delphi query 存储为dbf_HDFS 异构存储调研

TLDR，这是很久以前做的一个调研，先说结论

• HDFS 支持配置多个数据目录，同一节点默认按照 Round Robin 策略写入。硬盘不做 RAID，每块盘单独挂载。
• HDFS 支持异构存储，即不同的存储类型和存储策略，可用于实现冷热分级，从而降低成本

---

存储类型

按访问速度降序：

• RAM_DISK: 即内存
• SSD: SSD，OLTP 类场景（如 HBase）可以考虑使用
• DISK: 普通硬盘
• ARCHIVE: 归档存储，可使用廉价、高容量存储（甚至单机超百 T）

存储策略

共有 6 种策略

• Hot: 即通常意义的热数据，需要经常使用。所有副本都存在 DISK. 这是默认的策略。
• Cold: 即通常意义的冷数据，很少使用，主要是归档备份。所有副本都存在 ARCHIVE.
• Warm: 介于冷热之间。一个副本放 DISK，其余的放 ARCHIVE.
• All_SSD: 所有副本都在 SSD.
• One_SSD: 一个副本在 SSD，其余的放 DISK.
• Lazy_Persist: 适用于单副本数据，放在内存。先写到 RAM_DISK, 再持久化到 DISK.

按访问速度从快到慢排列

策略	块分布	creationFallbacks	replicationFallbacks
Lazy_Persist	RAM_DISK: 1, DISK: n-1	DISK	DISK
All_SSD	SSD: n	DISK	DISK
One_SSD	SSD: 1, DISK: n-1	SSD, DISK	SSD, DISK
Hot	DISK: n	< none >	ARCHIVE
Warm	DISK: 1, ARCHIVE: n-1	ARCHIVE, DISK	ARCHIVE, DISK
Cold	ARCHIVE: n	< none >	< none >

注：creationFallbacks 是对于第一个创建的 block 的 fallback 情况时的可选存储类型；replicationFallbacks 是 block 的其余副本的 fallback 情况时的可选存储类型

配置

每个磁盘单独挂载到不同目录，需要注意加上 noatime 选项。 首先配置 DataNode 的数据目录

• dfs.storage.policy.enabled: 设置为 true，默认是 true.
• dfs.datanode.data.dir: 可配置多个路径，用 , 分隔，每个路径加上存储类型标签作为前缀，如

[SSD]file:///dfs/dn1,[DISK]file:///dfs/dn2,[ARCHIVE]file:///dfs/dn3

注: 通过 Cloudera Manager 配置不需要写 file://，直接使用 [DISK]/dfs/dn2 即可

使用 hdfs storagepolicies 命令管理文件/目录的存储策略，共三个子命令。

命令	作用
hdfs storagepolicies -listPolicies	列出所有的块存储策略
hdfs storagepolicies -setStoragePolicy -path -policy	对指定路径设置存储策略，子目录会继承
hdfs storagepolicies -getStoragePolicy -path	获取指定路径的存储策略

Mover

Mover 是 HDFS 的一个数据迁移工具，类似 Balancer. 区别在于，Mover 的目的是把数据块按照存储策略迁移，Balancer 是在不同 DataNode 直接进行平衡。如果 DataNode 挂载了多种存储类型，Mover 优先尝试在本地迁移，避免网络 IO.

使用方式: hdfs mover -p <path>，如果想一次性迁移所有数据，可把 path 指定为根路径，不过需要的时间也更长。

DataNode 内的数据平衡

Balancer 可用于 DataNode 间数据平衡，但没法处理同一个 DataNode 内多块硬盘的分布不均衡情况。可以使用 diskbalancer 命令解决。

首先要开启 dfs.disk.balancer.enabled，在 Cloudera Manager 上修改配置 HDFS Service Advanced Configuration Snippet (Safety Valve) for hdfs-site.xml，设置 dfs.disk.balancer.enabled 为 true，重启 HDFS 生效。

接下来是三部曲：plan, execute, query.

• Plan 生成迁移计划

运行 hdfs diskbalancer -plan <datanode-host>，如 hdfs diskbalancer -plan hadoop-dn-16. 该命令会把计划配置以 JSON 文件输出到 HDFS 文件系统，具体路径看日志，以 /system/diskbalancer/2019-Oct-13-22-49-45 为例。

• Execute 执行迁移

hdfs diskbalancer -execute /system/diskbalancer/2019-Oct-13-22-49-45/172.26.10.16.plan.json 注意替换文件路径。

• Query 查看进度

hdfs diskbalancer -query hadoop-dn-16 查看进度，PLAN_DONE 说明平衡结束。可用 df -h 命令验证。

参考

• Archival Storage, SSD & Memory
• Enable support for heterogeneous storages in HDFS - DN as a collection of storages
• HDFS异构存储
• Configuring Heterogeneous Storage in HDFS
• How-to: Use the New HDFS Intra-DataNode Disk Balancer in Apache Hadoop