HDFS的异构存储测试

存储类型

根据存储的介质不同，存储类型按照存储的速度快慢排序依次为：RAM_DISK,SSD,DISK, ARCHIVE.
- memory存储，数据放在内存中，读写速度快，数据可暂时存储
- SSD：又称固态硬盘，读写速度仅次于memory，数据可以永久存放
- DISK：普通机械硬盘。在hdfs中如果没有特意指定，数据默认都存在DISK中。
- ARCHIV：具有较高的存储密度，读写速度差，用于归档存储。

存储策略

在hdfs中存储策略分为以下几种：
- HOT：用于存储热数据，默认情况，hdfs的数据都采用的是HOT策略，所有的副本都存储在DISK中。
- COLD：用于存储冷数据，所有的数据副本存储在ARCHIV中。
- Warm：有些数据存在DISK中，有些做归档处理。
- All_SSD：所有的数据副本都存储在SSD中。
- One_SSD：将数据的一个副本存储在SSD中，其余的副本存储在磁盘中。
- Lazy_Persist：用于在内存中写入单个副本的块。该副本首先在RAM_DISK中写入，后续持久化到DISK中。

通常一个存储策略有以下几个部分组成：Policy ID，Policy name，Block存储类型列表，文件创建时的备用存储类型列表，用于副本的备用存储类型列表。如下表所示：
这里写图片描述

配置异构存储

1.在hdfs-site.xml 文件中配置dfs.storage.policy.enabled属性，值为true（默认）

2.dfs.datanode.data.dir值的配置：在每个datanode上，应该将逗号分隔的存储位置标记为它们的存储类型。这允许存储策略根据策略将块放在不同的存储类型上。例如：
DataNode数据存储位置为：/data/hadoop/ssd 应该配置为[SSD]/data/hadoop/disk
3.当对数据的存储策略做出改变是，需要使用mover命令对相关文件目录进行扫描，进行数据块的迁移。
hdfs mover [-p <files/dirs> | -f <local file name>]
-p: 指定要迁移的HDFS文件列表。
-f：指定被迁移的HDFS文件对应的本地文件系统路径
注：当忽略-p和-f选项时，默认路径是根目录。
4.相关的命令：
列出目前现有的存储策略
hdfs storagepolicies -listPolicies
对目标文件/目录设置存储策略
hdfs storagepolicies -setStoragePolicy -path <path> -policy <policy>
获取指定路径的存储策略
hdfs -getStoragePolicy -path <path>

异构存储实战

1.环境准备
三台服务器：crh-1,crh-2,crh-3
磁盘挂载情况相同，都有一个ssd盘，三个机械硬盘，如下所示
crh-1
这里写图片描述
crh-2

crh-3

2.hadoop版本2.7.5，集群节点分布如下：

3.在用ambari安装hadoop时填写dfs.datanode.data.dir时，根据自己的实际情况填写，如下：
/data/hdd1/hadoop/hdfs/data,/data/hdd2/hadoop/hdfs/data,/data/hdd3/hadoop/hdfs/data,[SSD]/data/ssd/hadoop/hdfs/data

这里写图片描述
4.命令实战
切换到hdfs用户，查看当前有哪些存储策略可以用
hdfs storagepolicies –listPolicies

[hdfs@crh-3 ~]$ hdfs storagepolicies -listPolicies
Block Storage Policies:
    BlockStoragePolicy{COLD:2, storageTypes=[ARCHIVE], creationFallbacks=[], replicationFallbacks=[]}
    BlockStoragePolicy{WARM:5, storageTypes=[DISK, ARCHIVE], creationFallbacks=[DISK, ARCHIVE], replicationFallbacks=[DISK, ARCHIVE]}
    BlockStoragePolicy{HOT:7, storageTypes=[DISK], creationFallbacks=[], replicationFallbacks=[ARCHIVE]}
    BlockStoragePolicy{ONE_SSD:10, storageTypes=[SSD, DISK], creationFallbacks=[SSD, DISK], replicationFallbacks=[SSD, DISK]}
    BlockStoragePolicy{ALL_SSD:12, storageTypes=[SSD], creationFallbacks=[DISK], replicationFallbacks=[DISK]}
    BlockStoragePolicy{LAZY_PERSIST:15, storageTypes=[RAM_DISK, DISK], creationFallbacks=[DISK], replicationFallbacks=[DISK]}

2.获取指定路径的存储策略
hdfs storagepolicies -getStoragePolicy -path /user

[hdfs@crh-3 ~]$ hdfs dfs -ls / 
Found 8 items
drwxrwxrwx   - yarn   hadoop          0 2018-03-06 14:52 /app-logs
drwxr-xr-x   - yarn   hadoop          0 2018-03-06 14:37 /ats
drwxr-xr-x   - hdfs   hdfs            0 2018-03-06 15:39 /benchmarks
drwxr-xr-x   - hdfs   hdfs            0 2018-03-06 14:37 /crh
drwxr-xr-x   - mapred hdfs            0 2018-03-06 14:37 /mapred
drwxrwxrwx   - mapred hadoop          0 2018-03-06 14:37 /mr-history
drwxrwxrwx   - hdfs   hdfs            0 2018-03-06 14:38 /tmp
drwxr-xr-x   - hdfs   hdfs            0 2018-03-06 14:52 /user
[hdfs@crh-3 ~]$ hdfs storagepolicies -getStoragePolicy -path /user
The storage policy of /user is unspecified

创建一个新的目录和文件，指定其存储策略

[hdfs@crh-3 ~]$ hdfs dfs -mkdir -p /test/data/
[hdfs@crh-3 ~]$ hdfs dfs -put /opt/test.txt /test/data/
[hdfs@crh-3 ~]$ hdfs dfs -ls /test/data/
Found 1 items
-rw-r--r--   3 hdfs hdfs     179714984449 2018-03-07 09:34 /test/data/test.txt
[hdfs@crh-3 ~]$ hdfs storagepolicies -setStoragePolicy -path /test/data/test.txt -policy ALL_SSD
Set storage policy ALL_SSD on /test/data/test.txt

执行hdfs mover 命令，进行数据块的迁移

hdfs mover -p /test/data/test.txt
[hdfs@crh-3 ~]$ hdfs mover -p /test/data/test.txt 
18/03/07 09:49:54 INFO mover.Mover: namenodes = {hdfs://crh-1:8020=[/test/data/test.txt]}
18/03/07 09:49:55 INFO balancer.KeyManager: Block token params received from NN: update interval=10hrs, 0sec, token lifetime=10hrs, 0sec
18/03/07 09:49:55 INFO block.BlockTokenSecretManager: Setting block keys
18/03/07 09:49:55 INFO balancer.KeyManager: Update block keys every 2hrs, 30mins, 0sec
18/03/07 09:49:56 INFO block.BlockTokenSecretManager: Setting block keys
18/03/07 09:49:56 INFO net.NetworkTopology: Adding a new node: /default-rack/192.168.0.83:50010
18/03/07 09:49:56 INFO net.NetworkTopology: Adding a new node:
.............

使用df -h 命令查看datanode的服务器上的ssd盘已经有数据了
crh-3
这里写图片描述
crh-2

参考文档
http://hadoop.apache.org/docs/r3.0.0/hadoop-project-dist/hadoop-hdfs/ArchivalStorage.html

更多精彩原创文章，详见红象云腾社区