转载请注明出处:http://blog.csdn.net/l1028386804/article/details/51935169
1.背景
Hadoop在设计时考虑到数据的安全与高效,数据文件默认在HDFS上存放三份,存储策略为本地一份,同机架内其它某一节点上一份,不同机架的某一节点上一份。这样如果本地数据损坏,节点可以从同一机架内的相邻节点拿到数据,速度肯定比从跨机架节点上拿数据要快;同时,如果整个机架的网络出现异常,也能保证在其它机架的节点上找到数据。为了降低整体的带宽消耗和读取延时,HDFS会尽量让读取程序读取离它最近的副本。如果在读取程序的同一个机架上有一个副本,那么就读取该副本。如果一个HDFS集群跨越多个数据中心,那么客户端也将首先读本地数据中心的副本。那么Hadoop是如何确定任意两个节点是位于同一机架,还是跨机架的呢?答案就是机架感知。默认情况下,hadoop的机架感知是没有被启用的。所以,在通常情况下,hadoop集群的HDFS在选机器的时候,是随机选择的,也就是说,很有可能在写数据时,hadoop将第一块数据block1写到了rack1上,然后随机的选择下将block2写入到了rack2下,此时两个rack之间产生了数据传输的流量,再接下来,在随机的情况下,又将block3重新又写回了rack1,此时,两个rack之间又产生了一次数据流量。在job处理的数据量非常的大,或者往hadoop推送的数据量非常大的时候,这种情况会造成rack之间的网络流量成倍的上升,成为性能的瓶颈,进而影响作业的性能以至于整个集群的服务
2.配置
默认情况下,namenode启动时候日志是这样的:
2016-07-17 17:27:26,423 INFO org.apache.hadoop.net.NetworkTopology: Adding a new node: /default-rack/ 192.168.147.92:50010
每个IP 对应的机架ID都是 /default-rack ,说明hadoop的机架感知没有被启用。
要将hadoop机架感知的功能启用,配置非常简单,在 NameNode所在节点的/home/bigdata/apps/hadoop/etc/hadoop的core-site.xml配置文件中配置一个选项:
-
<property>
-
<name>topology.script.file.name
</name>
-
<value>/home/bigdata/apps/hadoop/etc/hadoop/topology.sh
</value>
-
</property>
这个配置选项的value指定为一个可执行程序,通常为一个脚本,该脚本接受一个参数,输出一个值。接受的参数通常为某台datanode机器的ip地址,而输出的值通常为该ip地址对应的datanode所在的rack,例如”/rack1”。Namenode启动时,会判断该配置选项是否为空,如果非空,则表示已经启用机架感知的配置,此时namenode会根据配置寻找该脚本,并在接收到每一个datanode的heartbeat时,将该datanode的ip地址作为参数传给该脚本运行,并将得到的输出作为该datanode所属的机架ID,保存到内存的一个map中.
至于脚本的编写,就需要将真实的网络拓朴和机架信息了解清楚后,通过该脚本能够将机器的ip地址和机器名正确的映射到相应的机架上去。一个简单的实现如下:
-
#!/bin/bash
-
HADOOP_CONF=/home/bigdata/apps/hadoop/etc/hadoop
-
while [
$# -gt 0 ] ;
do
-
nodeArg=
$1
-
exec<
${HADOOP_CONF}/topology.data
-
result=
""
-
while
read line ;
do
-
ar=(
$line )
-
if [
"${ar[0]}" =
"$nodeArg" ]||[
"${ar[1]}" =
"$nodeArg" ];
then
-
result=
"${ar[2]}"
-
fi
-
done
-
shift
-
if [ -z
"$result" ] ;
then
-
echo -n
"/default-rack"
-
else
-
echo -n
"$result"
-
fi
-
done
topology.data,格式为:节点(ip或主机名) /交换机xx/机架xx
192.168.147.91 tbe192168147091 /dc1/rack1
192.168.147.92 tbe192168147092 /dc1/rack1
192.168.147.93 tbe192168147093 /dc1/rack2
192.168.147.94 tbe192168147094 /dc1/rack3
192.168.147.95 tbe192168147095 /dc1/rack3
192.168.147.96 tbe192168147096 /dc1/rack3
需要注意的是,在Namenode上,该文件中的节点必须使用IP,使用主机名无效,而Jobtracker上,该文件中的节点必须使用主机名,使用IP无效,所以,最好ip和主机名都配上。
这样配置后,namenode启动时候日志是这样的:
2016-07-17 17:16:27,272 INFO org.apache.hadoop.net.NetworkTopology: Adding a new node: /dc1/rack3/ 192.168.147.94:50010
说明hadoop的机架感知已经被启用了。
查看HADOOP机架信息命令:
-
./hadoop dfsadmin -printTopology
-
Rack:
/dc1/rack1
-
192.168
.147
.91:
50010 (tbe192168147091)
-
192.168
.147
.92:
50010 (tbe192168147092)
-
-
Rack:
/dc1/rack2
-
192.168
.147
.93:
50010 (tbe192168147093)
-
-
Rack:
/dc1/rack3
-
192.168
.147
.94:
50010 (tbe192168147094)
-
192.168
.147
.95:
50010 (tbe192168147095)
-
192.168
.147
.96:
50010 (tbe192168147096)
3.增加数据节点,不重启NameNode
假设Hadoop集群在192.168.147.68上部署了NameNode和DataNode,启用了机架感知,执行bin/hadoop dfsadmin -printTopology看到的结果:
Rack: /dc1/rack1
192.168.147.68:50010 (dbj68)
现在想增加一个物理位置在rack2的数据节点192.168.147.69到集群中,不重启NameNode。
首先,修改NameNode节点的topology.data的配置,加入:192.168.147.69 dbj69 /dc1/rack2,保存。
192.168.147.68 dbj68 /dc1/rack1
192.168.147.69 dbj69 /dc1/rack2
然后,sbin/hadoop-daemons.sh start datanode启动数据节点dbj69,任意节点执行bin/hadoop dfsadmin -printTopology 看到的结果:
-
Rack:
/dc1/rack1
-
192.168
.147
.68:
50010 (dbj68)
-
-
Rack:
/dc1/rack2
-
192.168
.147
.69:
50010 (dbj69)
说明hadoop已经感知到了新加入的节点dbj69。
注意:如果不将dbj69的配置加入到topology.data中,执行sbin/hadoop-daemons.sh start datanode启动数据节点dbj69,datanode日志中会有异常发生,导致dbj69启动不成功。
-
2016-07-17 10:51:33,502 FATAL org.apache.hadoop.hdfs.server.datanode.DataNode: Initialization failed for block pool Block pool BP-1732631201-192.168.147.68-1385000665316 (storage id DS-878525145-192.168.147.69-50010-1385002292231) service to dbj68/192.168.147.68:9000
-
org.apache.hadoop.ipc.RemoteException(org.apache.hadoop.net.NetworkTopology$InvalidTopologyException): Invalid network topology. You cannot have a rack and a non-rack node at the same level of the network topology.
