ICode9
精准搜索请尝试： 精确搜索
首页
编程语言>
数据库
系统相关
互联网
其他分享
Python
Java
JavaScript
android
PHP
首页 > 其他分享> 文章详细

第二十四章 HDFS—存储优化

2021-09-09 12:34:29  阅读：162  来源： 互联网

标签：hdfs 存储 DISK HDFS hadoop 第二十四章 hadoop102 delopy 


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

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

关于我们 | 联系我们 | 留言反馈

专注分享技术，共同学习，共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有