Hadoop 中的大数据技术：调优篇（2）

HDFS—存储优化

纠删码

纠删码原理

• 概述HDFS默认情况下，一个文件有3个副本，这虽然提高了数据的可靠性，但也带来了2倍的冗余开销。Hadoop 3.x引入了纠删码机制，通过计算方法，可以节省大约50%的存储空间。
• 纠删码操作命令[lzl@hadoop12 hadoop-3.1.3]$ hdfs ecUsage: 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>].
• 查看支持的纠删码策略[lzl@hadoop12 hadoop-3.1.3] hdfs ec -listPolicies
• 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。只要存在任意3个单元（无论是数据单元还是校验单元），就可以恢复原始数据。每个单元大小为1024k。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。只要存在任意10个单元，就可以恢复原始数据。每个单元大小为1024k。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。只要存在任意6个单元，就可以恢复原始数据。每个单元大小为1024k。RS-LEGACY-6-3-1024k：策略与RS-6-3-1024k相同，但使用的编码算法是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。只要存在任意2个单元，就可以恢复原始数据。每个单元大小为1024k。

纠删码案例实操

• 策略应用- 纠删码策略是针对具体路径设置的。所有上传到该路径下的文件都将遵循此策略。
• 具体步骤****启用RS-3-2-1024k策略支持[lzl@hadoop12 hadoop-3.1.3]$ hdfs ec -enablePolicy -policy RS-3-2-1024kErasure coding policy RS-3-2-1024k is enabled创建HDFS目录并设置策略[lzl@hadoop12 hadoop-3.1.3]$ hdfs dfs -mkdir /input[lzl@hadoop12 hadoop-3.1.3]$ hdfs ec -setPolicy -path /input -policy RS-3-2-1024k上传文件并查看存储情况[lzl@hadoop12 hadoop-3.1.3]$ hdfs dfs -put web.log /input注意：上传的文件大小需要大于2M才能看到纠删码的效果（低于2M时，只会有一个数据单元和两个校验单元）。1. 查看存储路径的数据单元和校验单元2. 破坏实验

异构存储（冷热数据分离）

异构存储Shell操作

查看可用存储策略

[lzl@hadoop12 hadoop-3.1.3]$ hdfs storagepolicies -listPolicies

为指定路径设置存储策略

hdfs storagepolicies -setStoragePolicy -path xxx -policy xxx

获取指定路径的存储策略

hdfs storagepolicies -getStoragePolicy -path xxx

取消存储策略

hdfs storagepolicies -unsetStoragePolicy -path xxx

查看文件块的分布

bin/hdfs fsck xxx -files -blocks -locations

查看集群节点

hadoop dfsadmin -report

测试环境准备

• 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hadoop12RAM_DISK，SSDhadoop13SSD，DISKhadoop14DISK，RAM_DISKhadoop15ARCHIVEhadoop16ARCHIVE
• 配置文件信息hadoop12节点<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-3.1.3/hdfsdata/ssd,[RAM_DISK]file:///opt/module/hadoop-3.1.3/hdfsdata/ram_disk</value></property>hadoop13节点<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-3.1.3/hdfsdata/ssd,[DISK]file:///opt/module/hadoop-3.1.3/hdfsdata/disk</value></property>hadoop14节点<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-3.1.3/hdfsdata/disk</value></property>hadoop15节点<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-3.1.3/hdfsdata/archive</value></property>hadoop16节点<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-3.1.3/hdfsdata/archive</value></property>
• 数据准备****启动集群[lzl@hadoop12 hadoop-3.1.3]$ hdfs namenode -format[lzl@hadoop12 hadoop-3.1.3]$ myhadoop.sh start创建HDFS文件目录1[lzl@hadoop12 hadoop-3.1.3]$ hadoop fs -mkdir /hdfsdata上传文件[lzl@hadoop12 hadoop-3.1.3]$ hadoop fs -put /opt/module/hadoop-3.1.3/NOTICE.txt /hdfsdata

HOT存储策略案例

• 获取初始存储策略[lzl@hadoop12 hadoop-3.1.3]$ hdfs storagepolicies -getStoragePolicy -path /hdfsdata
• 查看文件块分布1[lzl@hadoop12 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations
• 默认存储策略为HOT

WARM存储策略测试

• 设置WARM存储策略[lzl@hadoop12 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy WARM
• 查看文件块分布[lzl@hadoop12 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations
• 手动迁移文件块[lzl@hadoop12 hadoop-3.1.3]$ hdfs mover /hdfsdata
• 再次查看文件块分布[lzl@hadoop12 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations

COLD策略测试

设置COLD存储策略

[lzl@hadoop12 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy COLD

手动迁移文件块

[lzl@hadoop12 hadoop-3.1.3]$ hdfs mover /hdfsdata

查看文件块分布

[lzl@hadoop12 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations

ONE_SSD策略测试

设置ONE_SSD存储策略

[lzl@hadoop12 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy One_SSD

手动迁移文件块

[lzl@hadoop12 hadoop-3.1.3]$ hdfs mover /hdfsdata

查看文件块分布

[lzl@hadoop12 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations

ALL_SSD策略测试

设置ALL_SSD存储策略

[lzl@hadoop12 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy All_SSD

手动迁移文件块

[lzl@hadoop12 hadoop-3.1.3]$ hdfs mover /hdfsdata

查看文件块分布

[lzl@hadoop12 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations

LAZY_PERSIST策略测试

设置LAZY_PERSIST存储策略

[lzl@hadoop12 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy lazy_persist

手动迁移文件块

[lzl@hadoop12 hadoop-3.1.3]$ hdfs mover /hdfsdata

查看文件块分布

[lzl@hadoop12 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations

注意事项

• 当客户端所在的DataNode节点没有RAM_DISK时，文件块将被写入客户端所在的DataNode节点的DISK磁盘，其余副本将写入其他节点的DISK磁盘。
• 如果客户端所在的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），文件块同样会被写入客户端所在的DataNode节点的DISK磁盘，其余副本将写入其他节点的DISK磁盘。
• 虚拟机的“max locked memory”限制为64KB，因此，如果参数配置过大，将会报错。
• 查询“max locked memory”参数[lzl@hadoop12 hadoop-3.1.3]$ ulimit -a