HDFS
dfs.block.size
HDFS中的数据block大小，默认是64M，对于较大集群，可以设置为128或264M dfs.datanode.socket.write.timeout/dfs.socket.timeout
增加dfs.datanode.socket.write.timeout和dfs.socket.timeout两个属性的设置（默认300），比如30000，避免可能出现的IO超时异常 dfs.datanode.max.transfer.threads
增加datanode在进行文件传输时最大线程数（默认4096），比如8192，假设集群中有某台dataode主机的这个值比其他主机的大，那么这台主机上存储的数据相对别的主机比较多，导致数据分布不均匀的问题，即使balance仍然会不均匀 dfs.namenode.handler.count
设定 namenode server threads 的数量，默认是10，对于较大集群，可适当调大，比如64。这些 threads 會用 RPC 跟其他的 datanodes 沟通。当 datanodes 数量太多时会发現很容易出現 RPC timeout，解決方法是提升网络速度或提高这个值，但要注意的是 thread 数量多也表示 namenode 消耗的内存也随着增加 dfs.datanode.handler.count
datanode上用于处理RPC的线程数，默认是3，对于较大集群可适当调大，比如8。
YARN
yarn.app.mapreduce.am.resource.mb
ApplicationMaster的container占用的内存大小，可适当调低 mapreduce.map.memory.mb/mapreduce.reduce.memory.mb
作业的每个 Map/Reduce任务分配的物理内存量，参数大于最小容器内存（yarn.scheduler.minimum-allocation-mb），两个参数配置的值设置一样即可
mapreduce.map.java.opts.max.heap/mapreduce.reduce.java.opts.max.heap
每个Map/Reduce的JVM启动所占用的内存，正常此参数小于等于Map/Reduce申请的内存（mapreduce.map.memory.mb/mapreduce.reduce.memory.mb）的85%，因为map任务里不一定只跑java，比如hadoop streaming程序 io.file.buffer.size
SequenceFiles 读取和写入操作的缓存区大小，还有map的输出都用到了这个缓冲区容量， 可减少 I/O 次数。建议设定为 64KB 到 128KB mapreduce.task.io.sort.factor
Reduce Task中合并小文件时，一次合并的文件数据，每次合并的时候选择最小的前N个进行合并，此参数正常与mapreduce.task.io.sort.mb一起配置
mapreduce.task.io.sort.mb
Map Task缓冲区排序文件时要使用的内存缓冲总量，如果mapreduce.task.io.sort.factor设置了较大值，此参数也应相应调大 io.sort.spill.percent
mapreduce.task.io.sort.mb的阈值，默认是80％,当buffer中的数据达到这个阈值，后台线程会起来对buffer中已有的数据进行排序，然后写入磁盘 yarn.nodemanager.resource.memory-mb
NodeManager节点上可使用的物理内存总量，默认是8192（MB），根据节点所能分配的最大的内存进行分配即可（扣除其他服务内存、系统内存等） yarn.scheduler.minimum-allocation-mb
容器可以请求的最小物理内存量，此参数小于等于作业分配的Map\Reduce内存量（mapreduce.map.memory.mb/mapreduce.reduce.memory.mb） yarn.scheduler.increment-allocation-mb
内存规整化单位，为容器申请内存增量，最后内存请求数量将四舍五入为该数字最接近的倍数，比如使用 Fair Scheduler，Container请求资源是1.5GB，容量增量为1G，则将被调度器规整化为ceiling(1.5 GB / 1GB) * 1G ≈ 2GB（公式：（请求资源 / 容量增量）*容量增量 ） yarn.scheduler.maximum-allocation-mb
单个任务可申请的最大物理内存量（默认是8192（MB））。默认情况下，YARN采用了线程监控的方法判断任务是否超量使用内存，一旦发现超量，则直接将其杀死
HBASE
zookeeper.session.timeout
RegionServer与Zookeeper间的连接超时时间，默认180000ms（正常维持这个时间）。当超时时间到后，ReigonServer会被Zookeeper从集群清单中移除，HMaster收到移除通知后，会对这台server负责的regions重新balance，让其他存活的RegionServer接管，修改此参数也应该修改Zookeeper对应最大超时时间（maxSessionTimeout） hbase.hregion.max.filesize
在当前ReigonServer上单个Reigon的最大存储空间，单个Region超过该值时，这个Region会被自动split成更小的region，一般512M以下的都算小region，根据实际情况可设置成5-10G大小
