Hadoop小试牛刀——HDFS集群压测
Posted 大数据那些事
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Hadoop小试牛刀——HDFS集群压测相关的知识,希望对你有一定的参考价值。
在企业中非常关心每天从Java后台拉取过来的数据,需要多久能上传到集群?消费者关心多久能从HDFS上拉取需要的数据?
为了搞清楚HDFS的读写性能,生产环境上非常需要对集群进行压测。
HDFS的读写性能主要受网络和磁盘影响比较大。为了方便测试,将hadoop102、hadoop103、hadoop104虚拟机网络都设置为100mbps。
100Mbps单位是bit;10M/s单位是byte ; 1byte=8bit,100Mbps/8=12.5M/s。
测试网速:来到hadoop102的/opt/module目录,创建一个
[atguigu@hadoop102 software]$python -m SimpleHTTPServer
测试HDFS写性能
0)HDFS写测试底层原理
1)测试内容:向HDFS集群写10个128M的文件
[atguigu@hadoop102mapreduce]$ hadoop jar/opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-3.1.3-tests.jarTestDFSIO -write-nrFiles 10 -fileSize 128MB
2021-02-0910:43:16,853 INFO fs.TestDFSIO: ----- TestDFSIO ----- : write
2021-02-0910:43:16,854 INFO fs.TestDFSIO: Date & time: Tue Feb 09 10:43:16 CST 2021
2021-02-0910:43:16,854 INFO fs.TestDFSIO: Number of files: 10
2021-02-0910:43:16,854 INFO fs.TestDFSIO: TotalMBytes processed: 1280
2021-02-0910:43:16,854 INFO fs.TestDFSIO: Throughput mb/sec: 1.61
2021-02-0910:43:16,854 INFO fs.TestDFSIO: Average IO rate mb/sec: 1.9
2021-02-0910:43:16,854 INFO fs.TestDFSIO: IO ratestd deviation: 0.76
2021-02-0910:43:16,854 INFO fs.TestDFSIO: Testexec time sec: 133.05
2021-02-0910:43:16,854 INFO fs.TestDFSIO:
注意:nrFiles n为生成mapTask的数量,生产环境一般可通过hadoop103:8088查看CPU核数,设置为(CPU核数 - 1)
Number of files:生成mapTask数量,一般是集群中(CPU核数-1),我们测试虚拟机就按照实际的物理内存-1分配即可
Total MBytes processed:单个map处理的文件大小
Throughput mb/sec:单个mapTak的吞吐量
计算方式:处理的总文件大小/每一个mapTask写数据的时间累加
集群整体吞吐量:生成mapTask数量*单个mapTak的吞吐量
Average IO rate mb/sec::平均mapTak的吞吐量
计算方式:每个mapTask处理文件大小/每一个mapTask写数据的时间
全部相加除以task数量
IO rate std deviation:方差、反映各个mapTask处理的差值,越小越均衡
2)注意:如果测试过程中,出现异常
(1)可以在yarn-site.xml中设置虚拟内存检测为false
<!--是否启动一个线程检查每个任务正使用的虚拟内存量,如果任务超出分配值,则直接将其杀掉,默认是true-->
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
(2)分发配置并重启Yarn集群
3)测试结果分析
(1)由于副本1就在本地,所以该副本不参与测试
一共参与测试的文件:10个文件 * 2个副本 = 20个
压测后的速度:1.61
实测速度:1.61M/s * 20个文件 ≈ 32M/s
三台服务器的带宽:12.5 + 12.5 + 12.5 ≈ 30m/s
所有网络资源都已经用满。
如果实测速度远远小于网络,并且实测速度不能满足工作需求,可以考虑采用固态硬盘或者增加磁盘个数。
(2)如果客户端不在集群节点,那就三个副本都参与计算
测试HDFS读性能
1)测试内容:读取HDFS集群10个128M的文件
[atguigu@hadoop102mapreduce]$ hadoop jar/opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-3.1.3-tests.jarTestDFSIO -read-nrFiles 10 -fileSize 128MB
2021-02-0911:34:15,847 INFO fs.TestDFSIO: ----- TestDFSIO ----- : read
2021-02-0911:34:15,847 INFO fs.TestDFSIO: Date & time: Tue Feb 09 11:34:15 CST 2021
2021-02-0911:34:15,847 INFO fs.TestDFSIO: Number of files: 10
2021-02-0911:34:15,847 INFO fs.TestDFSIO: TotalMBytes processed: 1280
2021-02-09 11:34:15,848INFO fs.TestDFSIO: Throughputmb/sec: 200.28
2021-02-0911:34:15,848 INFO fs.TestDFSIO: AverageIO rate mb/sec: 266.74
2021-02-0911:34:15,848 INFO fs.TestDFSIO: IO ratestd deviation: 143.12
2021-02-0911:34:15,848 INFO fs.TestDFSIO: Test exec time sec: 20.83
2)删除测试生成数据
[atguigu@hadoop102mapreduce]$ hadoop jar/opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-3.1.3-tests.jarTestDFSIO -clean
3)测试结果分析:为什么读取文件速度大于网络带宽?由于目前只有三台服务器,且有三个副本,数据读取就近原则,相当于都是读取的本地磁盘数据,没有走网络。
B站|大数据那些事
想获取更多更全资料
扫码加好友入群
欢迎各位大佬加入开源共享
共同面对大数据领域疑难问题
来稿请投邮箱:miaochuanhai@126.com
以上是关于Hadoop小试牛刀——HDFS集群压测的主要内容,如果未能解决你的问题,请参考以下文章