日志类型

2

dfs.secondary.http.address

0.0.0.0:50090

备份名称节点的http协议访问地址与端口

3

dfs.datanode.address

0.0.0.0:50010

数据节点的TCP管理服务地址和端口

4

dfs.datanode.http.address

0.0.0.0:50075

数据节点的HTTP协议访问地址和端口

5

dfs.datanode.ipc.address

0.0.0.0:50020

数据节点的IPC服务访问地址和端口

6

dfs.datanode.handler.count

3

数据节点的服务连接处理线程数

7

dfs.http.address

0.0.0.0:50070

名称节点的http协议访问地址与端口

8

dfs.https.enable

false

支持https访问方式标识

9

dfs.https.need.client.auth

false

客户端指定https访问标识

10

dfs.https.server.keystore.resource

ssl-server.xml

Ssl密钥服务端的配置文件

11

dfs.https.client.keystore.resource

ssl-client.xml

Ssl密钥客户端的配置文件

12

dfs.datanode.https.address

0.0.0.0:50475

数据节点的HTTPS协议访问地址和端口

13

dfs.https.address

0.0.0.0:50470

名称节点的HTTPS协议访问地址和端口

14

dfs.datanode.dns.interface

default

数据节点采用IP地址标识

15

dfs.datanode.dns.nameserver

default

指定DNS的IP地址

16

dfs.replication.considerLoad

true

加载目标或不加载的标识

17

dfs.default.chunk.view.size

32768

浏览时的文件块大小设置为32K

18

dfs.datanode.du.reserved

0

每个卷预留的空闲空间数量

19

dfs.name.dir

${hadoop.tmp.dir}/dfs/name

存贮在本地的名字节点数据镜象的目录,作为名字节点的冗余备份

20

dfs.name.edits.dir

${dfs.name.dir}

存贮文件操作过程信息的存贮目录

21

dfs.web.ugi

webuser,webgroup

Web接口访问的用户名和组的帐户设定

22

dfs.permissions

true

文件操作时的权限检查标识。

23

dfs.permissions.supergroup

supergroup

超级用户的组名定义

24

dfs.block.access.token.enable

false

数据节点访问令牌标识

25

dfs.block.access.key.update.interval

600

升级访问钥时的间隔时间

26

dfs.block.access.token.lifetime

600

访问令牌的有效时间

27

dfs.data.dir

${hadoop.tmp.dir}/dfs/data

数据节点的块本地存放目录

28

dfs.datanode.data.dir.perm

755

数据节点的存贮块的目录访问权限设置

29

dfs.replication

3

缺省的块复制数量

30

dfs.replication.max

512

块复制的最大数量

31

dfs.replication.min

1

块复制的最小数量

32

dfs.block.size

67108864

缺省的文件块大小为64M

33

dfs.df.interval

60000

磁盘空间统计间隔为6秒

34

dfs.client.block.write.retries

3

块写入出错时的重试次数

35

dfs.blockreport.intervalMsec

3600000

块的报告间隔时为1小时

36

dfs.blockreport.initialDelay

0

块顺序报告的间隔时间

37

dfs.heartbeat.interval

3

数据节点的心跳检测间隔时间

38

dfs.namenode.handler.count

10

名称节点的连接处理的线程数量

39

dfs.safemode.threshold.pct

0.999f

启动安全模式的阀值设定

40

dfs.safemode.extension

30000

当阀值达到量值后扩展的时限

41

dfs.balance.bandwidthPerSec

1048576

启动负载均衡的数据节点可利用带宽最大值为1M

42

dfs.hosts

可与名称节点连接的主机地址文件指定。

43

dfs.hosts.exclude

不充计与名称节点连接的主机地址文件设定

44

dfs.max.objects

0

文件数、目录数、块数的最大数量

45

dfs.namenode.decommission.interval

30

名称节点解除命令执行时的监测时间周期

46

dfs.namenode.decommission.nodes.per.interval

5

名称节点解除命令执行是否完检测次数

47

dfs.replication.interval

3

名称节点计算数据节点的复制工作的周期数.