-
at org.apache.hadoop.net.NetworkTopology.add(NetworkTopology.java:382)
-
at org.apache.hadoop.hdfs.server.blockmanagement.DatanodeManager.registerDatanode(DatanodeManager.java:746)
-
at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.registerDatanode(FSNamesystem.java:3498)
-
at org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.registerDatanode(NameNodeRpcServer.java:876)
-
at org.apache.hadoop.hdfs.protocolPB.DatanodeProtocolServerSideTranslatorPB.registerDatanode(DatanodeProtocolServerSideTranslatorPB.java:91)
-
at org.apache.hadoop.hdfs.protocol.proto.DatanodeProtocolProtos$DatanodeProtocolService$2.callBlockingMethod(DatanodeProtocolProtos.java:20018)
-
at org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:453)
-
at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:1002)
-
at org.apache.hadoop.ipc.Server$
Handler$
1.run(Server.java:
1701)
-
at org.apache.hadoop.ipc.Server$
Handler$
1.run(Server.java:
1697)
-
at java.security.AccessController.doPrivileged(
Native Method)
-
at javax.security.auth.Subject.doAs(Subject.java:
415)
-
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:
1408)
-
at org.apache.hadoop.ipc.Server$Handler.run(Server.java:
1695)
-
-
at org.apache.hadoop.ipc.Client.call(Client.java:
1231)
-
at org.apache.hadoop.ipc.ProtobufRpcEngine$Invoker.invoke(ProtobufRpcEngine.java:
202)
-
at $Proxy10.registerDatanode(
Unknown
Source)
-
at sun.reflect.NativeMethodAccessorImpl.invoke0(
Native Method)
-
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:
57)
-
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:
43)
-
at java.lang.reflect.Method.invoke(Method.java:
601)
-
at org.apache.hadoop.io.retry.RetryInvocationHandler.invokeMethod(RetryInvocationHandler.java:
164)
-
at org.apache.hadoop.io.retry.RetryInvocationHandler.invoke(RetryInvocationHandler.java:
83)
-
at $Proxy10.registerDatanode(
Unknown
Source)
-
at org.apache.hadoop.hdfs.protocolPB.DatanodeProtocolClientSideTranslatorPB.registerDatanode(DatanodeProtocolClientSideTranslatorPB.java:
149)
-
at org.apache.hadoop.hdfs.server.datanode.BPServiceActor.register(BPServiceActor.java:
619)
-
at org.apache.hadoop.hdfs.server.datanode.BPServiceActor.connectToNNAndHandshake(BPServiceActor.java:
221)
-
at org.apache.hadoop.hdfs.server.datanode.BPServiceActor.run(BPServiceActor.java:
660)
-
at java.lang.Thread.run(Thread.java:
722)
4.节点间距离计算
有了机架感知,NameNode就可以画出下图所示的datanode网络拓扑图。D1,R1都是交换机,最底层是datanode。则H1的rackid=/D1/R1/H1,H1的parent是R1,R1的是D1。这些rackid信息可以通过topology.script.file.name配置。有了这些rackid信息就可以计算出任意两台datanode之间的距离,得到最优的存放策略,优化整个集群的网络带宽均衡以及数据最优分配。
-
distance(
/D1/R1/H1,
/D1/R1/H1)=
0 相同的datanode
-
distance(
/D1/R1/H1,
/D1/R1/H2)=
2 同一rack下的不同datanode
-
distance(
/D1/R1/H1,
/D1/R2/H4)=
4 同一IDC下的不同datanode
-
distance(
/D1/R1/H1,
/D2/R3/H7)=
6 不同IDC下的datanode
<script>
(function(){
function setArticleH(btnReadmore,posi){
var winH = $(window).height();
var articleBox = $("div.article_content");
var artH = articleBox.height();
if(artH > winH*posi){
articleBox.css({
'height':winH*posi+'px',
'overflow':'hidden'
})
btnReadmore.click(function(){
articleBox.removeAttr("style");
$(this).parent().remove();
})
}else{
btnReadmore.parent().remove();
}
}
var btnReadmore = $("#btn-readmore");
if(btnReadmore.length>0){
if(currentUserName){
setArticleH(btnReadmore,3);
}else{
setArticleH(btnReadmore,1.2);
}
}
})()
</script>
</article>