❤️hadoop常用命令总结及百万调优❤️

Posted 2021-09-26 manor的大数据奋斗之路

2、常用命令

1、–ls：查看指定目录下内容

hadoop fs –ls [文件目录]  
   eg：hadoop fs –ls /user/wangwu  

2、–cat：显示文件内容

hadoop dfs –cat [file_path]
   eg:hadoop fs -cat /user/wangwu/data.txt

3、–put：将本地文件存储至hadoop

hadoop fs –put [本地地址] [hadoop目录]
   eg：hadoop fs –put /home/t/file.txt  /user/t   
   (file.txt是文件名)

4、–put：将本地文件夹存储至hadoop

hadoop fs –put [本地目录] [hadoop目录]
   eg：hadoop fs –put /home/t/dir_name /user/t
   (dir_name是文件夹名)

5、-get：将hadoop上某个文件down至本地已有目录下

hadoop fs -get [文件目录] [本地目录]
   eg：hadoop fs –get /user/t/ok.txt /home/t

6、–rm：删除hadoop上指定文件或文件夹

hadoop fs –rm [文件地址]
   eg：hadoop fs –rm /user/t/ok.txt

7、删除hadoop上指定文件夹（包含子目录等）

hadoop fs –rm [目录地址]
   eg：hadoop fs –rm /user/t

8、–mkdir：在hadoop指定目录内创建新目录

eg：hadoop fs –mkdir /user/t

9、-touchz：在hadoop指定目录下新建一个空文件

使用touchz命令：
eg：hadoop  fs  -touchz  /user/new.txt

10、–mv：将hadoop上某个文件重命名

使用mv命令：
eg：hadoop  fs  –mv  /user/test.txt  /user/ok.txt   （将test.txt重命名为ok.txt）

11、-setrep：设置HDFS中文件的副本数量

eg：hadoop fs -setrep 10 /tmp/tt/student.txt

12、将正在运行的hadoop作业kill掉

eg：hadoop job –kill  [job-id]

13、-help：输出这个命令参数

eg：hadoop fs -help rm

14、-moveFromLocal：从本地剪切粘贴到HDFS

eg：hadoop fs  -moveFromLocal  ./studnet.txt  /tmp/test/

15、-appendToFile：追加一个文件到已经存在的文件末尾

eg：hadoop fs -appendToFile liubei.txt /sanguo/shuguo/zhangsan.txt

16、-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

eg：hadoop fs  -chmod  666  /sanguo/shuguo/zhangsan.txt
eg：hadoop fs  -chown  itcast:itcast   /sanguo/shuguo/zhangsan.txt

17、-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

eg：hadoop fs -copyFromLocal README.txt /

18、-copyToLocal：从HDFS拷贝到本地

eg：hadoop fs -copyToLocal /sanguo/shuguo/zhangsan.txt ./

19、-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

eg：hadoop fs -cp /sanguo/shuguo/zhangsan.txt /zhuge.txt

20、-tail：显示一个文件的末尾

eg：hadoop fs -tail /sanguo/shuguo/zhangsan.txt

21、-rmdir：删除空目录

eg：hadoop fs -mkdir /test
eg：hadoop fs -rmdir /test

22、-du：统计文件夹的大小信息

eg：hadoop fs -du -s -h /user/itcast/test
    2.7 K  /user/itcast/test
eg：hadoop fs -du  -h /user/itcast/test
    1.3 K  /user/itcast/test/README.txt
    15     /user/itcast/test/jinlian.txt
    1.4 K  /user/itcast/test/nihao.txt

Hadoop常用的调优参数

以下参数是在用户自己的MR应用程序中配置就可以生效（mapred-default.xml）

配置参数	参数说明
mapreduce.map.memory.mb	一个MapTask可使用的资源上限（单位:MB），默认为1024。如果MapTask实际使用的资源量超过该值，则会被强制杀死。
mapreduce.reduce.memory.mb	一个ReduceTask可使用的资源上限（单位:MB），默认为1024。如果ReduceTask实际使用的资源量超过该值，则会被强制杀死。
mapreduce.map.cpu.vcores	每个MapTask可使用的最多cpu core数目，默认值: 1
mapreduce.reduce.cpu.vcores	每个ReduceTask可使用的最多cpu core数目，默认值: 1
mapreduce.reduce.shuffle.parallelcopies	每个Reduce去Map中取数据的并行数。默认值是5
mapreduce.reduce.shuffle.merge.percent	Buffer中的数据达到多少比例开始写入磁盘。默认值0.66
mapreduce.reduce.shuffle.input.buffer.percent	Buffer大小占Reduce可用内存的比例。默认值0.7
mapreduce.reduce.input.buffer.percent	指定多少比例的内存用来存放Buffer中的数据，默认值是0.0

在YARN启动之前就配置在服务器的配置文件中才能生效（yarn-default.xml）

配置参数	参数说明
yarn.scheduler.minimum-allocation-mb	单个任务可申请的最小物理内存量，默认值：1024
yarn.scheduler.maximum-allocation-mb	单个任务可申请的最多物理内存量，默认值：8192
yarn.scheduler.minimum-allocation-vcores	单个任务申请的最小CPU核数，默认值：1
yarn.scheduler.maximum-allocation-vcores	单个任务申请的最大CPU核数，默认值：32
yarn.nodemanager.resource.memory-mb	服务器节点上YARN可使用的物理内存总量，默认值：8192

Shuffle性能优化的关键参数，应在YARN启动之前就配置好（mapred-default.xml）

配置参数	参数说明
mapreduce.task.io.sort.mb	Shuffle的环形缓冲区大小，默认100m
mapreduce.map.sort.spill.percent	环形缓冲区溢出的阈值，默认80%

容错相关参数(MapReduce性能优化)

配置参数	参数说明
mapreduce.map.maxattempts	每个Map Task最大重试次数，一旦重试参数超过该值，则认为Map Task运行失败，默认值：4。
mapreduce.reduce.maxattempts	每个Reduce Task最大重试次数，一旦重试参数超过该值，则认为Map Task运行失败，默认值：4。
mapreduce.task.timeout	Task超时时间，经常需要设置的一个参数，该参数表达的意思为：如果一个Task在一定时间内没有任何进入，即不会读取新的数据，也没有输出数据，则认为该Task处于Block状态，可能是卡住了，也许永远会卡住，为了防止因为用户程序永远Block住不退出，则强制设置了一个该超时时间（单位毫秒），默认是600000。如果你的程序对每条输入数据的处理时间过长（比如会访问数据库，通过网络拉取数据等），建议将该参数调大，该参数过小常出现的错误提示是“AttemptID:attempt_14267829456721_123456_m_000224_0 Timed out after 300 secsContainer killed by the ApplicationMaster.”。