Hadoop框架是现在最主流的的框架之一，越来越多的人去学习，那么你对hadoop的理解是什么？hadoop一定要会优化，那怎么优化呢，小猿圈今天说一下，感兴趣的朋友可以看看小猿圈写的这篇文章。
1、mr程序的效率瓶颈
功能：分布式离线计算
计算机性能：CPU、内存、磁盘、网络
I/O操作优化
（1）数据倾斜（代码优化）
（2）map和reduce数设置不合理
（3）map运行时间太长，导致reduce等待过久
（4）小文件过多（combineTextInputFomrat小文件合并）
（5）不可分块的超大文件（不断的溢写）
（6）多个溢写小文件需要多次merge
2、mr优化方法
六个方面考虑：数据输入、Map阶段、Reduce阶段、IO传输、
数据倾斜、参数调优
1>数据输入
（1）合并小文件：在执行mr任务前就进行小文件合并
（2）采用CombineTextInputFormat来作为输入，解决输 入端大量小文件的场景
mr并不适合处理大量小文件
2>Map阶段
（1）减少溢写次数（增加内存200M 80%）
<property>
<name>mapreduce.task.io.sort.mb</name>
<value>100</value>
</property>
<property>
<name>mapreduce.map.sort.spill.percent</name>
<value>0.80</value>
</property>
(2)减少合并次数
<property>
<name>mapreduce.task.io.sort.factor</name>
<value>10</value>
</property>
（3）在map之后，不影响业务逻辑情况下进行combiner
3>Reduce阶段
（1）合理设置map与reduce个数
（2）设置map/reduce共存
设置运行一定程度的map运行后 启动reduce减少等待时间
<property>
<name>mapreduce.job.reduce.slowstart.completedmaps</name>
<value>0.05</value>
</property>
（3）合理设置reduce端的buffer
<property>
<name>mapreduce.reduce.markreset.buffer.percent</name>
<value>0.0</value>
</property>
4>传输
（1）进行数据压缩
（2）使用sequenceFile
5>数据倾斜
（1）进行范围分区
（2）自定义分区
（3）Combine
(4)能用mapjoin坚决不用reduce join
6>参数调优
设置核心数
map核心数设置：
<property>
<name>mapreduce.map.cpu.vcores</name>
<value>1</value>
</property>
reduce核心数设置：
<property>
<name>mapreduce.reduce.cpu.vcores</name>
<value>1</value>
</property>
设置内存
maptask内存设置：
<property>
<name>mapreduce.map.memory.mb</name>
<value>1024</value>
</property>
reducetask内存设置：
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>1024</value>
</property>
reduce去map端拿数据并行度
<property>
<name>mapreduce.reduce.shuffle.parallelcopies</name>
<value>5</value>
</property>
hadoop优化小猿圈说了几个优化的方面，大家感觉怎么样？如果有其他方面的优化方法，可以给小猿圈补充，感觉还不错的话，可以去小猿圈学习其他方面内容，希望大家会学到更多全面的内容。
