【基础-配置文件】：hadoop配置文件作用概述ing

通过了解hadoop各配置文件的含义，帮助理解job提交到yarn集群失败时的相关排查、以及job提交时相关配置参考。

文章目录

Hadoop 配置文件分两类：默认配置文件和可配置文件，一般可配置文件生效的优先级大于默认的配置文件。

一、（只读）默认配置文件

默认的配置文件存放在 Hadoop 的 jar 包中的位置

[core-default.xml]        hadoop-common-3.1.3.jar/core-default.xml
[hdfs-default.xml]        hadoop-hdfs-3.1.3.jar/hdfs-default.xml
[yarn-default.xml]        hadoop-yarn-common-3.1.3.jar/yarn-default.xml
[mapred-default.xml]      hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml

二、可配置文件

hadoop-env.sh 、 core-site.xml、hdfs-site.xml 、yarn-site.xml、mapred-site.xml主要的五个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。

配置	说明
hadoop-env.sh	定义hadoop运行环境的相关配置，比如：JAVA_HOME环境变量、hadoop的JVM指定特定的选项、指定日志文件所在的目录路径、master和slave文件的位置等.
core-site.xml	定义系统级别的参数，如HDFS URL、Hadoop的临时目录、用于rack-aware集群中的配置文件的配置等。优先级高于core-default.xml。
hdfs-site.xml	HDFS的相关设定，如文件副本的个数、块大小及是否使用强制权限等。优先级高于hdfs-default.xml。
yarn-site.xml	Yarn的相关配置
mapred-site.xml	如reduce任务的默认个数、任务所能够使用内存的默认上下限等;优先级高于mapred-default.xml

注意：Hadoop2.x和Hadoop3.x的自定义配置文件有一些改变
Hadoop2.x：core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、slaves
Hadoop3.x：core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、workers

1. core-site.xml

核心全局配置文件

配置	说明
hadoop.tmp.dir	其他临时目录的父目录属性会影响nn/snn中的元数据与datanode中的数据文件存放位置。见下面hdfs-site.xml中的描述。例子：/usr/local/data/hadoop/tmp
fs.defaultFS	默认文件系统的名称。通常指定namenode的URI地址，包括主机和端口例子：hdfs://hadoop-alone:9000
io.file.buffer.size	在序列文件中使用的缓冲区大小，是页大小例子：4096
ha.zookeeper.quorum	zk集群，数量是奇数，且不少于三个节点 hadoop1:2181,hadoop2:2181,hadoop3:2181

2. hdfs-site.xml

配置	说明
dfs.replication	副本数量。例子：3
dfs.blocksize	块大小。例子：268435456
dfs.namenode.name.dir	存放nn元数据（fsimage）目录，如果是目录列表，则用于冗余; 例子：file://${hadoop.tmp.dir}/dfs/name
dfs.datanode.data.dir	dn块目录，如果是目录列表，则数据将存储在所有命名的目录中，通常存储在不同的设备上例子：file://${hadoop.tmp.dir}/dfs/data
dfs.namenode.http-address	nn服务器server；0.0.0.0:50070
dfs.namenode.secondary.http-address	snn服务器server；0.0.0.0:50090
dfs.permissions	false
dfs.permissions.enabled	false
dfs.nameservices	hdfs集群名字；例子：hadoop-cluster1

3. yarn-site.xml

配置	说明
yarn.resourcemanager.hostname	RM的hostname
yarn.resourcemanager.address	RM对客户端暴露的地址，客户端通过该地址向RM提交应用程序等 ${yarn.resourcemanager.hostname}:8032
yarn.resourcemanager.scheduler.address	RM对AM暴露的地址，AM通过地址向RM申请资源，释放资源等 ${yarn.resourcemanager.hostname}:8030
yarn.resourcemanager.webapp.address	RM对外暴露的web http地址，用户可通过该地址在浏览器中查看集群信息 ${yarn.resourcemanager.hostname}:8088
yarn.resourcemanager.webapp.https.address	web https 地址 ${yarn.resourcemanager.hostname}:8090
yarn.resourcemanager.resource-tracker.address	RM对NM暴露地址，NM通过该地址向RM汇报心跳，领取任务等 ${yarn.resourcemanager.hostname}:8031
yarn.scheduler.minimum-allocation-mb	可申请的最少内存资源，以MB为单位；例子：1024
yarn.scheduler.maximum-allocation-mb	可申请的最大内存资源，以MB为单位；例子：8192
yarn.nodemanager.resource.memory-mb	NM总的可用物理内存，以MB为单位。一旦设置，不可动态修改;例子：8192
yarn.nodemanager.resource.cpu-vcores	可分配的CPU个数;例子：8
yarn.nodemanager.aux-services	NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序。YARN 集群为 MapReduce 程序提供的 shuffle 服务；例子：mapreduce_shuffle