Hadoop 3.x（生产调优手册）----【HDFS--集群压测】
在企业中非常关心每天从 Java 后台拉取过来的数据，需要多久能上传到集群？消费者关心多久能从 HDFS 上拉取需要的数据？
为了搞清楚 HDFS 的读写性能，生产环境上非常需要对集群进行压测。
HDFS 的读写性能主要受网络和磁盘影响比较大。为了方便测试，将 hadoop102、hadoop103、hadoop104 虚拟机网络都设置为 100mbps。
100Mbps 单位是 bit；10M/s 单位是 byte；1byte = 8bit，100Mbps/8 = 12.5M/s。
[fickler@hadoop102 hadoop]$ python -m SimpleHTTPServer
1. 测试HDFS写性能
- 写测试底层原理
- 测试内容：向 HDFS 集群写 10 个 128M 的文件
[fickler@hadoop103 hadoop-3.1.3]$ 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
Number of files：生成 mapTask 数量，一般是集群中（CPU核数-1），我们测试虚拟机就按照实际的物理内存-1分配即可Total MBytes processed：单个 map 处理的文件大小Throughput mb/sec：单个 mapTak 的吞吐量
计算方式：处理的总文件大小/每一个 mapTask 写数据的时间累加
集群整天吞吐量：生成 mapTask 数量*单个 mapTask 的吞吐量Average IO rate mb/sec：平均 mapTask 的吞吐量
计算方式：每个 mapTask 处理文件大小/每一个 mapTask 写数据的时间全部相加除以 task 数量IO rate std deviation：方差、反映各个 mapTask 处理的差值，越小越均衡
- 注意：如果测试过程中，出现异常
（1）可以在 yarn-site.xml 中设置虚拟内存检测为 false
<!--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>
（2）分发配置并重启 Yarn 集群
- 测试结果分析
（1）由于副本 1 就在本地，所以该副本不参与测试
一共参与测试的文件：10 个文件 * 2 个副本 = 20 个
压测后的速度：1.61
实测速度：1.61M/s * 20 个文件 ≈ 32M/s
三台服务器的带宽：12.5 + 12.5 + 12.5 ≈ 30 m/s
所有网络资源都已经用满。
如果实测速度远远小于网络，并且实测速度不能满足工作需求，可以考虑采用固态硬盘或者增加磁盘个数。
（2）如果客户端不在集群节点，那就三个副本都参与计算
2. 测试HDFS 读性能
- 测试内容：读取 HDFS 集群 10 个 128M 的文件
- 删除测试生成数据
[fickler@hadoop103 hadoop-3.1.3]$ hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-3.1.3-tests.jar TestDFSIO -clean
- 测试结果分析：为什么读取文件速度大于网络带宽？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。
