文章目录
（146）HDFS压测环境准备
对开发人员来讲，压测这个技能很重要。
假设你刚搭建好一个集群，就可以直接投入生产了吗？
那当然不行，还需要对集群进行压测，一方面是测试集群的读写性能，多大的数据耗时多久才能读写完成，另一方面也是测试集群是否会崩溃。
HDFS的读写性能主要受网络和磁盘的影响比较大。教程里为了方便测试，将三台节点的虚拟机网络都设置为100mbps，先人为抹掉网络的影响。
注意，100mbps单位是bite，1字节等于8bite，所以实际设置的网速是12.5M/s.
（147）HDFS读写压测
hadoop自带的tests.jar包就是专门用来做压测的。
位置是/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-3.1.3-tests.jar
这个包下有多个模块，比如说TestDFSIO模块，就是用来做HDFS读写压测的。
写压测
原理是什么呢？
提交10个文件，开启10个MapTask，每个MapTask开始向当前节点HDFS写数据，每个Map会记录下写的时间和平均速度，而ReduceTask会汇总每个MapTask的写入时间和平均速度。
会计算3个指标：
- 所有数据量累加 / 所有数据写时间累加，即集群整体吞吐量Throughput；
- 所有平均速度累加 / 10，即平均MapTask的吞吐量Average IO rate；
- 方差，反应各个MapTask处理的差值，越小越均衡，IO rate std deviation。
使用方法以及对应的指标输出：
shel
[atguigu@hadoop102 mapreduce]$ hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-3.1.3-tests.jar TestDFSIO -write -nrFiles 10 -fileSize 128MB
2021-02-09 10:43:16,853 INFO fs.TestDFSIO: ----- TestDFSIO ----- : write
2021-02-09 10:43:16,854 INFO fs.TestDFSIO: Date & time: Tue Feb 09 10:43:16 CST 2021
2021-02-09 10:43:16,854 INFO fs.TestDFSIO: Number of files: 10
2021-02-09 10:43:16,854 INFO fs.TestDFSIO: Total MBytes processed: 1280
2021-02-09 10:43:16,854 INFO fs.TestDFSIO: Throughput mb/sec: 1.61
2021-02-09 10:43:16,854 INFO fs.TestDFSIO: Average IO rate mb/sec: 1.9
2021-02-09 10:43:16,854 INFO fs.TestDFSIO: IO rate std deviation: 0.76
2021-02-09 10:43:16,854 INFO fs.TestDFSIO: Test exec time sec: 133.05
2021-02-09 10:43:16,854 INFO fs.TestDFSIO:上面代码中，TestDFSIO指启用HDFS读写测试
-write表示启动写测试，
-nfFiles 10表示提交10个文件，对应生成MapTask的数量，而提交的文件数，一般是集群CPU总核数 - 1。
-fileSize 128MB表示每个文件大小是128MB。
注意，如果测试过程中出现异常，可以取消掉虚拟内存，具体方式为修改yarn-site.xml文件：
xml
<!--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>然后xsync yarn-site.xml分发配置，并顺便重启yarn。
测试结果怎么分析呢？
以上面的输出为例，我们的压测后速度是1.61，每个文件默认3个副本，但由于副本1，即文件本身都在节点1上，所以我们在写数据的时候，每个文件相当于只写了2个副本，即节点2和节点3上。
所以参与测试的文件就是20个。（如果客户端不在集群节点上，那么就三个副本都参与计算。就是30个文件了）
实测速度：1.61*20=32M/s
三台服务器的总带宽：12.5*3=37M/s
基本相当于所有网络资源都已经用满。
如果实测速度远远小于网络速度，且不能满足工作需求，那么可以采用固态硬盘或者增加磁盘个数等。
读压测
原理差不多，命令就换成了：
[atguigu@hadoop102 mapreduce]$ hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-3.1.3-tests.jar TestDFSIO -read -nrFiles 10 -fileSize 128MB
2021-02-09 11:34:15,847 INFO fs.TestDFSIO: ----- TestDFSIO ----- : read
2021-02-09 11:34:15,847 INFO fs.TestDFSIO: Date & time: Tue Feb 09 11:34:15 CST 2021
2021-02-09 11:34:15,847 INFO fs.TestDFSIO: Number of files: 10
2021-02-09 11:34:15,847 INFO fs.TestDFSIO: Total MBytes processed: 1280
2021-02-09 11:34:15,848 INFO fs.TestDFSIO: Throughput mb/sec: 200.28
2021-02-09 11:34:15,848 INFO fs.TestDFSIO: Average IO rate mb/sec: 266.74
2021-02-09 11:34:15,848 INFO fs.TestDFSIO: IO rate std deviation: 143.12
2021-02-09 11:34:15,848 INFO fs.TestDFSIO: Test exec time sec: 20.83注意，模块用的都是TestDFSIO，但是后面的参数改成了-read
读的速度是很快的，且读取文件速度大于网络带宽。这是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。
最后记得删除一下测试生成的数据：
[atguigu@hadoop102 mapreduce]$ hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-3.1.3-tests.jar TestDFSIO -clean因为是官方提供的包，所以我们在实现整个压测的时候，还是比较轻松的。
如果感情也能这么轻松就好了。