HDFS异构存储和存储策略

一、HDFS异构存储类型

1.1 冷、热、温、冻数据

通常，公司或者组织总是有相当多的历史数据占用昂贵的存储空间。典型的数据使用模式是新传入的数据被应用程序大量使用，从而该数据被标记为"热"数据。随着时间的推移，存储的数据每周被访问几次，而不是一天几次，这时认为其是"暖"数据。在接下来的几周和几个月中，数据使用率下降得更多，成为"冷"数据。如果很少使用数据，例如每年查询一次或两次，这时甚至可以根据其年龄创建第四个数据分类，并将这组很少被查询的旧数据称为"冻结数据"。 Hadoop允许将不是热数据或者活跃数据的数据分配到比较便宜的存储上，用于归档或冷存储。可以设置存储策略，将较旧的数据从昂贵的高性能存储上转移到性价比较低(较便宜)的存储设备上。 Hadoop 2.5及以上版本都支持存储策略，在该策略下，不仅可以在默认的传统磁盘上存储HDFS数据，还可以在SSD(固态硬盘)上存储数据。

1.2 什么是异构存储

• 异构存储是Hadoop2.6.0版本出现的新特性,可以根据各个存储介质读写特性不同进行选择。 例如冷热数据的存储，对冷数据采取容量大，读写性能不高的存储介质如机械硬盘，对于热数据，可使用SSD硬盘存储。
• 在读写效率上性能差距大。异构特性允许我们对不同文件选择不同的存储介质进行保存，以实现机器性能的最大化。

1.3 HDFS异构存储类型

HDFS中声明定义了4种异构存储类型：

• RAM_DISK(内存)   
• SSD(固态硬盘)     
• DISK(机械硬盘)，默认使用。   
• ARCHIVE(高密度存储介质，存储档案历史数据)

其中true和false指是否使用transient, transient代表非持久化,而只有内存存储是transient 

如何让HDFS知道集群中的数据存储目录是哪种类型存储介质？

• 配置属性时主动声明。HDFS并没有自动检测的能力。
• 配置参数dfs.datanode.data.dir = [SSD]file:///grid/dn/ssdO
• 如果目录前没有带上［SSD] [DISK] [ARCHIVE] [RAM_DISK］ 这4种类型中的任何一种，则默认是DISK类型 。 

二、存储类型选择策略

2.1 块存储类型选择策略

（1） 块存储指的是对HDFS文件的数据块副本储存。

（2）对于数据的存储介质，HDFS的BlockStoragePolicySuite 类内部定义了6种策略。     

• HOT（默认策略）     
• COLD     
• WARM     
• ALL_SSD     
• ONE_SSD     
• LAZY_PERSIST

（3）前三种根据冷热数据区分，后三种根据磁盘性质区分。

2.2 块存储类型选择策略--说明

• HOT：用于存储和计算。流行且仍用于处理的数据将保留在此策略中。所有副本都存储在DISK中。
• COLD：仅适用于计算量有限的存储。不再使用的数据或需要归档的数据从热存储移动到冷存储。所有副本都存储在ARCHIVE中。
• WARM：部分热和部分冷。热时，其某些副本存储在DISK中，其余副本存储在ARCHIVE中。
• All_SSD：将所有副本存储在SSD中。
• One_SSD：用于将副本之一存储在SSD中。其余副本存储在DISK中。
• Lazy_Persist：用于在内存中写入具有单个副本的块。首先将副本写入RAM_DISK，然后将其延迟保存在DISK中。 

2.3 块存储类型选择策略--速度快慢比较

三、 HDFS内存存储策略支持--LAZY PERSIST

• HDFS支持把数据写入由DataNode管理的堆外内存；
• DataNode异步地将内存中数据刷新到磁盘，从而减少代价较高的磁盘IO操作，这种写入称为 Lazy Persist写入。
• 该特性从Apache Hadoop 2.6.0开始支持。

3.1 HDFS内存存储策略支持--LAZY PERSIST执行流程

• 对目标文件目录设置 StoragePolicy 为 LAZY_PERSIST 的内存存储策略 。
• 客户端进程向 NameNode 发起创建／写文件的请求 。
• 客户端请求到具体的 DataNode 后 DataNode 会把这些数据块写入 RAM 内存中，同时启动异步线程服务将内存数据持久化写到磁盘上 。
• 内存的异步持久化存储是指数据不是马上落盘，而是懒惰的、延时地进行处理 。