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

Hadoop之生产调优(四)

2021-09-27 16:01:57  阅读：139  来源： 互联网

标签：hdfs 存储 Hadoop hadoop 调优 hdfsdata 3.1 生产 DISK


HDFS存储优化

1. 纠删码

1.1 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。

下图以纠删码RS-3-2-1024k为例：
数据被拆分为3个数据单元和2个校验单元，每个单元的大小为1MB，即每3MB数据被拆分为3个1MB数据单元和2个1MB的校验单元，300MB数据被拆分为100份3个1MB数据单元和2个1MB的校验单元。如果数据小于3MB，分为以下情况：

  • 大于2MB小于3MB：被拆分为3个1MB数据单元和2个1MB的校验单元
  • 大于1MB小于2MB：被拆分为2个1MB数据单元和2个1MB的校验单元
  • 小于1MB：被拆分为1个1MB数据单元和2个1MB的校验单元

在这里插入图片描述

  1. 纠删码操作相关的命令
    在这里插入图片描述

  2. 查看当前支持的纠删码策略
    在这里插入图片描述

  3. 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，就可以得到原始数据
    • RS-10-4-1024k：使用 RS 编码，每 10 个数据单元，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，就可以得到原始数据
    • 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，就可以得到原始数据
    • 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 rslegacy。
    • 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，就可以得到原始数据。

2. 纠删码案例实操

需求：

将/input 目录设置为 RS-3-2-1024k 策略

步骤：

  1. 开启对 RS-3-2-1024k 策略的支持

    [codecat@hadoop102 hadoop-3.1.3]$ 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

    [codecat@hadoop102 hadoop-3.1.3]$ hdfs dfs -mkdir /input
[codecat@hadoop102 hadoop-3.1.3]$ hdfs ec -setPolicy -path /input -policy RS-3-2-1024k
Set RS-3-2-1024k erasure coding policy on /input

  3. 上传文件，并查看文件编码后的存储情况

    [codecat@hadoop102 hadoop-3.1.3]$ hdfs dfs -put web.log /input

    在这里插入图片描述

    在这里插入图片描述

2. 异构存储

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
    • 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
    从Lazy_Persist到Cold，分别代表了设备的访问速度从快到慢
    策略ID策略名称副本分布
    15Lazy_PersistRAM_DISK:1,DISK:n-1
    12ALL_SSDSSD:n
    10One_SSDSSD:1,DISK:n-1
    7Hot(default)DISK:n
    6WarmDISK:1,ARCHIVE:n-1
    2ColdARCHIEVE:n

2.1 异构存储 Shell 操作

在这里插入图片描述

2.2 异构存储实战

2.2.1 测试环境准备

  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
    • 集群规划：
    节点存储类型分配
    hadoop102RAM_DISK，SSD
    hadoop103SSD，DISK
    hadoop104DISK，RAM_DISK
    hadoop105ARCHIVE
    hadoop106ARCHIVE

  2. 配置文件信息

    • 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/hadoop3.1.3/hdfsdata/ssd,[RAM_DISK]file:///opt/module/hadoop3.1.3/hdfsdata/ram_disk</value>
</property>
    • 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/hadoop3.1.3/hdfsdata/ssd,[DISK]file:///opt/module/hadoop3.1.3/hdfsdata/disk</value>
</property>
    • 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:///o
    pt/module/hadoop-3.1.3/hdfsdata/disk</value>
</property>
    • 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/hadoop3.1.3/hdfsdata/archive</value>
</property>
    • 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/hadoop3.1.3/hdfsdata/archive</value>
</property>

  3. 数据准备

    • 启动集群
    • 在 HDFS 上创建文件目录，并上传文件

2.2.2 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
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -getStoragePolicy -path /hdfsdata
The storage policy of /hdfsdata is unspecified
  2. 查看上传的文件块分布
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations
/hdfsdata/NOTICE.txt 21867 bytes, replicated: replication=2, 1 block(s):  OK
0. BP-839607050-192.168.150.102-1632726278626:blk_1073741825_1001 len=21867 Live_repl=2  [DatanodeInfoWithStorage[192.168.150.104:9866,DS-351d9107-4a2e-421c-8e8b-a743f6f66e0f,DISK], DatanodeInfoWithStorage[192.168.150.103:9866,DS-82f3724a-9c24-4d7f-a7b9-c3e2bccf0498,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

