Hadoop学习总结之五：Hadoop的运行痕迹.docVIP

在使用hadoop的时候，可能遇到各种各样的问题，然而由于hadoop的运行机制比较复杂，因而出现了问题的时候比较难于发现问题。 本文欲通过某种方式跟踪Hadoop的运行痕迹，方便出现问题的时候可以通过这些痕迹来解决问题。 一、环境的搭建 为了能够跟踪这些运行的痕迹，我们需要搭建一个特殊的环境，从而可以一步步的查看上一节提到的一些关键步骤所引起的变化。 我们首先搭建一个拥有一个NameNode(namenode:04)，三个DataNode(datanode01:05, datanode02:06, datanode03:07)的Hadoop环境，其中SecondaryNameNode和NameNode运行在同一台机器上。 对于这四台机器上的Hadoop，我们需要进行如下相同的配置： NameNode，SeondaryNameNode，JobTracker都应该运行在namenode:04机器上 DataNode，TaskTracker，以及生成的Map和Reduce的Task JVM应该运行在datanode01, datanode02, datanode03上 数据共有三份备份 HDFS以及Map-Reduce运行的数据放在/data/hadoop/dir/tmp文件夹下 property ? name/name ? valuehdfs://04:9000/value /property property ? namemapred.job.tracker/name ? value04:9001/value /property property ? namedfs.replication/name ? value3/value /property property ? namehadoop.tmp.dir/name ? value/data/hadoopdir/tmp/value ? descriptionA base for other temporary directories./description /property 然而由于Map-Reduce过程相对复杂，为了能够对Map和Reduce的Task JVM进行远程的调试，从而能一步一步观察，因而对NameNode和三个DataNode有一些不同的配置： 对于NameNode: 设置mapred.job.reuse.jvm.num.tasks为-1，使得多个运行于同一个DataNode上的Map和Reduce的Task共用同一个JVM，从而方便对此JVM进行远程调试，并且不会因为多个Task JVM监听同一个远程调试端口而发生冲突 对于mapred.tasktracker.map.tasks.maximum和mapred.tasktracker.reduce.tasks.maximum的配置以DataNode上的为准 设置io.sort.mb为1M(原来为100M)，是为了在Map阶段让内存中的map output尽快的spill到文件中来，从而我们可以观察map的输出 设置mapred.child.java.opts的时候，即设置Task JVM的运行参数，添加远程调试监听端口8333 ? property??? namemapred.job.reuse.jvm.num.tasks/name??? value-1/value??? description/description? /property? property??? namemapred.tasktracker.map.tasks.maximum/name??? value1/value??? description/description? /property? property??? namemapred.tasktracker.reduce.tasks.maximum/name??? value1/value??? description/description? /property? property??? nameio.sort.mb/name??? value1/value??? description/description? /property? property??? namemapred.child.java.opts/name??? value-Xmx200m -agentlib:jdwp=transport=dt_socket,address=8883,server=y,suspend=y/value??? description/description? /property ? property??? namemap