hadoop性能测试

agangliu0400

　　（一）TestDFSIO
　　1、测试写性能
　　（1）若有必要，先删除历史数据
　　$hadoop jar /home/hadoop/hadoop/share/hadoop/mapreduce2/hadoop-mapreduce-client-jobclient-2.3.0-cdh5.1.2-tests.jar TestDFSIO -clean
　　（2）执行测试
　　$hadoop jar /home/hadoop/hadoop/share/hadoop/mapreduce2/hadoop-mapreduce-client-jobclient-2.3.0-cdh5.1.2-tests.jar TestDFSIO -write -nrFiles 5 -fileSize 20
　　（3）查看结果：每一次测试生成一个结果，并以附加的形式添加到TestDFSIO_results.log中
　　$cat TestDFSIO_results.log
　　----- TestDFSIO ----- : write
　　Date & time: Mon May 11 09:41:34 HKT 2015
　　Number of files:
　　Total MBytes processed: 100.0
　　Throughput mb/sec: 21.468441391155004
　　Average IO rate mb/sec: 25.366744995117188
　　IO rate std deviation: 12.744636924030177
　　Test exec time sec: 27.585
　　----- TestDFSIO ----- : write
　　Date & time: Mon May 11 09:42:28 HKT 2015
　　Number of files: 5
　　Total MBytes processed: 100.0
　　Throughput mb/sec: 22.779043280182233
　　Average IO rate mb/sec: 25.440486907958984
　　IO rate std deviation: 9.930490103638768
　　Test exec time sec: 26.67
　　（4）结果说明
　　Total MBytes processed ： 总共需要写入的数据量 100MB
　　Throughput mb/sec ：总共需要写入的数据量/（每个map任务实际写入数据的执行时间之和（这个时间会远小于Test exec time sec））＝＝》100/(map1写时间+map2写时间+...)
　　Average IO rate mb/sec ：（每个map需要写入的数据量/每个map任务实际写入数据的执行时间）之和/任务数＝＝》(20/map1写时间＋20/map2写时间+...)/1000，所以这个值跟上面一个值总是存在差异。
　　IO rate std deviation ：上一个值的标准差
　　Test exec time sec ：整个job的执行时间
　　2、测试读性能
　　（1）执行测试
　　$ hadoop jar /home/hadoop/hadoop/share/hadoop/mapreduce2/hadoop-mapreduce-client-jobclient-2.3.0-cdh5.1.2-tests.jar TestDFSIO -read -nrFiles 5 -fileSize 20
　　（2）查看测试结果
　　$ cat TestDFSIO_results.log
　　----- TestDFSIO ----- : read
　　Date & time: Mon May 11 09:53:27 HKT 2015
　　Number of files: 5
　　Total MBytes processed: 100.0
　　Throughput mb/sec: 534.75935828877
　　Average IO rate mb/sec: 540.4888916015625
　　IO rate std deviation: 53.93029580221512
　　Test exec time sec: 26.704
　　（3）结果说明
　　结果各项意思与write相同，但其读速率比写速率快很多，而总执行时间非常接近。真正测试时，应该用较大的数据量来执行，才可体现出二者的差异。
　　（二）排序测试
　　在api文档中搜索terasort，可查询相关信息。
　　排序测试的三个基本步骤：
　　生成随机数据??>排序??>验证排序结果
　　关于terasort更详细的原理，见http://blog.csdn.net/yuesichiu/article/details/17298563
　　1、生成随机数据
　　$ hadoop jar /home/hadoop/hadoop/share/hadoop/mapreduce2/hadoop-mapreduce-examples-2.3.0-cdh5.1.2.jar  teragen -Dmapreduce.job.maps=5 10000000 /tmp/hadoop/terasort
　　此步骤将在hdfs中的 /tmp/hadoop/terasort  中生成数据，
　　$  hadoop fs -ls /tmp/hadoop/terasort
　　Found 6 items
　　-rw-r-----   3 hadoop supergroup          0 2015-05-11 11:32 /tmp/hadoop/terasort/_SUCCESS
　　-rw-r-----   3 hadoop supergroup  200000000 2015-05-11 11:32 /tmp/hadoop/terasort/part-m-00000
　　-rw-r-----   3 hadoop supergroup  200000000 2015-05-11 11:32 /tmp/hadoop/terasort/part-m-00001
