Hadoop 中的大数据技术：调优篇（2）

大数据深度洞察2024-08-17 7:00

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

  • 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
相关推荐
IT成长日记11 分钟前
【Hive入门】Hive数据导出完全指南：从HDFS到本地文件系统的专业实践
hive·hadoop·hdfs·数据导出
IT成长日记1 小时前
【Hive入门】Hive概述：大数据时代的数据仓库桥梁
大数据·数据仓库·hive·sql优化·分布式计算
科技小E1 小时前
EasyRTC音视频实时通话嵌入式SDK，打造社交娱乐低延迟实时互动的新体验
大数据·网络
降世神童2 小时前
大数据系列 | 详解基于Zookeeper或ClickHouse Keeper的ClickHouse集群部署--完结
大数据·clickhouse·zookeeper
躺不平的理查德2 小时前
General Spark Operations(Spark 基础操作)
大数据·分布式·spark
talle20212 小时前
Zeppelin在spark环境导出dataframe
大数据·分布式·spark
大数据魔法师3 小时前
Hadoop生态圈框架部署 - Windows上部署Hadoop
大数据·hadoop·windows
渣渣盟3 小时前
大数据开发环境的安装，配置（Hadoop）
大数据·hadoop·分布式
Flink_China3 小时前
抖音集团电商流量实时数仓建设实践
大数据·flink
二爷记3 小时前
QXQ3真i9级CPU是捡漏还是踩坑！i9-12900 ES版CPU值得入手吗？
大数据·elasticsearch·搜索引擎·全文检索
热门推荐
01KGG转MP3工具|非KGM文件|解密音频02从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑03我决定放弃搞 Java 了04Coze扣子平台完整体验和实践（附国内和国际版对比）05YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】06DeepSeek各版本说明与优缺点分析07yolov8，yolo11，yolo12 服务器训练到部署全流程 笔记08苍穹外卖面试总结09如何在WPS和Word/Excel中直接使用DeepSeek功能10【2025年最新】OpenWrt 更换国内源的指南（图形界面版)