48

dfs.access.time.precision

3600000

充许访问文件的时间精确到1小时

49

dfs.support.append

false

是否充许链接文件指定

50

dfs.namenode.delegation.key.update-interval

86400000

名称节点上的代理令牌的主key的更新间隔时间为24小时

51

dfs.namenode.delegation.token.max-lifetime

604800000

代理令牌的有效时间最大值为7天

52

dfs.namenode.delegation.token.renew-interval

86400000

代理令牌的更新时间为24小时

53

dfs.datanode.failed.volumes.tolerated

0

决定停止数据节点提供服务充许卷的出错次数。0次则任何卷出错都要停止数据节点

3.3  mapred-default.html

序号

参数名

参数值

参数说明

1

hadoop.job.history.location

作业跟踪管理器的静态历史文件的存放目录。

2

hadoop.job.history.user.location

可以指定具体某个作业的跟踪管理器的历史文件存放目录

3

mapred.job.tracker.history.completed.location

已完成作业的历史文件的存放目录

4

io.sort.factor

10

排完序的文件的合并时的打开文件句柄数

5

io.sort.mb

100

排序文件的内存缓存大小为100M

6

io.sort.record.percent

0.05

排序线程阻塞的内存缓存剩余比率

7

io.sort.spill.percent

0.80

当缓冲占用量为该值时,线程需要将内容先备份到磁盘中。

8

io.map.index.skip

0

索引条目的间隔设定

9

mapred.job.tracker

local

作业跟踪管理器是否和MR任务在一个进程中

10

mapred.job.tracker.http.address

0.0.0.0:50030

作业跟踪管理器的HTTP服务器访问端口和地址

11

mapred.job.tracker.handler.count

10

作业跟踪管理器的管理线程数,线程数比例是任务管理跟踪器数量的0.04

12

mapred.task.tracker.report.address

127.0.0.1:0

任务管理跟踪器的主机地址和端口地址

13

mapred.local.dir

${hadoop.tmp.dir}/mapred/local

MR的中介数据文件存放目录

14

mapred.system.dir

${hadoop.tmp.dir}/mapred/system

MR的控制文件存放目录

15

mapreduce.jobtracker.staging.root.dir

${hadoop.tmp.dir}/mapred/staging

每个正在运行作业文件的存放区

16

mapred.temp.dir

${hadoop.tmp.dir}/mapred/temp

MR临时共享文件存放区

17

mapred.local.dir.minspacestart

0

MR本地中介文件删除时,不充许有任务执行的数量值。

18

mapred.local.dir.minspacekill

0

MR本地中介文件删除时,除非所有任务都已完成的数量值。

19

mapred.tasktracker.expiry.interval

600000

任务管理跟踪器不发送心跳的累计时间间隔超过600秒,则任务管理跟踪器失效

20

mapred.tasktracker.resourcecalculatorplugin

指定的一个用户访问资源信息的类实例

21

mapred.tasktracker.taskmemorymanager.monitoring-interval

5000

监控任务管理跟踪器任务内存使用率的时间间隔

22

mapred.tasktracker.tasks.sleeptime-before-sigkill

5000

发出进程终止后,间隔5秒后发出进程消亡信号

23

mapred.map.tasks

2

每个作业缺省的map任务数为2

24

mapred.reduce.tasks

1

每个作业缺省的reduce任务数为1

25

mapreduce.tasktracker.outofband.heartbeat

false

让在任务结束后发出一个额外的心跳信号

26

mapreduce.tasktracker.outofband.heartbeat.damper

1000000

当额外心跳信号发出量太多时,则适当阻止

27

mapred.jobtracker.restart.recover

false

充许任务管理器恢复时采用的方式

28

mapred.jobtracker.job.history.block.size

3145728

作业历史文件块的大小为3M

29

mapreduce.job.split.metainfo.maxsize

10000000

分隔元信息文件的最大值是10M以下

30

mapred.jobtracker.taskScheduler

org.apache.hadoop.mapred.JobQueueTaskScheduler

设定任务的执行计划实现类

31

mapred.jobtracker.taskScheduler.maxRunningTasksPerJob

作业同时运行的任务数的最大值

32

mapred.map.max.attempts

4

Map任务的重试次数

33

mapred.reduce.max.attempts

