【转干货】Hunk/Hadoop: 性能最佳实践

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

Hunk/Hadoop: 性能最佳实践

        无论有没有使用Hunk，当运行Hadoop时，有很多种方式导致偶尔的性能底下。多数时候人们是增加更多的硬件来解决问题，但是有时候只需要简单更改下文件的名称就可以解决问题。

运行Map-Reduce任务[Hunk]

        Hunk运行在Hadoop之上，但是这并不意味着一定做到有效的使用。如果Hunk运行在“复杂模式”，而不是“智能模式”的话，它就没有真正的用到Map-Reduce。相反它会直接将所有的Hadoop数据拉到Splunk引擎，并在那里处理它。

HDFS存储[hadoop]

        在Hadoop的很多事项和Hunk有关联时如何部署文件？你需要在文件路径中包含时间戳，Hunk可以使用目录结构来当作一个过滤器，可以极大的减少被拉到Splunk的数据量。

在文件名称中包含时间戳也可以生效，但是效果较差，因为Hunk仍然会读取所有的文件名。

为了更好的性能，你可以在文件路径中包含一个健－值对。例如 “…/2015/3/2/app=webserver/…” 。在遍历目录时查询指令会将包含键－值对的过滤掉，再次减少了被拉到Splunk的数据量。

基于时间戳的VIX/indexs.conf[hunk]

        当文件存储模式对于任何的Hadoop Map-Reduce有利时，你就需要修改indexs.conf，以让Hunk可以识别目录结构。

文件格式[Hunk]

        诸如JSON和CSV这样的自我描述的文件，对于Hunk来说是很容易读取的，它们更加的详细，且消除了代价昂贵的映射操作。

压缩类型／文件大小 ［Hdaoop］

        要避免过大的文件，例如500MB的GZ压缩且没有分片的文件。（诸如LZO压缩的分片文件也是可以接受的。）对于没有分片的文件来说，在 core和文件之间是一对一的映射关系，这就意味着只能有一个core来处理大文件，而其它定core只能空转等待。也就是说处理没有分片的文件花费了大量的时间，那么Map－Reduce的任务就无法快速的处理。

        同样，你也应该避免使用大量的大小在几十KB到几百KB之间的碎文件。如果文件太小，你会在启动和管理任务花费大量的时间，而不是真正的用在处理数据本身之上。

报告加速[hunk]

        Hunk现在可以利用Splunk的报告加速功能了，这会在HDFS中缓存搜索的结果，减少或消除了需要从主的Hadoop集群中读取数据量。

        在你启用此功能之前，请确保你的Hadoop集群拥有足够的空间来存储缓存。

硬件[Hadoop]

        确保你拥有合适的硬件。虽然Hadoop是能够运行在甚至是双核的笔记本电脑中，但是你要真正使用它，还是需要每个节点拥有至少4颗4个核的CPU，为了能够确保拥有足够的暂存空间，你须配置至少12GB的内存，两块本地磁盘(10K或固态)

搜索Head Clustering[Hunk]

        搜索Head Clustering在Splunk 6.2中是相对较新的一个特性，在Splunk6.3中，对于基于Hunk的查询将是一个可行的属性。

CDA大数据分析师3月脱产班12月25日开课了 http://cda.pinggu.org/bigdata-jy.html

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Hadoop 最佳实践 Had Map-Reduce Clustering hadoop安装 hadoop原理 hadoop基础 hadoop实战 hadoop峰会