前言
使用Hadoop进行离线分析或者数据挖掘的工程师，经常会需要对Hadoop集群或者mapreduce作业进行性能调优。也许你知道通过浏览器访问http://master:18088/conf来查看配置信息，如下图所示：
但是当Linux工程师们只面对命令行时，如何查看呢？而且如果运维工程师根据集群状况及运行历史使用shell、Python、ruby等脚本写些运维代码，甚至动态调整集群参数时，该怎么办呢？性能调优的前提是需要能准确知道目前针对Hadoop集群或者mapreduce作业配置的参数。在MySQL中可以通过以下命令查询参数值：
SHOW VARIABLES LIKE 'some_parameter'
也可以使用以下命令查询参数值：
SELECT @@session.some_parameter SELECT @@global.some_parameter
或者直接查询information_schema.GLOBAL_VARIABLES得到参数值。
可惜的是Hadoop没有提供类似的方式，这对于在Linux系统下查看参数进而修改参数增加了成本和负担。尽管我们可以
本文将针对这一需求，基于Hadoop开发一个简单实用的工具查询查看各种参数。
准备工作
首先在Hadoop集群的Master节点的个人目录下创建workspace目录用于存储开发的Hadoop应用代码，命令如下：
mkdir workspace
进入workspace目录，开始编辑HadoopConfDisplay.java代码：
为便于大家使用，我把代码都列出来，这其实也是借鉴了网上别人的一些内容：
import java.util.Map.Entry;
import org.apache.hadoop.conf.*;
import org.apache.hadoop.util.*;
public class HadoopConfDisplay extends Configured implements Tool {
static {
Configuration.addDefaultResource("core-site.xml");
Configuration.addDefaultResource("hdfs-site.xml");
Configuration.addDefaultResource("mapred-site.xml");
Configuration.addDefaultResource("yarn-site.xml");
}
@Override
public int run(String[] args) throws Exception {
Configuration conf = getConf();
for (Entry<String, String> entry: conf) {
System.out.printf("%s=%s
", entry.getKey(), entry.getValue());
}
return 0;
}
public static void main(String[] args) throws Exception {
int exitCode = ToolRunner.run(new HadoopConfDisplay(), args);
System.exit(exitCode);
}
}
在Hadoop的根目录下创建myclass，此目录用于存储个人开发的Hadoop应用代码编译后的class或者jar包。我本地的目录为/home/jiaan.gja/install/hadoop-2.6.0/myclass/
由于HadoopConfDisplay中使用了hadoop-common-2.6.0.jar中的类，所以编译HadoopConfDisplay.java时需要指定classpath。同时将编译后的class输出到/home/jiaan.gja/install/hadoop-2.6.0/myclass/目录下。执行命令如下：
进入myclass目录，将编译好的HadoopConfDisplay的class打到jar包里：
jar cvf mytest.jar *
执行过程如下：
成果验证
经过以上准备，最终我们生成了mytest.jar包文件，现在到了验证输出Hadoop配置参数的时候。输入以下命令：
hadoop jar mytest.jar HadoopConfDisplay
输出结果如下图：
由于参数的确很多，这里只展示了其中的一部分信息。这里显示的信息虽然很多，可是会发现很多参数并没有包括进来，比如：
mapreduce.job.ubertask.enable
mapreduce.job.ubertask.maxreduces
mapreduce.job.ubertask.maxmaps
完善
还记得本文刚开始说的通过web界面查看Hadoop集群参数的内容吗？我在我个人搭建的集群（有关集群的搭建可以参照《Linux下Hadoop2.6.0集群环境的搭建》）上访问http://master:18088/conf页面时，可以找到以上缺失的参数如下所示：
<configuration>
<property>
<name>mapreduce.job.ubertask.enable</name>
<value>false</value>
<source>mapred-default.xml</source>
</property>
<!-- 省略其它参数属性 -->
<property>
<name>mapreduce.job.ubertask.maxreduces</name>
<value>1</value>
<source>mapred-default.xml</source>
</property>
<!-- 省略其它参数属性 -->
<property>
<name>mapreduce.job.ubertask.maxmaps</name>
<value>9</value>
<source>mapred-default.xml</source>
</property>
<!-- 省略其它参数属性 -->
</configuration>
从以上内容我们可以看见缺失的参数都配置在mapred-default.xml中，而我之前编写的HadoopConfDisplay类的代码中并未包含此配置。此外，未包括进来的配置文件还有yarn-default.xml、core-default.xml（说明Hadoop参数默认是从*-default.xml的几个文件中读取的）。最后我们将这些内容也编辑进去，代码如下：
import java.util.Map.Entry;
import org.apache.hadoop.conf.*;
import org.apache.hadoop.util.*;
public class HadoopConfDisplay extends Configured implements Tool {
static {
Configuration.addDefaultResource("core-default.xml");
Configuration.addDefaultResource("yarn-default.xml");
Configuration.addDefaultResource("mapred-default.xml");
Configuration.addDefaultResource("core-site.xml");
Configuration.addDefaultResource("hdfs-site.xml");
Configuration.addDefaultResource("mapred-site.xml");
Configuration.addDefaultResource("yarn-site.xml");
}
@Override
public int run(String[] args) throws Exception {
Configuration conf = getConf();
for (Entry<String, String> entry: conf) {
System.out.printf("%s=%s
", entry.getKey(), entry.getValue());
}
return 0;
}
public static void main(String[] args) throws Exception {
int exitCode = ToolRunner.run(new HadoopConfDisplay(), args);
System.exit(exitCode);
}
}
最后我们按照之前的方式编译打包为mytest.jar，再执行命令验证的结果如下图所示：
之前缺失的参数都出来了，呵呵！
这下大家可以愉快的进行性能调优了。
后记：个人总结整理的《深入理解Spark：核心思想与源码分析》一书现在已经正式出版上市，目前京东、当当、天猫等网站均有销售，欢迎感兴趣的同学购买。
