Hadoop3教程（二十六）：（生产调优篇）NameNode核心参数配置与回收站的启用

文章目录

• （143）NameNode内存配置
• （144）NN心跳并发配置
• （145）开启回收站
• 参考文献

（143）NameNode内存配置

每个文件块（的元数据等）在内存中大概 占用150byte，一台服务器128G内存的话，大概能存储9.1亿个文件块。

在Hadoop2.x里，如何配置NameNode内存？

NameNode默认内存2000M。如果你的服务器内存是4G，那一般可以把NN内存设置成3G，留1G给服务器维持基本运行（如系统运行需要、DataNode运行需要等）所需就行。

在hadoop-env.sh文件中设置：

HADOOP_NAMENODE_OPTS=-Xmx3072m

Hadoop3.x系列，如何配置NameNode内存？

答案是动态分配的。hadoop-env.sh有描述：

# The maximum amount of heap to use (Java -Xmx).  If no unit
# is provided, it will be converted to MB.  Daemons will
# prefer any Xmx setting in their respective _OPT variable.
# There is no default; the JVM will autoscale based upon machine
# memory size.
# export HADOOP_HEAPSIZE_MAX=

# The minimum amount of heap to use (Java -Xms).  If no unit
# is provided, it will be converted to MB.  Daemons will
# prefer any Xms setting in their respective _OPT variable.
# There is no default; the JVM will autoscale based upon machine
# memory size.
# export HADOOP_HEAPSIZE_MIN=
HADOOP_NAMENODE_OPTS=-Xmx102400m

如何查看NN所占用内存？

[atguigu@hadoop102 ~]$ jps
3088 NodeManager
2611 NameNode
3271 JobHistoryServer
2744 DataNode
3579 Jps
[atguigu@hadoop102 ~]$ jmap -heap 2611
Heap Configuration:
   MaxHeapSize              = 1031798784 (984.0MB)

如何查看DataNode所占内存？

[atguigu@hadoop102 ~]$ jmap -heap 2744
Heap Configuration:
   MaxHeapSize              = 1031798784 (984.0MB)

DN和NN的内存在默认情况下都是自动分配的，且NN和DN相等。这个就不太合理了，万一两个加起来超过了节点总内存怎么办，可能会崩掉。

经验参考：

https://docs.cloudera.com/documentation/enterprise/6/release-notes/topics/rg_hardware_requirements.html#concept_fzz_dq4_gbb

NameNode是每增加100万个文件块，就增加1G内存；

DataNode是每增加100万个副本，就增加1G内存。

本质上都是管理元数据，可以理解成，各自管理的数据单位量在上100w之后，就增加1G内存。

具体修改：hadoop-env.sh

export HDFS_NAMENODE_OPTS="-Dhadoop.security.logger=INFO,RFAS -Xmx1024m"
export HDFS_DATANODE_OPTS="-Dhadoop.security.logger=ERROR,RFAS -Xmx1024m"

（144）NN心跳并发配置

在实际生产运行时，每台DataNode会跟NameNode通信，客户端也会并发向NameNode发出申请，那么NameNode准备多少个线程是合适的呢，即NameNode的并发线程数设置成多少合适呢？

一般在hdfs-sit.xml文件中配置：

The number of Namenode RPC server threads that listen to requests from clients. If dfs.namenode.servicerpc-address is not configured then Namenode RPC server threads listen to requests from all nodes.
NameNode有一个工作线程池，用来处理不同DataNode的并发心跳以及客户端并发的元数据操作。
对于大集群或者有大量客户端的集群来说，通常需要增大该参数。默认值是10。
<property>
    <name>dfs.namenode.handler.count</name>
    <value>21</value>
</property>

企业经验：dfs.namenode.handler.count=

，比如集群规模（DataNode台数）为3台时，此参数设置为21。

可通过简单的python代码计算该值，代码如下:

[atguigu@hadoop102 ~]$ sudo yum install -y python
[atguigu@hadoop102 ~]$ python
Python 2.7.5 (default, Apr 11 2018, 07:36:10) 
[GCC 4.8.5 20150623 (Red Hat 4.8.5-28)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import math
>>> print int(20*math.log(3))
21
>>> quit()

（145）开启回收站

开启回收站之后，删除的文件会送进回收站，等待超时后再彻底删除，这样子方便恢复原数据，起到防止误删除、备份等作用。本质上是将文件放在特定目录存储，跟windows的回收站功能一样。

单位是min

参数说明：

• 默认值fs.trash.interval = 0，0表示禁用回收站；其他值表示设置文件的存活时间;
• 默认值fs.trash.checkpoint.interval = 0，检查回收站的间隔时间，意思是多长时间去检查一次，准备删除文件。如果该值为0，则该值设置和fs.trash.interval的参数值相等；
• 要求fs.trash.checkpoint.interval <= fs.trash.interval

具体启用的话，是修改core-site.xml，配置垃圾回收时间是1分钟：

<property>
    <name>fs.trash.interval</name>
    <value>1</value>
</property>

那回收站文件的路径在哪儿呢？

回收站目录在HDFS集群中的路径：/user/atguigu/.Trash/....

需要注意，通过网页上HDFS目录管理里删除的文件并不会走回收站。

通过程序删除的文件同样也不会走回收站，除非你在代码里显式调用了moveToTrash()

Trash trash = New Trash(conf);
trash.moveToTrash(path);

所以只有命令行里，通过hadoop fs -rm指令删除的文件，才会走回收站。且当你执行这个指令的时候，会有以下提示：

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /user/atguigu/input
2021-07-14 16:13:42,643 INFO fs.TrashPolicyDefault: Moved: 'hdfs://hadoop102:9820/user/atguigu/input' to trash at: hdfs://hadoop102:9820/user/atguigu/.Trash/Current/user/atguigu/input

那如何恢复回收站数据呢？

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv
/user/atguigu/.Trash/Current/user/atguigu/input    /user/atguigu/input

参考文献

1. 【尚硅谷大数据Hadoop教程，hadoop3.x搭建到集群调优，百万播放】