其他分享
首页 > 其他分享> > 第二十四章 HDFS—存储优化

第二十四章 HDFS—存储优化

作者：互联网

注：演示纠删码和异构存储需要一共5台服务器。尽量拿另外一套集群。提前准备5台服务器的集群。

一、纠删码基本概述

1.纠删码原理

HDFS默认情况下，一个文件有3个副本，这样提高了数据的可靠性，但也带来了2倍的冗余开销。Hadoop3.x引入了纠删码，采用计算的方式，可以节省约50％左右的存储空间

2.纠删码操作相关的命令

[delopy@hadoop102 ~]$ hdfs ec
Usage: bin/hdfs ec [COMMAND]
          [-listPolicies]
          [-addPolicies -policyFile <file>]
          [-getPolicy -path <path>]
          [-removePolicy -policy <policy>]
          [-setPolicy -path <path> [-policy <policy>] [-replicate]]
          [-unsetPolicy -path <path>]
          [-listCodecs]
          [-enablePolicy -policy <policy>]
          [-disablePolicy -policy <policy>]
          [-help <command-name>].

3.查看当前支持的纠删码策略

[delopy@hadoop102 ~]$ hdfs ec -listPolicies
Erasure Coding Policies:
ErasureCodingPolicy=[Name=RS-10-4-1024k, Schema=[ECSchema=[Codec=rs, numDataUnits=10, numParityUnits=4]], CellSize=1048576, Id=5], State=DISABLED
ErasureCodingPolicy=[Name=RS-3-2-1024k, Schema=[ECSchema=[Codec=rs, numDataUnits=3, numParityUnits=2]], CellSize=1048576, Id=2], State=DISABLED
ErasureCodingPolicy=[Name=RS-6-3-1024k, Schema=[ECSchema=[Codec=rs, numDataUnits=6, numParityUnits=3]], CellSize=1048576, Id=1], State=ENABLED
ErasureCodingPolicy=[Name=RS-LEGACY-6-3-1024k, Schema=[ECSchema=[Codec=rs-legacy, numDataUnits=6, numParityUnits=3]], CellSize=1048576, Id=3], State=DISABLED
ErasureCodingPolicy=[Name=XOR-2-1-1024k, Schema=[ECSchema=[Codec=xor, numDataUnits=2, numParityUnits=1]], CellSize=1048576, Id=4], State=DISABLED

4.纠删码策略解释

RS-3-2-1024k：使用RS编码，每3个数据单元，生成2个校验单元，共5个单元，也就是说：这5个单元中，只要有任意的3个单元存在（不管是数据单元还是校验单元，只要总数=3），就可以得到原始数据。每个单元的大小是1024k=1024*1024=1048576。


RS-10-4-1024k：使用RS编码，每10个数据单元（cell），生成4个校验单元，共14个单元，也就是说：这14个单元中，只要有任意的10个单元存在（不管是数据单元还是校验单元，只要总数=10），就可以得到原始数据。每个单元的大小是1024k=1024*1024=1048576。

RS-6-3-1024k：使用RS编码，每6个数据单元，生成3个校验单元，共9个单元，也就是说：这9个单元中，只要有任意的6个单元存在（不管是数据单元还是校验单元，只要总数=6），就可以得到原始数据。每个单元的大小是1024k=1024*1024=1048576。

RS-LEGACY-6-3-1024k：策略和上面的RS-6-3-1024k一样，只是编码的算法用的是rs-legacy。 

XOR-2-1-1024k：使用XOR编码（速度比RS编码快），每2个数据单元，生成1个校验单元，共3个单元，也就是说：这3个单元中，只要有任意的2个单元存在（不管是数据单元还是校验单元，只要总数= 2），就可以得到原始数据。每个单元的大小是1024k=1024*1024=1048576。

二、纠删码案例实操

纠删码策略是给具体一个路径设置。所有往此路径下存储的文件，都会执行此策略。

默认只开启对RS-6-3-1024k策略的支持，如要使用别的策略需要提前启用。

1.需求

将/input目录设置为RS-3-2-1024k策略

2.具体步骤

#1.开启对RS-3-2-1024k策略的支持
[delopy@hadoop102 hadoop]$  hdfs ec -enablePolicy  -policy RS-3-2-1024k
Erasure coding policy RS-3-2-1024k is enabled

