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

复制代码

[lzl@hadoop12 hadoop-3.1.3]$ 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>].

查看支持的纠删码策略

复制代码

[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
复制代码
```
[lzl@hadoop12 hadoop-3.1.3]$ hdfs ec -enablePolicy -policy RS-3-2-1024k
Erasure coding policy RS-3-2-1024k is enabled
```
创建HDFS目录并设置策略
复制代码
```
[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
复制代码
```
[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

复制代码

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

为指定路径设置存储策略

复制代码

hdfs storagepolicies -setStoragePolicy -path xxx -policy xxx

获取指定路径的存储策略

复制代码

hdfs storagepolicies -getStoragePolicy -path xxx

取消存储策略

复制代码

hdfs storagepolicies -unsetStoragePolicy -path xxx

查看文件块的分布

复制代码

bin/hdfs fsck xxx -files -blocks -locations

查看集群节点

复制代码

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

hadoop12 RAM_DISK，SSD

hadoop13 SSD，DISK

hadoop14 DISK，RAM_DISK

hadoop15 ARCHIVE

hadoop16 ARCHIVE

节点	存储类型分配
hadoop12	RAM_DISK，SSD
hadoop13	SSD，DISK
hadoop14	DISK，RAM_DISK
hadoop15	ARCHIVE
hadoop16	ARCHIVE

配置文件信息

hadoop12节点

复制代码

<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

复制代码

<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

复制代码

<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

复制代码

<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

复制代码

<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

复制代码

[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

复制代码

1[lzl@hadoop12 hadoop-3.1.3]$ hadoop fs -mkdir /hdfsdata

上传文件

复制代码

[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

复制代码

[lzl@hadoop12 hadoop-3.1.3]$ hdfs storagepolicies -getStoragePolicy -path /hdfsdata

查看文件块分布

复制代码

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

复制代码

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

查看文件块分布

复制代码

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

手动迁移文件块

复制代码

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

再次查看文件块分布

复制代码

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

COLD策略测试

设置COLD存储策略

复制代码

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

手动迁移文件块

复制代码

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

查看文件块分布

复制代码

[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

复制代码

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

手动迁移文件块

复制代码

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

查看文件块分布

复制代码

[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

复制代码

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

手动迁移文件块

复制代码

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

查看文件块分布

复制代码

[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

复制代码

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

手动迁移文件块

复制代码

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

查看文件块分布

复制代码

[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
复制代码
```
[lzl@hadoop12 hadoop-3.1.3]$ ulimit -a
```