4

Reduce任务的重试次数

34

mapred.reduce.parallel.copies

5

在复制阶段时reduce并行传送的值。

35

mapreduce.reduce.shuffle.maxfetchfailures

10

取map输出的最大重试次数

36

mapreduce.reduce.shuffle.connect.timeout

180000

REDUCE任务连接任务管理器获得map输出时的总耗时是3分钟

37

mapreduce.reduce.shuffle.read.timeout

180000

REDUCE任务等待map输出数据的总耗时是3分钟

38

mapred.task.timeout

600000

如果任务无读无写时的时间耗时为10分钟,将被终止

39

mapred.tasktracker.map.tasks.maximum

2

任管管理器可同时运行map任务数为2

40

mapred.tasktracker.reduce.tasks.maximum

2

任管管理器可同时运行reduce任务数为2

41

mapred.jobtracker.completeuserjobs.maximum

100

当用户的完成作业数达100个后,将其放入作业历史文件中

42

mapreduce.reduce.input.limit

-1

Reduce输入量的限制。

43

mapred.job.tracker.retiredjobs.cache.size

1000

作业状态为已不在执行的保留在内存中的量为1000

44

mapred.job.tracker.jobhistory.lru.cache.size

5

作业历史文件装载到内存的数量

45

mapred.child.java.opts

-Xmx200m

启动task管理的子进程时的内存设置

46

mapred.child.env

子进程的参数设置

47

mapred.child.ulimit

虚拟机所需内存的设定。

48

mapred.cluster.map.memory.mb

-1

49

mapred.cluster.reduce.memory.mb

-1

50

mapred.cluster.max.map.memory.mb

-1

51

mapred.cluster.max.reduce.memory.mb

-1

52

mapred.job.map.memory.mb

-1

53

mapred.job.reduce.memory.mb

-1

54

mapred.child.tmp

/tmp

Mr任务信息的存放目录

55

mapred.inmem.merge.threshold

1000

内存中的合并文件数设置

56

mapred.job.shuffle.merge.percent

0.66

57

mapred.job.shuffle.input.buffer.percent

0.70

58

mapred.job.reduce.input.buffer.percent

0.0

59

mapred.map.tasks.speculative.execution

true

Map任务的多实例并行运行标识

60

mapred.reduce.tasks.speculative.execution

true

Reduce任务的多实例并行运行标识

61

mapred.job.reuse.jvm.num.tasks

1

每虚拟机运行的任务数

62

mapred.min.split.size

0

Map的输入数据被分解的块数设置

63

mapred.jobtracker.maxtasks.per.job

-1

一个单独作业的任务数设置

64

mapred.submit.replication

10

提交作业文件的复制级别

65

mapred.tasktracker.dns.interface

default

任务管理跟踪器是否报告IP地址名的开关

66

mapred.tasktracker.dns.nameserver

default

作业和任务管理跟踪器之间通讯方式采用的DNS服务的主机名或IP地址

67

tasktracker.http.threads

40

http服务器的工作线程数量

68

mapred.task.tracker.http.address

0.0.0.0:50060

任务管理跟踪器的http服务器的地址和端口

69

keep.failed.task.files

false

失败任务是否保存到文件中

70

mapred.output.compress

false

作业的输出是否压缩

71

mapred.output.compression.type

RECORD

作业输出采用NONE, RECORD or BLOCK三种方式中一种压缩的写入到流式文件

72

mapred.output.compression.codec

org.apache.hadoop.io.compress.DefaultCodec

压缩类的设置

73

mapred.compress.map.output

false

Map的输出是否压缩

74

mapred.map.output.compression.codec

org.apache.hadoop.io.compress.DefaultCodec

Map的输出压缩的实现类指定

75

map.sort.class

org.apache.hadoop.util.QuickSort

排序键的排序类指定

76

mapred.userlog.limit.kb

0

每个任务的用户日志文件大小

77

mapred.userlog.retain.hours

24

