目录
一、纠缠码二、异构存储 (冷热数据分离)1. 异构存储 Shell 操作2. 测试环境准备3. HOT 存储策略案例4. WARM 存储策略测试5. COLD 策略测试6. ONE_SSD 策略测试7. ALL_SSD 策略测试8. LAZY_PERSIST 策略测试
一、纠缠码
纠缠码原理
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。
纠删码操作相关的命令
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs ec
Usage: bin/hdfs ec [COMMAND]
[-listPolicies]
[-addPolicies -policyFile
[-getPolicy -path
[-removePolicy -policy
[-setPolicy -path
[-unsetPolicy -path
[-listCodecs]
[-enablePolicy -policy
[-disablePolicy -policy
[-help
查看当前支持的纠删码策略
[fancyry@hadoop102 hadoop-3.1.3] 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
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。
案例
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。
需求：将/input目录设置为RS-3-2-1024k策略
具体步骤
A、开启对RS-3-2-1024k策略的支持
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs ec -enablePolicy -policy RS-3-2-1024k
Erasure coding policy RS-3-2-1024k is enabled
B、在HDFS创建目录，并设置RS-3-2-1024k策略
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs dfs -mkdir /input
[fancyry@hadoop202 hadoop-3.1.3]$ hdfs ec -setPolicy -path /input -policy RS-3-2-1024k
C、上传文件，并查看文件编码后的存储情况
[fancyry@hadoop102 hadoop-3.1.3]$ 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)
D、查看存储路径的数据单元和校验单元，并作破坏实验
二、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。
存储类型与存储策略
1. 异构存储 Shell 操作
A、查看当前有哪些存储策略可以用
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -listPolicies
B、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
C、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
D、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
E、查看文件块的分布
bin/hdfs fsck xxx -files -blocks -locations
F、查看集群节点
hadoop dfsadmin -report
2. 测试环境准备
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
配置文件信息
A、为 hadoop102 节点的 hdfs-site.xml 添加如下信息
B、为hadoop103节点的hdfs-site.xml添加如下信息
C、为 hadoop104 节点的 hdfs-site.xml 添加如下信息
D、为hadoop105节点的hdfs-site.xml添加如下信息
E、为hadoop106节点的hdfs-site.xml添加如下信息
数据准备
A、启动集群
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs namenode -format
[fancyry@hadoop102 hadoop-3.1.3]$ myhadoop.sh start
B、并在HDFS上创建文件目录
[fancyry@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /hdfsdata
C、并将文件资料上传
[fancyry@hadoop102 hadoop-3.1.3]$ hadoop fs -put /opt/module/hadoop-3.1.3/NOTICE.txt /hdfsdata
3. HOT 存储策略案例
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
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -getStoragePolicy -path /hdfsdata
我们查看上传的文件块分布
[fancyry@hadoop102 hadoop-3.1.3]$ 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。
4. WARM 存储策略测试
接下来我们为数据降温
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy WARM
再次查看文件块分布，我们可以看到文件块依然放在原处
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -locations
我们需要让他 HDFS 按照存储策略自行移动文件块
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
再次查看文件块分布
[fancyry@hadoop102 hadoop-3.1.3]$ 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
5. COLD 策略测试
我们继续将数据降温为 cold
[fancyry@hadoop102 hadoop-3.1.3]$ 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。
手动转移
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
检查文件块的分布
[fancyry@hadoop102 hadoop-3.1.3]$ 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。
6. ONE_SSD 策略测试
接下来我们将存储策略从默认的HOT更改为One_SSD
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy One_SSD
手动转移文件块
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
转移完成后，我们查看文件块分布
[fancyry@hadoop102 hadoop-3.1.3]$ 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。
7. ALL_SSD 策略测试
接下来，我们再将存储策略更改为All_SSD
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy All_SSD
手动转移文件块
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
查看文件块分布，我们可以看到
[fancyry@hadoop102 hadoop-3.1.3]$ 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。
8. LAZY_PERSIST 策略测试
继续改变策略，将存储策略改为 lazy_persist
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy -path /hdfsdata -policy lazy_persist
手动转移文件块
[fancyry@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
查看文件块分布
[fancyry@hadoop102 hadoop-3.1.3]$ 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：
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。
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
[fancyry@hadoop102 hadoop-3.1.3]$ ulimit -a
max locked memory (kbytes, -l) 64
推荐阅读
您阅读本篇文章共花了：
发表评论