Hadoop3：参数调优-核心参数NameNode内存配置、并发数配置、回收站配置

一、内存配置

1、NameNode内存计算

假设，每个文件块大概占用150byte，一台服务器128G内存为例，能存储多少文件块呢？
128 * 1024 * 1024 * 1024 / 150Byte ≈ 9.1亿
G MB KB Byte

2、Hadoop3.x系列，配置NameNode内存

我的虚拟机内存是2G内存。

查看NameNode和DataNode占用内存

[atguigu@hadoop102 ~]$ jps 查看所有进程ID
2241 Jps
2163 JobHistoryServer
2004 NodeManager
1685 DataNode
1561 NameNode
[atguigu@hadoop102 ~]$ jmap -heap 1561	查看NameNode的内存情况
MaxHeapSize              = 520093696 (496.0MB)
[atguigu@hadoop102 ~]$ jmap -heap 1685
MaxHeapSize              = 520093696 (496.0MB)

3、官方建议

经验参考：
https://docs.cloudera.com/documentation/enterprise/6/release-notes/topics/rg_hardware_requirements.html#concept_fzz_dq4_gbb

4、修改配置调优内存

hadoop-env.sh

export HDFS_NAMENODE_OPTS="-Dhadoop.security.logger=INFO,RFAS -Xmx1024m"
export HDFS_DATANODE_OPTS="-Dhadoop.security.logger=ERROR,RFAS -Xmx1024m"

修改完毕后，分发文件到集群其他节点，重启Hadoop。

5、验证配置结果

发现，内存已经变成1G了。

二、并发数配置

1、概述

NameNode需要处理客户端的请求，同时也要接受DatanNode的心跳通知。

2、计算

那么，并发数配置多少合适？怎么计算？怎么配置？
这个并发数，主要影响根据集群节点数，进行计算。
公式：
$$dfs.namenode.handler.count=20\ast lo{g}_e^{ClusterSize}$$

用Python计算

我的是3个节点，经过计算，并发数配置为21比较合适。

3、修改配置

hdfs-site.xml

<!-- 
NameNode有一个工作线程池，用来处理不同DataNode的并发心跳以及客户端并发的元数据操作。
对于大集群或者有大量客户端的集群来说，通常需要增大该参数。默认值是10。
-->
<property><name>dfs.namenode.handler.count</name><value>21</value>
</property>

分发配置，并重启Hadoop。

三、回收站配置

1、概述

开启回收站功能，可以将删除的文件在不超时的情况下，恢复原数据，起到防止误删除、备份等作用。

2、原理说明

（1）默认值fs.trash.interval = 0，0表示禁用回收站；其他值表示设置文件的存活时间。
（2）默认值fs.trash.checkpoint.interval = 0，检查回收站的间隔时间。如果该值为0，则该值设置和fs.trash.interval的参数值相等。
（3）要求fs.trash.checkpoint.interval <= fs.trash.interval。

3、开启回收站配置

core-site.xml

<property><name>fs.trash.interval</name><value>1</value>
</property>

保存，分发并重启Hadoop。

4、测试

命令行删除文件

hadoop fs -rm /cls.txt

1分钟后，回收站清空，因为我们设置的保存时间就是1分钟。

命令行恢复回收站数据

hadoop fs -mv /user/atguigu/.Trash/Current/user/atguigu/input /user/atguigu/input

注意

1、通过网页上直接删除的文件也不会走回收站。
2、通过Java程序删除的文件不会经过回收站，需要调用moveToTrash()才进入回收站。

Trash trash = New Trash(conf);
trash.moveToTrash(path);