大数据培训Hadoop运维工具箱之HDFS异构存储介绍

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。

Hadoop的存储类型和存储策略有;

一、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 -pathxxx -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；执行该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

二、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：

节点	存储类型分配
hadoop102	RAM_DISK，SSD
hadoop103	SSD，DISK
hadoop104	DISK，RAM_DISK
hadoop105	ARCHIVE
hadoop106	ARCHIVE

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:///opt/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

（2）并在HDFS上创建文件目录

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /hdfsdata

（3）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

三、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。

四、Warm存储策略案例

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

五、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。

六、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。

七、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。

八、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]$ hdfsmover /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“maxlocked memory”为64KB，所以，如果参数配置过大，还会报出错误：

ERRORorg.apache.hadoop.hdfs.server.datanode.DataNode: Exception in secureMain

java.lang.RuntimeException: Cannotstart datanode because the configured max locked memory size(dfs.datanode.max.locked.memory) of 209715200 bytes is more than the datanode’savailable 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