CDH（Cloudera Distribution Including Apache Hadoop）是基于开源Apache Hadoop项目构建的企业级大数据平台，提供了一套完整的、经过集成优化的Hadoop生态系统组件。在性能优化和故障排查方面，以下是一些关键的经验分享：

1. **硬件资源优化**：
- 根据工作负载特性合理分配CPU、内存、磁盘I/O以及网络带宽资源。
- 选择适合大数据处理的存储类型，例如使用SSD加速数据读写速度。
- 考虑数据本地化原则，尽量让计算任务在数据所在的节点上执行以减少网络传输。

2. **集群配置调优**：
- HDFS：调整NameNode的内存大小，优化Block Size以匹配业务需求；监控并设置合理的Replication Factor，确保数据可靠性与存储效率的平衡。
- MapReduce/Spark：调整Map和Reduce任务的数量、每个任务的内存大小、Java Heap Size等参数，使之适应具体的工作负载规模和计算需求。
- YARN：根据集群规模和应用需求设置Container大小、调度策略，并合理分配队列资源。

3. **数据压缩与序列化**：
- 对中间数据或输出结果采用高效压缩算法（如Snappy、LZO、ZSTD等），减少磁盘空间占用和网络传输成本。
- 使用高效的序列化库（如Kryo、protobuf等）来提升数据在分布式环境中的读写速度。

4. **服务优化**：
- 定期清理过期日志和其他临时文件，避免磁盘空间满导致的服务异常。
- 启用NameNode HA（高可用性）架构，防止单点故障影响整个集群运行。
- 对关键服务进行健康检查，确保所有节点和服务正常运行。

5. **监控与诊断**：
- 利用Cloudera Manager、Ganglia等工具进行系统性能监控，包括但不限于CPU利用率、内存使用情况、磁盘I/O、网络流量等指标。
- 查看作业日志和堆栈信息，分析失败原因和瓶颈所在，如发现数据倾斜问题，可以尝试调整shuffle策略或优化业务逻辑。
- 运行MapReduce或Spark的性能调优工具，比如Hadoop Tuning and Diagnostic Tools (HTDT)，获取更详细的性能报告和建议。

6. **维护最佳实践**：
- 定期对集群进行健康检查和性能审计，及时发现潜在问题并修复。
- 根据业务增长趋势动态扩展集群规模，保持资源供应与需求的平衡。
- 维护良好的备份恢复机制，确保在出现故障时能快速恢复正常服务。

7. **版本升级与兼容性**：
- 在进行版本升级时，注意新旧版本间的兼容性问题，遵循官方推荐的最佳实践进行平滑过渡，同时评估新版带来的性能提升和功能增强。

通过以上一系列优化措施和故障排查经验，可以帮助企业持续改进CDH Hadoop集群的整体性能和稳定性，从而更好地服务于各类大数据应用场景。