hdfs-site.xml调优：
1.dfs.namenode.handler.count=20 * log2(Cluster Size)
比如集群规模为 8 台时，此参数设置为 60
NameNode 有一个工作线程池，用来处理不同 DataNode 的并发心跳以及客户端并发
的元数据操作。对于大集群或者有大量客户端的集群来说，通常需要增大参数
dfs.namenode.handler.count 的默认值 10。设置该值的一般原则是将其设置为集群大小的自然对数乘以 20，即 20logN，N 为集群大小。
当集群很庞大却没有适当调大该值时，namenode和datanode的通信就会被阻塞，太大则会造成资源浪费
yarn-site.xml调优：
1.yarn.nodemanager.resource.memory-mb
表示该节点上 YARN 可使用的物理内存总量，默认是 8192（MB），注意，如果你的节点
内存资源不够 8GB，则需要调减小这个值，而 YARN 不会智能的探测节点的物理内存总量。
2.yarn.scheduler.maximum-allocation-mb
单个任务可申请的最多物理内存量，默认是 8192（MB）
当数据源很大时却没有适当调大该值时，集群会跑得没有预期快，甚至会宕机
Hadoop宕机
1.MR 造成系统宕机
控制 Yarn 同时运行的任务数，和每个任务申请的最大内存。
调整参数：yarn.scheduler.maximum-allocation-mb（单个任务可申请的最多物理内存量，默认是 8192MB）
2.写入文件过量造成 NameNode 宕机
调高 Kafka 的存储大小，控制从 Kafka到 HDFS 的写入速度。高峰期的时候用 Kafka 进行缓存，高峰期过去数据同步会自动跟上。