HDFS
—存储优化
纠删码
纠删码原理
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。
![](https://img-blog.csdnimg.cn/7f15bad11a6b4a39975ad44d09c91063.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
1)纠删码操作相关的命令
2)查看当前支持的纠删码策略
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
。
![](https://img-blog.csdnimg.cn/db749ede19014ac28297f7a07530c36a.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
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
。
纠删码案例实操
![](https://img-blog.csdnimg.cn/5e15e88a18bd49089480ce45901f009d.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
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
[atguigu@hadoop102 hadoop-3.1.3]$
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
![](https://img-blog.csdnimg.cn/9ba1843e291f44de91d66ef8ce2eb4f0.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
(3)上传文件,并查看文件编码后的存储情况
[atguigu@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)
(4)查看存储路径的数据单元和校验单元,并作破坏实验
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。
![](https://img-blog.csdnimg.cn/6c414b4a3d7e42c28ad291d3ed8f22c0.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
异构存储 Shell 操作
(
1
)查看当前有哪些存储策略可以用
[atguigu@hadoop102 hadoop-3.1.3]$ 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:
![](https://img-blog.csdnimg.cn/ccda93436ff948abaad013fe6aacee71.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_18,color_FFFFFF,t_70,g_se,x_16)
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:///o
pt/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>
3
)数据准备
(
1
)启动集群
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs namenode -format
[atguigu@hadoop102 hadoop-3.1.3]$ myhadoop.sh start
(
1
)并在
HDFS
上创建文件目录
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /hdfsdata
(2)并将文件资料上传
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -put /opt/module/hadoop-
3.1.3/NOTICE.txt /hdfsdata
HOT
存储策略案例
(
1
)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
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -getStoragePolicy
-path /hdfsdata
(2)我们查看上传的文件块分布
[atguigu@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
。
WARM
存储策略测试
(
1
)接下来我们为数据降温
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy
-path /hdfsdata -policy WARM
(2)再次查看文件块分布,我们可以看到文件块依然放在原处。
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs fsck /hdfsdata -files -blocks -
locations
(3)我们需要让他
HDFS
按照存储策略自行移动文件块
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
(4)再次查看文件块分布,
[atguigu@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
COLD
策略测试
(
1
)我们继续将数据降温为
cold
[atguigu@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。
(2)手动转移
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
(3)检查文件块的分布
[atguigu@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。
ONE_SSD
策略测试
(
1
)接下来我们将存储策略从默认的
HOT
更改为
One_SSD
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy
-path /hdfsdata -policy One_SSD
(2)手动转移文件块
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
(3)转移完成后,我们查看文件块分布,
[atguigu@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
ALL_SSD
策略测试
(
1
)接下来,我们再将存储策略更改为
All_SSD
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy
-path /hdfsdata -policy All_SSD
(2)手动转移文件块
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
(3)查看文件块分布,我们可以看到,
[atguigu@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。
LAZY_PERSIST
策略测试
(
1
)继续改变策略,将存储策略改为
lazy_persist
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs storagepolicies -setStoragePolicy
-path /hdfsdata -policy lazy_persist
(2)手动转移文件块
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs mover /hdfsdata
(3)查看文件块分布
[atguigu@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:
(
1
)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。
