配置Hadoop的机架感知

原地址： http://datasearch.ruc.edu.cn/~boliangfeng/blog/?p=525

我们都知道Hadoop的拓扑结构是机架感知的，这样在分配、请求数据副本时，可以根据机架感知的拓扑结构取得选取节点进行操作的权重（参考Hadoop拓扑结构中关于距离的定义）。

事实上默认Hadoop是没有机架感知的，要想使用它，需要我们额外的配置，配置过程如下：

首先修改namenode所在机器的Hadoop-site.xml配置文件中配置一个选项：

<property>

<name>topology.script.file.name</name>

<value>/path/to/script</value>

</property>

这样在启动Namenode时便会检查topology.script.file.name属性值，为空则不执行，若不为空则执行属性值所指定的脚本文件。

脚本文件的作用是，什么呢？

当datanode 向namenode发出heartbeat时，namenode会将每个datanode的IP映射到不同的Rack中。具体过程如下：namenode在每检测到一个slave 连接上jobtracker时就会把这个slave的IP地址作为参数传给这个脚本，然后期待这个脚本的返回值返回这台slave所述的rack名。而这 个脚本内部具体是如何决定slave和rack的映射hadoop是不关心的。所以，哪台机器属于那个rack，其实是由写这个脚本的人决定。

另外，和topology.script.file.name相对应的还有另外一个配置选 项：topology.script.number.args，这个选项的设定了以上脚本所能接受的最大参数个数，因为脚本被调用时会接受到不止一个参 数，每个参数都是一台机器的IP地址。

一个脚本文件的例子：

#!/usr/bin/perl -w
use strict;
my $ip = $ARGV[0];
my $rack_num = 2;
#将dn的ip通过.分隔
my @ip_items = split /\./, $ip;
my $ip_count = 0;
#for循环读出IP中分裂出来的值相加
foreach my $i (@ip_items)
$ip_count += $i;
}
my $rack = “/rack”.($ip_count % $rack_num);
print “$rack”;

这个脚本你可以直接运行进行手动测试