#2.在HDFS创建目录，并设置RS-3-2-1024k策略
[delopy@hadoop102  hadoop]$  hdfs dfs -mkdir /input

[delopy@hadoop202 hadoop]$ hdfs ec -setPolicy -path /input -policy RS-3-2-1024k

#3.上传文件，并查看文件编码后的存储情况
[delopy@hadoop102 hadoop]$ hdfs dfs -put web.log /input
注：你所上传的文件需要大于2M才能看出效果。（低于2M，只有一个数据单元和两个校验单元）

#4.查看存储路径的数据单元和校验单元，并作破坏实验

三、异构存储（冷热数据分离）

异构存储主要解决，不同的数据，存储在不同类型的硬盘中，达到最佳性能的问题。

1.存储类型和存储策略

#1.关于存储类型
RAM_DISK:(内存镜像文件系统)
SSD:(SSD固态硬盘)
DISK:(普通磁盘，在HDFS中，如果没有主动声明数据目录存储类型默认都是DISK)
ARCHIVE:（没有特指哪种存储介质，主要的指的是计算能力比较弱而存储密度比较高的存储介质，用来解决数据量的容量扩增的问题，一般用于归档)

#2.关于存储策略
说明:从Lazy_Persist到Cold，分别代表了设备的访问速度从快到慢

2.异构存储Shell操作

#1.查看当前有哪些存储策略可以用
[delopy@hadoop102 hadoop]$ hdfs storagepolicies -listPolicies

#2.为指定路径（数据存储目录）设置指定的存储策略
hdfs storagepolicies -setStoragePolicy -path xxx -policy xxx

#3.获取指定路径（数据存储目录或文件）的存储策略
hdfs storagepolicies -getStoragePolicy -path xxx

#4.取消存储策略；执行改命令之后该目录或者文件，以其上级的目录为准，如果是根目录，那么就是HOT
hdfs storagepolicies -unsetStoragePolicy -path xxx

#5.查看文件块的分布
bin/hdfs fsck xxx -files -blocks -locations

#6.查看集群节点
hadoop dfsadmin -report

四、异构存储环境准备

1.测试环境描述

服务器规模：5台
集群配置：副本数为2，创建好带有存储类型的目录（提前创建）
集群规划：
节点 存储类型分配
hadoop102 RAM_DISK，SSD
hadoop103 SSD，DISK
hadoop104 DISK，RAM_DISK
hadoop105 ARCHIVE
hadoop106 ARCHIVE

2.配置文件信息

#1.为hadoop102节点的hdfs-site.xml添加如下信息
<property>
	<name>dfs.replication</name>
	<value>2</value>
</property>
<property>
	<name>dfs.storage.policy.enabled</name>
	<value>true</value>
</property>
<property>
	<name>dfs.datanode.data.dir</name> 
	<value>[SSD]file:///opt/module/hadoop/hdfsdata/ssd,[RAM_DISK]file:///opt/module/hadoop/hdfsdata/ram_disk</value>
</property>

#2.为hadoop103节点的hdfs-site.xml添加如下信息
<property>
	<name>dfs.replication</name>
	<value>2</value>
</property>
<property>
	<name>dfs.storage.policy.enabled</name>
	<value>true</value>
</property>
<property>
	<name>dfs.datanode.data.dir</name>
	<value>[SSD]file:///opt/module/hadoop/hdfsdata/ssd,[DISK]file:///opt/module/hadoop/hdfsdata/disk</value>
</property>

#3.为hadoop104节点的hdfs-site.xml添加如下信息
<property>
	<name>dfs.replication</name>
	<value>2</value>
</property>
<property>
	<name>dfs.storage.policy.enabled</name>
	<value>true</value>
</property>
<property>
	<name>dfs.datanode.data.dir</name>
	<value>[RAM_DISK]file:///opt/module/hdfsdata/ram_disk,[DISK]file:///opt/module/hadoop/hdfsdata/disk</value>
</property>