(2)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
[atguigu@hadoop102 hadoop-3.1.3]$ ulimit -a
max locked memory (kbytes, -l) 64
HDFS
—故障排除
注意:采用三台服务器即可,恢复到
Yarn
开始的服务器快照。
NameNode
故障处理(一般不这样处理,因为nn都有HA,这种情况可能会丢数据)
![](https://img-blog.csdnimg.cn/36cc37abfd9a41ea9035c885da338205.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
1
)需求:
NameNode
进程挂了并且存储的数据也丢失了,如何恢复
NameNode
2
)故障模拟
(
1
)
kill -9 NameNode
进程
[atguigu@hadoop102 current]$ kill -9 19886
(2)删除
NameNode
存储的数据(
/opt/module/hadoop-3.1.3/data/tmp/dfs/name
)
[atguigu@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-
3.1.3/data/dfs/name/*
3
)问题解决
(
1
)拷贝
SecondaryNameNode
中数据到原
NameNode
存储数据目录
[atguigu@hadoop102 dfs]$ scp -r
atguigu@hadoop104:/opt/module/hadoop-
3.1.3/data/dfs/namesecondary/* ./name/
(2)重新启动
NameNode
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode
(3)向集群上传一个文件
集群安全模式
&
磁盘修复
1
)安全模式:
文件系统只接受读数据请求,而不接受删除、修改等变更请求
2
)进入安全模式场景
➢
NameNode
在加载镜像文件和编辑日志期间处于安全模式;
➢
NameNode
再接收
DataNode
注册时,处于安全模式
![](https://img-blog.csdnimg.cn/ea9ef8e6ca3149edb8f5bd5a52858bc3.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
3)退出安全模式条件
dfs.namenode.safemode.min.datanodes:
最小可用
datanode
数量,默认
0
dfs.namenode.safemode.threshold-pct:
副本数达到最小要求的
block
占系统总
block
数的
百分比,默认
0.999f
。(只允许丢一个块)
dfs.namenode.safemode.extension:
稳定时间,默认值
30000
毫秒,即
30
秒
4
)基本语法
集群处于安全模式,不能执行重要操作(写操作)。集群启动完成后,自动退出安全模
式。
(
1
)
bin/hdfs dfsadmin -safemode get
(功能描述:查看安全模式状态)
(
2
)
bin/hdfs dfsadmin -safemode enter
(功能描述:进入安全模式状态)
(
3
)
bin/hdfs dfsadmin -safemode leave
(功能描述:离开安全模式状态)
(
4
)
bin/hdfs dfsadmin -safemode wait
(功能描述:等待安全模式状态)
5
)案例
1
:启动集群进入安全模式
(
1
)重新启动集群
[atguigu@hadoop102 subdir0]$ myhadoop.sh stop
[atguigu@hadoop102 subdir0]$ myhadoop.sh start
(2)集群启动后,立即来到集群上删除数据,提示集群处于安全模式
![](https://img-blog.csdnimg.cn/3afd5c705c7f4d67bfb2623b58e02719.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
案例 2:磁盘修复
需求:数据块损坏,进入安全模式,如何处理
(
1
) 分 别 进 入
hadoop102
、
hadoop103
、
hadoop104
的
/opt/module/hadoop-
3.1.3/data/dfs/data/current/
BP-1015489500-192.168.10.102-
1611909480872
/current/finalized/subdir0/subdir0
目录,统一删除某
2
个块信息
![](https://img-blog.csdnimg.cn/d6bbc34c0fe7406a8e052380d5b3296e.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
说明:hadoop103/hadoop104 重复执行以上命令
(2)重新启动集群
[atguigu@hadoop102 subdir0]$ myhadoop.sh stop
[atguigu@hadoop102 subdir0]$ myhadoop.sh start
(3)观察
http://hadoop102:9870/dfshealth.html#tab-overview
![](https://img-blog.csdnimg.cn/6735aa56dbf3452eaebf30a88654af1a.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
说明:安全模式已经打开,块的数量没有达到要求。
(4)离开安全模式
![](https://img-blog.csdnimg.cn/d9a20b2973bb4d59b5a53edc610cc753.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
(5)观察
http://hadoop102:9870/dfshealth.html#tab-overview
![](https://img-blog.csdnimg.cn/5de0aacb95c148afab7c8214661a0c4a.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
(6)将元数据删除
![](https://img-blog.csdnimg.cn/491510624184402ba3434348a2f68de2.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
案例 3:
需求:模拟等待安全模式
(
1
)查看当前模式
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -safemode get
Safe mode is OFF
(
2
)先进入安全模式
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode
enter
(
3
)创建并执行下面的脚本
在
/opt/module/hadoop-3.1.3
路径上,编辑一个脚本
safemode.sh
![](https://img-blog.csdnimg.cn/a3292c055b464e979059264328d556cb.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
(
4
)再打开一个窗口,执行
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode
leave
(
5
)再观察上一个窗口
Safe mode is OFF
(
6
)
HDFS
集群上已经有上传的数据了
![](https://img-blog.csdnimg.cn/20fb25ec87d546e9b2d3be3e5c5a7808.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
慢磁盘监控
“慢磁盘”指的时写入数据非常慢的一类磁盘。其实慢性磁盘并不少见,当机器运行时
间长了,上面跑的任务多了,磁盘的读写性能自然会退化,严重时就会出现写入数据延时的
问题。
如何发现慢磁盘?