作业完成后的用户日志留存时间为24小时

78

mapred.user.jobconf.limit

5242880

Jobconf的大小为5M

79

mapred.hosts

可与作业管理跟踪器连接的主机名

80

mapred.hosts.exclude

不可与作业管理跟踪器连接的主机名

81

mapred.heartbeats.in.second

100

作业管理跟踪器的每秒中到达的心跳数量为100

82

mapred.max.tracker.blacklists

4

任务管理跟踪器的黑名单列表的数量

83

mapred.jobtracker.blacklist.fault-timeout-window

180

任务管理跟踪器超时180分钟则訪任务将被重启

84

mapred.jobtracker.blacklist.fault-bucket-width

15

85

mapred.max.tracker.failures

4

任务管理跟踪器的失败任务数设定

86

jobclient.output.filter

FAILED

控制任务的用户日志输出到作业端时的过滤方式

87

mapred.job.tracker.persist.jobstatus.active

false

是否持久化作业管理跟踪器的信息

88

mapred.job.tracker.persist.jobstatus.hours

0

持久化作业管理跟踪器的信息的保存时间

89

mapred.job.tracker.persist.jobstatus.dir

/jobtracker/jobsInfo

作业管理跟踪器的信息存放目录

90

mapreduce.job.complete.cancel.delegation.tokens

true

恢复时是否变更领牌

91

mapred.task.profile

false

任务分析信息是否建设标志

92

mapred.task.profile.maps

0-2

设置map任务的分析范围

93

mapred.task.profile.reduces

0-2

设置reduce任务的分析范围

94

mapred.line.input.format.linespermap

1

每次切分的行数设置

95

mapred.skip.attempts.to.start.skipping

2

在跳转模式未被设定的情况下任务的重试次数

96

mapred.skip.map.auto.incr.proc.count

true

MapRunner在调用map功能后的增量处理方式设置

97

mapred.skip.reduce.auto.incr.proc.count

true

在调用reduce功能后的增量处理方式设置

98

mapred.skip.out.dir

跳过记录的输出目录

99

mapred.skip.map.max.skip.records

0

100

mapred.skip.reduce.max.skip.groups

0

101

job.end.retry.attempts

0

Hadoop偿试连接通知器的次数

102

job.end.retry.interval

30000

通知偿试回应的间隔操作为30秒

103

hadoop.rpc.socket.factory.class.JobSubmissionProtocol

指定与作业跟踪管理器的通讯方式,缺省是采用rpc方式

104

mapred.task.cache.levels

2

任务缓存级别设置

105

mapred.queue.names

default

分隔作业队例的分隔符设定

106

mapred.acls.enabled

false

指定ACL访问控制列表

107

mapred.queue.default.state

RUNNING

定义队列的状态

108

mapred.job.queue.name

default

已提交作业的队列设定

109

mapreduce.job.acl-modify-job

指定可修改作业的ACL列表

110

mapreduce.job.acl-view-job

指定可浏临作业的ACL列表

111

mapred.tasktracker.indexcache.mb

10

任务管理跟踪器的索引内存的最大容器

112

mapred.combine.recordsBeforeProgress

10000

在聚合处理时的记录块数

113

mapred.merge.recordsBeforeProgress

10000

在汇总处理时的记录块数

114

mapred.reduce.slowstart.completed.maps

0.05

115

mapred.task.tracker.task-controller

org.apache.hadoop.mapred.DefaultTaskController

任务管理器的设定

116

mapreduce.tasktracker.group

任务管理器的组成员设定

117

mapred.healthChecker.script.path

脚本的绝对路径指定,这些脚本是心跳服务的

118

mapred.healthChecker.interval

60000

节点心跳信息的间隔

119

mapred.healthChecker.script.timeout

600000

120

mapred.healthChecker.script.args

参数列表

121

mapreduce.job.counters.limit

120

作业计数器的最小值

上一篇:paip.提升效率--调试--日志系统日志参数含义---python


下一篇:GJM : Unity3D 常用网络框架与实战解析 【笔记】