hadoopHA

HDFS-核心参数
NameNode内存生产配置
1）NameNode 内存计算
每个文件块大概占用 150byte，一台服务器 128G 内存为例，能存储多少文件块呢？
128 1024 1024 * 1024 / 150Byte ≈ 9.1 亿
G MB KB Byte
2）Hadoop2.x 系列，配置 NameNode 内存
NameNode 内存默认 2000m，如果服务器内存 4G，NameNode 内存可以配置 3g。在
hadoop-env.sh 文件中配置如下。
HADOOP_NAMENODE_OPTS=-Xmx3072m
3）Hadoop3.x 系列，配置 NameNode 内存
（1）hadoop-env.sh 中描述 Hadoop 的内存是动态分配的
HADOOP_NAMENODE_OPTS=-Xmx102400m
（2）查看 NameNode 占用内存
jmap -heap 进程
修改 ：hadoop-env.sh
export HDFS_NAMENODE_OPTS=“-Dhadoop.security.logger=INFO,RFAS - Xmx1024m”
export HDFS_DATANODE_OPTS=“-Dhadoop.security.logger=ERROR,RFAS -Xmx1024m”
NameNode心跳并发配置
hdfs-site.xml
The number of Namenode RPC server threads that listen to requests
from clients. If dfs.namenode.servicerpc-address is not
configured then Namenode RPC server threads listen to requests
from all nodes.
NameNode 有一个工作线程池，用来处理不同 DataNode 的并发心跳以及客户端并发
的元数据操作。
对于大集群或者有大量客户端的集群来说，通常需要增大该参数。默认值是 10。

dfs.namenode.handler.count
21

企业经验：dfs.namenode.handler.count=20 × 𝑙𝑜𝑔𝑒 𝐶𝑙𝑢𝑠𝑡𝑒𝑟 𝑆𝑖𝑧𝑒，比如集群规模（DataNode 台 数）为 3 台时，此参数设置为 21。
开启回收站配置
（1）默认值 fs.trash.interval = 0，0 表示禁用回收站；其他值表示设置文件的存活时间。
（2）默认值 fs.trash.checkpoint.interval = 0，检查回收站的间隔时间。如果该值为 0，则该 值设置和 fs.trash.interval 的参数值相等。
（3）要求 fs.trash.checkpoint.interval <= fs.trash.interval。
回收站目录在 HDFS 集群中的路径：/user/atguigu/.Trash/….
5）注意：通过网页上直接删除的文件也不会走回收站。
6）通过程序删除的文件不会经过回收站，需要调用 moveToTrash()才进入回收站
Trash trash = New Trash(conf);
trash.moveToTrash(path);
7） 只有在命令行利用 hadoop fs -rm 命令删除的文件才会走回收站。
hadoop fs -rm -r /user/atguigu/input
8）恢复数据
hadoop fs -mv /user/atguigu/.Trash/Current/user/atguigu/input /user/atguigu/input
HDFS 集群压测
HDFS的读写主要受网络和磁盘的影响比较大。假设将hadoop2、hadoop3、hadoop4的虚拟机网络设置为100mbps=12.5m/s
测试写性能
向HDFS集群写10个128m的文件
[atguigu@hadoop102 mapreduce]KaTeX parse error: Unexpected character: '' at position 30: …t/module/hadoop̲3.1.3/share/had… hadoop jar /opt/module/hadoop-
3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-clientjobclient-3.1.3-tests.jar TestDFSIO -read -nrFiles 10 -fileSize
128MB
2021-02-09 11:34:15,847 INFO fs.TestDFSIO: ----- TestDFSIO ----- : read
2021-02-09 11:34:15,847 INFO fs.TestDFSIO: Date & time: Tue Feb
09 11:34:15 CST 2021
2021-02-09 11:34:15,847 INFO fs.TestDFSIO: Number of files: 10
2021-02-09 11:34:15,847 INFO fs.TestDFSIO: Total MBytes processed: 1280
2021-02-09 11:34:15,848 INFO fs.TestDFSIO: Throughput mb/sec: 200.28
2021-02-09 11:34:15,848 INFO fs.TestDFSIO: Average IO rate mb/sec: 266.74
2021-02-09 11:34:15,848 INFO fs.TestDFSIO: IO rate std deviation: 143.12
2021-02-09 11:34:15,848 INFO fs.TestDFSIO: Test exec time sec: 20.83
删除测试生成数据
[atguigu@hadoop102 mapreduce]$ hadoop jar /opt/module/hadoop3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-clientjobclient-3.1.3-tests.jar TestDFSIO -clean
测试结果分析：为什么读取文件速度大于网络速度？由于目前只有三台服务器，且有三个副本，数据读取就近原则，相当于都是读取的本地磁盘数据，没有走网络
HDFS 多目录
NameNode多目录设置