hbase.regionserver.handler.count
增大RegionServer中启动的 RPC服务器实例数量（默认10），比如50，此参数正常与hbase.client.write.buffer一起配置 hbase.client.write.buffer
增大htable客户端写缓冲区大小（默认是2097152），比如5M，缓冲区是为了写数据的临时存放，设置大了，浪费客户端和服务端的存储，设置小了，如果写的数据多，太多的RPC又带来网络开销，官方给的一个服务端存储耗费评估计算是：hbase.client.write.buffer*hbase.regionserver.handler.count，服务端的region server的处理handler个数也很关键 hbase.hregion.memstore.flush.size
当单个memstore达到指定值时，flush该memstore（一台ReigonServer可能有成百上千个memstore），CDH5.2.0默认大小为128M，内存允许情况下，适当调高此参数，可避免过多的flush
hbase.regionserver.global.memstore.upperLimit/lowerLimit
这是一个Heap内存保护参数，默认值已经能适用大多数场景（如非特殊情况，不做修改）。hbase.regionserver.global.memstore.upperLimit的意思是当ReigonServer内所有的memstore所占用的内存总和达到heap的hbase.regionserver.global.memstore.upperLimit大小时，HBase会强制block所有的更新并flush这些memstore以释放所有memstore占用的内存；hbase.regionserver.global.memstore.lowserLimit的意思是当全局memstore的内存达到hbase.regionserver.global.memstore.lowserLimit大小时，它不会flush所有的memstore，它会找一些内存占用较大的 memstore，做个别flush，当然更新还是会被block hfile.block.cache.size
该值直接影响数据读的性能，storefile的读缓存占用Heap的大小百分比。如果读比写少，0.4-0.5，如果读写较均衡，0.3左右。如果写比读多，默认即可。设置这个值的时候，需要参考 hbase.regionserver.global.memstore.upperLimit，如果两值加起来超过80-90%，会有OOM的风险
hbase.hstore.blockingStoreFiles
在compaction时，如果一个Store(Coulmn Family)内有超过base.hstore.blockingStoreFiles个storefile需要合并，则block所有的写请求，进行flush，限制storefile数量增长过快，直到完成压缩或直到超过为 hbase.hstore.blockingWaitTime指定的值。但是block写请求会影响当前region的性能，将值设为单个region可以支撑的最大store file数量会是个不错的选择，即允许comapction时，memstore继续生成storefile。最大storefile数量可通过 hbase.hregion.max.filesize/hbase.hregion.memstore.flush.size来计算 hbase.hstore.blockingWaitTime
达到由hbase.hstore.blockingStoreFiles指定的 HStoreFile 限制后，HRegion 阻止更新的时间段。此时间段过后，HRegion 将停止阻止更新，即使尚未完成压缩，即写请求继续被处理，可适当增大是参数
hbase.client.scanner.caching
scanner一次缓存多少数据来scan(从服务端一次读取多少数据回来scan)，内存允许情况下，增大此参数
SOLR
Solr Server 的 Java 堆栈大小
Java 进程堆栈内存的最大大小，传递到Java -Xmx，内存允许情况下，调高此参数 Solr 服务器的 Java 直接内存大小 由Java进程分配的最大堆栈外内存量。传递到 Java -XX:MaxDirectMemorySize。如果未设置，则默认为堆的大小，内存允许情况下，调高此参数 schema.xml优化
1. 将所有只用于搜索的，而不需要作为结果的field（特别是一些比较大的field）的stored设置为false
2. 将不需要被用于搜索的，而只是作为结果返回的field的indexed设置为false
3. 删除所有不必要的copyField声明
4. 使用尽可能高的Log输出等级，减少日志量 solrConfig.xml优化
1. 增大maxBufferedDocs大小，增加服务器接收批量请求数，也可通过增加ramBuffe
rSizeMB大小来增加服务器buffer
ZOOKEEPER
maxClientCnxns
增大此参数，增加最大客户端连接数 maxSessionTimeout
增大此参数，增加最大会话时间
更多精彩请关注：http://bbs.superwu.cn
关注超人学院微信二维码：
原文地址：http://crxy2013.blog.51cto.com/9922445/1651319
