HDFS-存储优化

1.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。

 

 

（1）纠删码操作相关的命令：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>].

 

（2）查看当前支持的纠删码策略：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

 

（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（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。

 

 

2.纠删码案例实操

 

  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。

 

 

（1）需求：将/input目录设置为RS-3-2-1024k策略

 

 

（2）具体步骤

 1）开启对RS-3-2-1024k策略的支持

 

 

   hdfs ec -enablePolicy  -policy RS-3-2-1024k

 

 

 2）在HDFS创建目录，并设置RS-3-2-1024k策略

 

   hdfs dfs -mkdir /input

 

 

   hdfs ec -setPolicy -path /input -policy RS-3-2-1024k

 

 

 3）上传文件，并查看文件编码后的存储情况

   hdfs dfs -put 文件名 /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）

 

 

（4）查看存储路径的数据单元和校验单元，并作破坏实验

 

 

 

3.异构存储（冷热数据分离）

经常使用的叫热数据，反之。

 

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。

 

 

 

 

异构存储Shell操作

（1）查看当前有哪些存储策略可以用

  hdfs storagepolicies -listPolicies

 

（2）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

 

（3）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

 

 

（4）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

（5）查看文件块的分布

  bin/hdfs fsck xxx -files -blocks -locations

（6）查看集群节点

  hadoop dfsadmin -report

 

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（提前创建）

集群规划：

 

（2）配置文件信息

  1）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/hadoop-3.1.3/hdfsdata/ssd,[RAM_DISK]file:///opt/module/hadoop-3.1.3/hdfsdata/ram_disk</value>
</property>

 

  2）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/hadoop-3.1.3/hdfsdata/ssd,[DISK]file:///opt/module/hadoop-3.1.3/hdfsdata/disk</value>
</property>

 

  3）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:///opt/module/hadoop-3.1.3/hdfsdata/disk</value>
</property>

 

  4）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/hadoop-3.1.3/hdfsdata/archive</value>
</property>

 

5）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/hadoop-3.1.3/hdfsdata/archive</value>
</property>