正常在
HDFS
上创建一个目录,只需要不到
1s
的时间。如果你发现创建目录超过
1
分
钟及以上,而且这个现象并不是每次都有。只是偶尔慢了一下,就很有可能存在慢磁盘。
可以采用如下方法找出是哪块磁盘慢:
1
)通过心跳未联系时间。
一般出现慢磁盘现象,会影响到
DataNode
与
NameNode
之间的心跳。正常情况心跳时
间间隔是
3s
。超过
3s
说明有异常。
![](https://img-blog.csdnimg.cn/772f602f19054e81b624613362bc0e71.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
2
)
fio
命令,测试磁盘的读写性能
(
1
)顺序读测试
![](https://img-blog.csdnimg.cn/1514678d6c3147eb851c5aa6c9c9887d.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
结果显示,磁盘的总体顺序读速度为 360MiB/s。
(2)顺序写测试
![](https://img-blog.csdnimg.cn/54bd824a81c7473d9fc3719de723e7fc.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
结果显示,磁盘的总体顺序写速度为 341MiB/s。
(3)随机写测试
结果显示,磁盘的总体随机写速度为 309MiB/s。
(4)混合随机读写:
![](https://img-blog.csdnimg.cn/4cd68c841bb944058791b0936c0c4f95.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
结果显示,磁盘的总体混合随机读写,读速度为 220MiB/s,写速度 94.6MiB/s。
小文件归档
1
)
HDFS
存储小文件弊端
![](https://img-blog.csdnimg.cn/d293a1f46ee24b6eb647826dd06eeb3a.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
每个文件均按块存储,每个块的元数据存储在
NameNode
的内存中,因此
HDFS
存储
小文件会非常低效。因为大量的小文件会耗尽
NameNode
中的大部分内存。但注意,存储小
文件所需要的磁盘容量和数据块的大小无关。例如,一个
1MB
的文件设置为
128MB
的块
存储,实际使用的是
1MB
的磁盘空间,而不是
128MB
。
2
)解决存储小文件办法之一
HDFS
存档文件或
HAR
文件,是一个更高效的文件存档工具,它将文件存入
HDFS
块,
在减少
NameNode
内存使用的同时,允许对文件进行透明的访问。具体说来,
HDFS
存档文
件对内还是一个一个独立文件,对
NameNode
而言却是一个整体,减少了
NameNode
的内
存。
![](https://img-blog.csdnimg.cn/1b3ad81a7c65499790ff00eb3377986c.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAc29uZ19xdWFuXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
3
)案例实操
(
1
)需要启动
YARN
进程
[atguigu@hadoop102 hadoop-3.1.3]$ start-yarn.sh
(2)归档文件
把
/input
目录里面的所有文件归档成一个叫
input.har
的归档文件,并把归档后文件存储
到
/output
路径下。
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop archive -archiveName
input.har -p /input /output
(3)查看归档
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -ls
/output/input.har
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -ls
har:///output/input.har
(4)解归档文件
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cp
har:///output/input.har/* /