1. Name的本地目录可以设置成多个，且每个目录存放内容相同，增加了可靠性
2. 具体配置：
   （1）在hdfs-site.xml添加
   
   dfs.namenode.name.dir

file://$hadoop.tmp.dir/dfs/name1,file://${hadoop.tmp.
dir}/dfs/name2

注意：因为每台服务器节点的磁盘情况不同，所以这个配置配完后，可以不分发
（2）停止集群，删除三天节点的data和logs数据
（3）格式化集群并启动
3. 查看结果（name1和name2的结果相同）
DataNode多目录配置

1. dataNode可以配置成多目录，每个目录存储的结构不一样（数据不是副本）
2. 集体配置：
   在hdfs-site.xml添加
   
   dfs.datanode.data.dir

file://$hadoop.tmp.dir/dfs/data1,file://${hadoop.tmp.
dir}/dfs/data2

3. 查看结果
[atguigu@hadoop102 dfs]$ ll
总用量 12
drwx------. 3 atguigu atguigu 4096 4 月 4 14:22 data1
drwx------. 3 atguigu atguigu 4096 4 月 4 14:22 data2
drwxrwxr-x. 3 atguigu atguigu 4096 12 月 11 08:03 name1
drwxrwxr-x. 3 atguigu atguigu 4096 12 月 11 08:03 name2

4. 向集群上传一个文件，再次观察两个文件夹里的内容发现不一致
   集群数据均衡之磁盘间数据均衡
   生产环境，由于磁盘空间不足往往需要增加一块磁盘，刚加载的磁盘没有数据时，可以执行磁盘均衡命令（hadoop3的新特性）
5. 生成均衡计划
   hdfs diskbalancer -plan hadoop102
6. 执行均衡计划
   hdfs diskbalancer -execute hadoop102.plan.json
7. 查看当前均衡任务的执行情况
   hdfs diskbalancer -query hadoop102
8. 取消均衡任务
   hdfs diskbalancer -cancel hadoop102.plan.json
   HDFS 集群扩容和缩容
   添加白名单
   白名单：表示在白名单上的主机IP地址可以用来储存数据，企业中配置白名单可以防止黑客恶意访问攻击
   配置白名单步骤：
9. 在NameNode节点的 的/opt/module/hadoop-3.2.3/etc/hadoop 目录下分别创建whitelist和blacklist文件
   创建白名单：
   [atguigu@hadoop102 hadoop]$ vim whitelist

在 whitelist 中添加如下主机名称，假如集群正常工作的节点为 102 103
创建黑名单：
[atguigu@hadoop102 hadoop]$ touch blacklist
2. 在hdfs-site.xml配置文件增加dfs.hosts配置参数

dfs.hosts /opt/module/hadoop-3.1.3/etc/hadoop/whitelist dfs.hosts.exclude /opt/module/hadoop-3.1.3/etc/hadoop/blacklist 3. 分发配置文件 [atguigu@hadoop104 hadoop]$ xsync hdfs-site.xml whitelist 4. 第一次添加白名单必须重启集群，不是第一次，只需要刷新NameNode节点即可 [atguigu@hadoop102 hadoop-3.1.3]$ myhadoop.sh stop [atguigu@hadoop102 hadoop-3.1.3]$ myhadoop.sh start 5. 在 web 浏览器上查看 DN，http://hadoop102:9870/dfshealth.html#tab-datanode 6. 在 hadoop104 上执行上传数据数据失败 [atguigu@hadoop104 hadoop-3.1.3]$ hadoop fs -put NOTICE.txt / 7. 二次修改白名单 [atguigu@hadoop102 hadoop]$ vim whitelist 修改为如下内容 hadoop102 hadoop103 hadoop104 8. 刷新NameNode [atguigu@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes Refresh nodes successful 9. 在 web 浏览器上查看 DN，http://hadoop102:9870/dfshealth.html#tab-datanode 服役新服务器 1. 需求：随着公司业务的增长，数据量越来越大，原来的数据节点已经不能满足储存数据的要求，需要在原有集群的基础上添加新的数据节点 2. 准备： （1）在 hadoop100 主机上再克隆一台 hadoop105 主机 （2）修改 IP 地址和主机名称 [root@hadoop105 ~]# vim /etc/sysconfig/network-scripts/ifcfgens33 [root@hadoop105 ~]# vim /etc/hostname （3）拷贝 hadoop102 的/opt/module 目录和/etc/profile.d/my_env.sh 到 hadoop10 [atguigu@hadoop102 opt]$ scp -r module/* atguigu@hadoop105:/opt/module/ [atguigu@hadoop102 opt]$ sudo scp /etc/profile.d/my_env.sh root@hadoop105:/etc/profile.d/my_env.sh [atguigu@hadoop105 hadoop-3.1.3]$ source /etc/profile

