HDFS异构存储详解

HDFS异构存储类型

• 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粗处空间。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，这是认为其是“暖”数据。在接下来的几周和几个月中，数据使用率下降的更多，成为“冷”数据，。如果很少使用数据，例如每年查询一次或两次，这是甚至可以根据其年龄创建第四个数据风雷，并将这组很少被铲讯的旧数据被称为“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。
  • Hadoop2.5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。

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。

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）

如何让HDFS知道集群中的数据存储目录是那种类型存储介质

• 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/ssd0
• 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，则默认时DISK类型。

块存储选择策略

• 块存储指的是对HDFS文件的数据块副本存储
• 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_SSE
  LAZY_PERSIST
• 前三种根据冷热数据区分，后三种根据磁盘性质区分
  

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：仅适用于计算量中有限的存储。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。
• WRAM：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，然后将其延迟保存到DISK中
  

选择策略的命令

• 列出所有存储策略
  hdfs storagepolicies -listPolicies

• 设置存储策略
  hdfs storagepolicies -setStoragePolicy -path -policy

• 取消存储策略
  hdfs storagepolicies -unsetStoragePolicy -Path
  在执行unset命令之后，将应用当前目录最近的祖先存储策略，如果没有任何祖先的策略，则将应用默认的存储策略
• 获取存储策略
  hdfs storagepolicies -getStoragePolicy -path

案例：冷热温数据异构存储

为了更加充分的利用存储资源，我们可以将数据分为冷，热，温三个阶段来存储。具体规划如下：

对应步骤

• step1:配置DataNode存储目录，指定存储介质类型（hdfs-site.xml)
  
• step2:重启HDFS集群，验证配置

• step3:创建测试目录

hdfs dfs -mkdir -p /data/hdfs-test/data_phase/hot
hdfs dfs -mkdir -p /data/hdfs_test/data_phase/warm
hdfs dfs -mkdir -p /data/hdfs_test/data_phase/cold

• step4:分别设置三个目录的存储策略

hdfs storagepolicies -setStoragePolicy - path /data/hdfs-test/data_phase/hot -policy HOT
hdfs storagepolicies -setStoragePolicy -path /data/hdfs-test/data_phase/warn -policy WARN
hdfs storagepolicies -setStoragePolicy -path /data/hdfs -test/data_phase/cold -policy COLD

• step5:查看三个目录的存储策略

hdfs storagepolicies -getStoragePolicy -path /data/hdfs-test/data-phase/hot
hdfs sotragepolicies -getStoragePolicy -path /data/hdfs-test/data-phase/warm
hdfs soragepolicies -getStoragePolidy -path /data/hdfs-test/data-phase/cold

• step6:上传文件测试异构存储

hdfs dfs -put /etc/profile/data/hdfs-test/data_phase/hot
hdfs dfs -put /etc/profile/data/hdfs-test/data_phase/warm
hdfs dfs -put /etc/profile/data/hdfs-test/data_phase/ cold

• step7:查看不同存储策略文件的block位置
  hdfs fsck /data/hdfs-test/data_phase/hot/profile -files -blocks -locations

HDFS内存存储策略支持-- LAZY PERSIST

介绍

• HDFS支持把数据写入由DataNode管理的对外内存
• 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，这种写入被称为Lazy Persist写入
• 该特性从Apache Hadoop 2.6.0开始支持
  

执行

• 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/写入文件
• 客户端请求到具体的DataNode后DataNode会把这些数据块回写入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。
• 内部的异步持久化存储是指数据不是马上落盘，而是懒惰的，延时的尽心处理

使用

• step1：虚拟内存盘配置

mount -t tmpfs -o size=1g tmpfs /mnt/dn-tmpfs/

将tmpfs挂载到目录/mnt/dn-tmpfs/，并且限制内存使用大小为1GB

• step2:内存存储介质设置
  将机器中已经完成好的虚拟内存盘配置到dfs.datanode.data.dir中，其次还要带上RAM_DISK标签
  

• step3:参数设置优化
  dfs.storage.policy.enabled
  是否开启异构存储，默认true开启
  dfs.datanode.max. locked.memory
  用于在数据节点上的内存中缓存副本的内存量（以字节为单位）。默认情况下，此参数设置为0，这将禁用内存中缓存。内存值过小会导致内存中的总的可存储的数据块变小，但如果超过DataNode能承受的最大内存大小的话，部分内存块会被直接移出。

• step4:在目录上设置存储策略

hdfs storagepolicies -setStoragePolicy -path <path> -policy LAZY_PERSIST