#4.为hadoop105节点的hdfs-site.xml添加如下信息
<property>
	<name>dfs.replication</name>
	<value>2</value>
</property>
<property>
	<name>dfs.storage.policy.enabled</name>
	<value>true</value>
</property>
<property>
	<name>dfs.datanode.data.dir</name>
	<value>[ARCHIVE]file:///opt/module/hadoop/hdfsdata/archive</value>
</property>

#5.为hadoop106节点的hdfs-site.xml添加如下信息
<property>
	<name>dfs.replication</name>
	<value>2</value>
</property>
<property>
	<name>dfs.storage.policy.enabled</name>
	<value>true</value>
</property>
<property>
	<name>dfs.datanode.data.dir</name>
	<value>[ARCHIVE]file:///opt/module/hadoop/hdfsdata/archive</value>
</property>

3.数据准备

#1.启动集群
[delopy@hadoop102 hadoop]$ hdfs namenode -format
[delopy@hadoop102 hadoop]$ myhadoop.sh start

#2.并在HDFS上创建文件目录
[delopy@hadoop102 hadoop]$ hadoop fs -mkdir /hdfsdata

#3.并将文件资料上传
[delopy@hadoop102 hadoop]$ hadoop fs -put /opt/module/hadoop/NOTICE.txt /hdfsdata

五、HOT存储策略案例

#1.最开始我们未设置存储策略的情况下，我们获取该目录的存储策略
[delopy@hadoop102 hadoop]$ hdfs storagepolicies -getStoragePolicy -path /hdfsdata

#2.我们查看上传的文件块分布
[delopy@hadoop102 hadoop]$ hdfs fsck /hdfsdata -files -blocks -locations
[DatanodeInfoWithStorage[192.168.10.104:9866,DS-0b133854-7f9e-48df-939b-5ca6482c5afb,DISK], DatanodeInfoWithStorage[192.168.10.103:9866,DS-ca1bd3b9-d9a5-4101-9f92-3da5f1baa28b,DISK]]

未设置存储策略，所有文件块都存储在DISK下。所以，默认存储策略为HOT。

六、WARM存储策略测试

#1.接下来我们为数据降温
[delopy@hadoop102 hadoop]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy WARM

#2.再次查看文件块分布，我们可以看到文件块依然放在原处。
[delopy@hadoop102 hadoop]$ hdfs fsck /hdfsdata -files -blocks -locations

#3.我们需要让他HDFS按照存储策略自行移动文件块
[delopy@hadoop102 hadoop]$ hdfs mover /hdfsdata

#4.再次查看文件块分布
[delopy@hadoop102 hadoop]$ hdfs fsck /hdfsdata -files -blocks -locations

[DatanodeInfoWithStorage[192.168.10.105:9866,DS-d46d08e1-80c6-4fca-b0a2-4a3dd7ec7459,ARCHIVE], DatanodeInfoWithStorage[192.168.10.103:9866,DS-ca1bd3b9-d9a5-4101-9f92-3da5f1baa28b,DISK]]

文件块一半在DISK，一半在ARCHIVE，符合我们设置的WARM策略

七、COLD策略测试

#1.我们继续将数据降温为cold
[delopy@hadoop102 hadoop]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy COLD
注意：当我们将目录设置为COLD并且我们未配置ARCHIVE存储目录的情况下，不可以向该目录直接上传文件，会报出异常。

#2.手动转移
[delopy@hadoop102 hadoop]$ hdfs mover /hdfsdata

#3.检查文件块的分布
[delopy@hadoop102 hadoop]$ bin/hdfs fsck /hdfsdata -files -blocks -locations

[DatanodeInfoWithStorage[192.168.10.105:9866,DS-d46d08e1-80c6-4fca-b0a2-4a3dd7ec7459,ARCHIVE], DatanodeInfoWithStorage[192.168.10.106:9866,DS-827b3f8b-84d7-47c6-8a14-0166096f919d,ARCHIVE]]