2.2.3 WARM 存储策略测试

  1. 更改存储策略
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy WARM
Set storage policy WARM on /hdfsdata
  2. 让HDFS 按照存储策略自行移动文件块
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
  3. 查看上传的文件块分布
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations
/hdfsdata/NOTICE.txt 21867 bytes, replicated: replication=2, 1 block(s):  OK
0. BP-839607050-192.168.150.102-1632726278626:blk_1073741825_1001 len=21867 Live_repl=2  [DatanodeInfoWithStorage[192.168.150.106:9866,DS-51808df6-ebc8-4a86-a4be-8e64bc3305d1,ARCHIVE], DatanodeInfoWithStorage[192.168.150.103:9866,DS-82f3724a-9c24-4d7f-a7b9-c3e2bccf0498,DISK]]

2.2.4 COLD 策略测试

  1. 更改存储策略
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy COLD
Set storage policy COLD on /hdfsdata
  2. 让HDFS 按照存储策略自行移动文件块
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
  3. 查看上传的文件块分布
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations
/hdfsdata/NOTICE.txt 21867 bytes, replicated: replication=2, 1 block(s):  OK
0. BP-839607050-192.168.150.102-1632726278626:blk_1073741825_1001 len=21867 Live_repl=2  [DatanodeInfoWithStorage[192.168.150.106:9866,DS-51808df6-ebc8-4a86-a4be-8e64bc3305d1,ARCHIVE], DatanodeInfoWithStorage[192.168.150.105:9866,DS-ed7e34f2-067e-4437-a702-da9a32f2f672,ARCHIVE]]

2.2.5 ONE_SSD 策略测试

  1. 更改存储策略
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy One_SSD
Set storage policy One_SSD on /hdfsdata
  2. 让HDFS 按照存储策略自行移动文件块
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
  3. 查看上传的文件块分布
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations
/hdfsdata/NOTICE.txt 21867 bytes, replicated: replication=2, 1 block(s):  OK
0. BP-839607050-192.168.150.102-1632726278626:blk_1073741825_1001 len=21867 Live_repl=2  [DatanodeInfoWithStorage[192.168.150.104:9866,DS-351d9107-4a2e-421c-8e8b-a743f6f66e0f,DISK], DatanodeInfoWithStorage[192.168.150.103:9866,DS-2fde523b-e50a-44a6-923a-e9dda37aed02,SSD]]

2.2.6 ALL_SSD 策略测试

  1. 更改存储策略
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy ALL_SSD
Set storage policy ALL_SSD on /hdfsdata
  2. 让HDFS 按照存储策略自行移动文件块
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
  3. 查看上传的文件块分布
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations
/hdfsdata/NOTICE.txt 21867 bytes, replicated: replication=2, 1 block(s):  OK
0. BP-839607050-192.168.150.102-1632726278626:blk_1073741825_1001 len=21867 Live_repl=2  [DatanodeInfoWithStorage[192.168.150.102:9866,DS-0b8a4b9e-4f2a-455f-b94b-a0eb1ee9fa67,SSD], DatanodeInfoWithStorage[192.168.150.103:9866,DS-2fde523b-e50a-44a6-923a-e9dda37aed02,SSD]]

2.2.7 LAZY_PERSIST 策略测试

  1. 更改存储策略
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy lazy_persist
Set storage policy lazy_persist on /hdfsdata
  2. 让HDFS 按照存储策略自行移动文件块
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
  3. 查看上传的文件块分布
    [codecat@hadoop102 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations
/hdfsdata/NOTICE.txt 21867 bytes, replicated: replication=2, 1 block(s):  OK
0. BP-839607050-192.168.150.102-1632726278626:blk_1073741825_1001 len=21867 Live_repl=2  [DatanodeInfoWithStorage[192.168.150.104:9866,DS-351d9107-4a2e-421c-8e8b-a743f6f66e0f,DISK], DatanodeInfoWithStorage[192.168.150.103:9866,DS-82f3724a-9c24-4d7f-a7b9-c3e2bccf0498,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

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：

  • 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。
  • 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。

标签：hdfs,存储,Hadoop,hadoop,调优,hdfsdata,3.1,生产,DISK
来源： https://blog.csdn.net/qq_42735631/article/details/120510391

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