　　-rw-r-----   3 hadoop supergroup  200000000 2015-05-11 11:32 /tmp/hadoop/terasort/part-m-00002
　　-rw-r-----   3 hadoop supergroup  200000000 2015-05-11 11:32 /tmp/hadoop/terasort/part-m-00003
　　-rw-r-----   3 hadoop supergroup  200000000 2015-05-11 11:32 /tmp/hadoop/terasort/part-m-00004
　　$ hadoop fs -du -s -h /tmp/hadoop/terasort
　　953.7 M  /tmp/hadoop/terasort
　　生成的5个数据竟然是每个200M，未解，为什么不是10M？？？
　　2、运行测试
　　$hadoop jar /home/hadoop/hadoop/share/hadoop/mapreduce2/hadoop-mapreduce-examples-2.3.0-cdh5.1.2.jar  terasort -Dmapreduce.job.maps=5 /tmp/hadoop/terasort /tmp/hadoop/terasort_out
　　Spent 354ms computing base-splits.
　　Spent 8ms computing TeraScheduler splits.
　　Computing input splits took 365ms
　　Sampling 10 splits of 10
　　Making 1 from 100000 sampled records
　　Computing parititions took 6659ms
　　Spent 7034ms computing partitions.
　　3、验证结果
　　$ hadoop jar /home/hadoop/hadoop/share/hadoop/mapreduce2/hadoop-mapreduce-examples-2.3.0-cdh5.1.2.jar teravalidate  /tmp/hadoop/terasort_out /tmp/hadoop/terasort_report
　　Spent 44ms computing base-splits.
　　Spent 7ms computing TeraScheduler splits.
　　二、hibench
　　hibench4.0测试不成功，使用3.0代替
　　1、下载并解压
　　wget https://codeload.github.com/intel-hadoop/HiBench/zip/HiBench-3.0.0
　　unzip HiBench-3.0.0
　　2、修改文件  bin/hibench-config.sh，主要是这几个
　　export JAVA_HOME=/home/hadoop/jdk1.7.0_67
　　export HADOOP_HOME=/home/hadoop/hadoop
　　export HADOOP_EXECUTABLE=/home/hadoop/hadoop//bin/hadoop
　　export HADOOP_CONF_DIR=/home/hadoop/conf
　　export HADOOP_EXAMPLES_JAR=/home/hadoop/hadoop/share/hadoop/mapreduce2/hadoop-mapreduce-examples-2.3.0-cdh5.1.2.jar
　　export MAPRED_EXECUTABLE=/home/hadoop/hadoop/bin/mapred
　　#Set the varaible below only in YARN mode
　　export HADOOP_JOBCLIENT_TESTS_JAR=/home/hadoop/hadoop/share/hadoop/mapreduce2/hadoop-mapreduce-examples-2.3.0-cdh5.1.2.jar/hadoop-mapreduce-client-jobclient-2.3.0-cdh5.1.2-tests.jar
　　3、修改conf/benchmarks.lst，哪些不想运行的将之注释掉
　　4、运行
　　bin/run-all.sh
　　5、查看结果
　　在当前目录会生成hibench.report文件，内容如下
　　Type         Date       Time     Input_data_size      Duration(s)          Throughput(bytes/s)  Throughput/node
　　WORDCOUNT    2015-05-12 19:32:33 251.248
　　DFSIOE-READ  2015-05-12 19:54:29 54004092852          463.863              116422505            38807501
　　DFSIOE-WRITE 2015-05-12 20:02:57 27320849148          498.132              54846605             18282201
　　PAGERANK     2015-05-12 20:27:25 711.391
　　SORT         2015-05-12 20:33:21 243.603
　　TERASORT     2015-05-12 20:40:34 10000000000          266.796              37481821             12493940
　　SLEEP        2015-05-12 20:40:40 0                    .177                 0                    0