所有文件块都在ARCHIVE，符合COLD存储策略。

八、ONE_SSD策略测试

#1.接下来我们将存储策略从默认的HOT更改为One_SSD
[delopy@hadoop102 hadoop]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy One_SSD

#2.手动转移文件块
[delopy@hadoop102 hadoop]$ hdfs mover /hdfsdata

#3.转移完成后，我们查看文件块分布，
[delopy@hadoop102 hadoop]$ bin/hdfs fsck /hdfsdata -files -blocks -locations

[DatanodeInfoWithStorage[192.168.10.104:9866,DS-0b133854-7f9e-48df-939b-5ca6482c5afb,DISK], DatanodeInfoWithStorage[192.168.10.103:9866,DS-2481a204-59dd-46c0-9f87-ec4647ad429a,SSD]]
文件块分布为一半在SSD，一半在DISK，符合One_SSD存储策略。

九、 ALL_SSD策略测试

#1.接下来，我们再将存储策略更改为All_SSD
[delopy@hadoop102 hadoop]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy All_SSD

#2.手动转移文件块
[delopy@hadoop102 hadoop]$ hdfs mover /hdfsdata

#3.查看文件块分布，我们可以看到，
[delopy@hadoop102 hadoop]$ bin/hdfs fsck /hdfsdata -files -blocks -locations

[DatanodeInfoWithStorage[192.168.10.102:9866,DS-c997cfb4-16dc-4e69-a0c4-9411a1b0c1eb,SSD], DatanodeInfoWithStorage[192.168.10.103:9866,DS-2481a204-59dd-46c0-9f87-ec4647ad429a,SSD]]
所有的文件块都存储在SSD，符合All_SSD存储策略。

十、LAZY_PERSIST策略测试

#1.继续改变策略，将存储策略改为lazy_persist
[delopy@hadoop102 hadoop]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy lazy_persist

#2.手动转移文件块
[delopy@hadoop102 hadoop]$ hdfs mover /hdfsdata

#3.查看文件块分布
[delopy@hadoop102 hadoop]$ hdfs fsck /hdfsdata -files -blocks -locations

[DatanodeInfoWithStorage[192.168.10.104:9866,DS-0b133854-7f9e-48df-939b-5ca6482c5afb,DISK], DatanodeInfoWithStorage[192.168.10.103:9866,DS-ca1bd3b9-d9a5-4101-9f92-3da5f1baa28b,DISK]]

这里我们发现所有的文件块都是存储在DISK，按照理论一个副本存储在RAM_DISK，其他副本存储在DISK中，这是因为，我们还需要配置“dfs.datanode.max.locked.memory”，“dfs.block.size”参数。              

那么出现存储策略为LAZY_PERSIST时，文件块副本都存储在DISK上的原因有如下两点：
1）当客户端所在的DataNode节点没有RAM_DISK时，则会写入客户端所在的DataNode节点的DISK磁盘，其余副本会写入其他节点的DISK磁盘。
2）当客户端所在的DataNode有RAM_DISK，但“dfs.datanode.max.locked.memory”参数值未设置或者设置过小（小于“dfs.block.size”参数值）时，则会写入客户端所在的DataNode节点的DISK磁盘，其余副本会写入其他节点的DISK磁盘。

但是由于虚拟机的“max locked memory”为64KB，所以，如果参数配置过大，还会报出错误：
ERROR org.apache.hadoop.hdfs.server.datanode.DataNode: Exception in secureMain
java.lang.RuntimeException: Cannot start datanode because the configured max locked memory size (dfs.datanode.max.locked.memory) of 209715200 bytes is more than the datanode's available RLIMIT_MEMLOCK ulimit of 65536 bytes.

我们可以通过该命令查询此参数的内存
[delopy@hadoop102 hadoop]$ ulimit -a

max locked memory       (kbytes, -l) 64

标签：hdfs,存储,DISK,HDFS,hadoop,第二十四章,hadoop102,delopy
来源： https://www.cnblogs.com/jhno1/p/15246504.html