（4）删除 hadoop105 上 Hadoop 的历史数据，data 和 log 数据
[atguigu@hadoop105 hadoop-3.1.3]$ rm -rf data/ logs/
（5）配置 hadoop102 和 hadoop103 到 hadoop105 的 ssh 无密登录
[atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop105
[atguigu@hadoop103 .ssh]$ ssh-copy-id hadoop105
3. 服役新节点具体步骤 ：
（1）直接启动 DataNode，即可关联到集群
[atguigu@hadoop105 hadoop-3.1.3]$ hdfs --daemon start datanode
[atguigu@hadoop105 hadoop-3.1.3]$ yarn --daemon start
nodemanage
4. 在白名单中增加新服役的服务器
（1）在白名单 whitelist 中增加 hadoop104、hadoop105，并重启集群
[atguigu@hadoop102 hadoop]$ vim whitelist
修改为如下内容
hadoop102
hadoop103
hadoop104
hadoop105
（2）分发
[atguigu@hadoop102 hadoop]$ xsync whitelist
（3）刷新 NameNode
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes
Refresh nodes successful

5. 在 hadoop105 上上传文件
   [atguigu@hadoop105 hadoop-3.1.3]$ hadoop fs -put
   /opt/module/hadoop-3.1.3/LICENSE.txt /
   服务期间数据均衡
   在企业开发中，如果经常在 hadoop102 和 hadoop104 上提交任务，且副本数为 2，由于 数据本地性原则，就会导致 hadoop102 和 hadoop104 数据过多，hadoop103 存储的数据量小。 另一种情况，就是新服役的服务器数据量比较少，需要执行集群均衡命令。
6. 开启数据均衡命令：
   [atguigu@hadoop105 hadoop-3.1.3]$ sbin/start-balancer.sh -
   threshold 10
7. 停止数据均衡命令：
   [atguigu@hadoop105 hadoop-3.1.3]$ sbin/stop-balancer.sh

注意：由于 HDFS 需要启动单独的 Rebalance Server 来执行 Rebalance 操作，所以尽量 不要在 NameNode 上执行 start-balancer.sh，而是找一台比较空闲的机器
黑名单退役服务器
黑名单：表示在黑名单的主机 IP 地址不可以，用来存储数据。 企业中：配置黑名单，用来退役服务器。
黑名单配置步骤如下：

1. ）编辑/opt/module/hadoop-3.2.3/etc/hadoop 目录下的 bla·cklist 文件
   [atguigu@hadoop102 hadoop] vim blacklist
   添加如下主机名称（要退役的节点）
   hadoop105

2. 分发配置文件 blacklist，hdfs-site.xml

dfs.hosts.exclude /opt/module/hadoop-3.1.3/etc/hadoop/blacklist

3. ）第一次添加黑名单必须重启集群，不是第一次，只需要刷新 NameNode 节点即可
   [atguigu@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes
   Refresh nodes successful

4. 检查 Web 浏览器，退役节点的状态为 decommission in progress（退役中），说明数据 节点正在复制块到其他节点

5. 等待退役节点状态为 decommissioned（所有块已经复制完成），停止该节点及节点资源 管理器。注意：如果副本数是 3，服役的节点小于等于 3，是不能退役成功的，需要修改 副本数后才能退役
   [atguigu@hadoop105 hadoop-3.1.3]$ hdfs --daemon stop datanode
   stopping datanode
   [atguigu@hadoop105 hadoop-3.1.3]$ yarn --daemon stop
   nodemanager
   stopping nodemanager

6. 如果数据不均衡，可以用命令实现集群的再平衡
   [atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-balancer.sh -
   threshold 10

HDFS 存储优化
纠删码
HDFS默认情况下一个文件有三个副本 ，这样提高了数据的可靠性，但也带来了两倍的冗余开销。hadoop3引入纠删码，采用计算的方式，可以节省百分之五十的储存空间

1. 纠删码相关命令
   [atguigu@hadoop102 hadoop-3.1.3]$ hdfs ec
   Usage: bin/hdfs ec [COMMAND]
   [-listPolicies]
   [-addPolicies -policyFile ]
   [-getPolicy -path ]
   [-removePolicy -policy ]
   [-setPolicy -path [-policy ] [-replicate]]
   [-unsetPolicy -path ]
   [-listCodecs]
   [-enablePolicy -policy ]
   [-disablePolicy -policy ]
   [-help ].

2. 查看当前支持的纠删码策略
   [atguigu@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

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=10241024=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=10241024=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=10241024=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 rslegacy。
   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=10241024=1048576。

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的支持
   hdfs ec -enablePolicy -policy RS-3-2-1024k
   Erasure coding policy RS-3-2-1024k is enabled

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 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）

4. 查看存储路径的数据单元和校验单元，并作破坏实验