Hadoop 3.0磁盘均衡器(diskbalancer)新功能及使用介绍

在HDFS中，DataNode 将数据块存储到本地文件系统目录中，具体的目录可以通过配置 

hdfs-site.xml

 里面的 

dfs.datanode.data.dir

 参数。在典型的安装配置中，一般都会配置多个目录，并且把这些目录分别配置到不同的设备上，比如分别配置到不同的HDD（HDD的全称是Hard
Disk Drive）和SSD（全称Solid State Drives，就是我们熟悉的固态硬盘）上。
　　当我们往HDFS上写入新的数据块，DataNode 将会使用volume选择策略来为这个块选择存储的地方。目前Hadoop支持两种volume选择策略：round-robin 和 available space（详情参见：HDFS-1804），我们可以通过 

dfs.datanode.fsdataset.volume.choosing.policy

 参数来设置。
　　循环（round-robin）策略将新块均匀分布在可用磁盘上；而可用空间（ available-space ）策略优先将数据写入具有最大可用空间的磁盘（通过百分比计算的）。正如下图所示：



如果想及时了解Spark、Hadoop或者Hbase相关的文章，欢迎关注微信公共帐号：iteblog_hadoop

　　默认情况下，DataNode 是使用基于round-robin策略来写入新的数据块。然而在一个长时间运行的集群中，由于HDFS中的大规模文件删除或者通过往DataNode 中添加新的磁盘仍然会导致同一个DataNode中的不同磁盘存储的数据很不均衡。即使你使用的是基于可用空间的策略，卷（volume）不平衡仍可导致较低效率的磁盘I/O。比如所有新增的数据块都会往新增的磁盘上写，在此期间，其他的磁盘会处于空闲状态，这样新的磁盘将会是整个系统的瓶颈。
　　最近，Apache Hadoop community开发了好几个离线的脚本（可以参见 HDFS-1312 或者 hadoop-balancer ）以缓解数据不平衡问题。然而这些脚本都是在HDFS代码库之外，在执行这些脚本往不同磁盘之间移动数据的时候，需要要求DataNode处于关闭状态。结果，HDFS-1312 还引入了一个在线磁盘均衡器，旨在根据各种指标重新平衡正在运行DataNode上的磁盘数据。和现有的HDFS均衡器类似，HDFS 磁盘均衡器在DataNode中以线程的形式运行，并在相同存储类型的卷（volumes）之间移动数据。我们要注意，本文介绍的HDFS
磁盘均衡器是在同一个DataNode中的不同磁盘之间移动数据，而之前的HDFS均衡器是在不同的DataNode之间移动数据。
在下面的文章中，我将介绍如何使用这个新功能。
　　让我们通过一个例子逐步探讨这个有用的功能。首先，确保所有DataNode上的 

dfs.disk.balancer.enabled

 参数设置成true。本例子中，我们的DataNode已经挂载了一个磁盘（

/mnt/disk1

），现在我们往这个DataNode上挂载新的磁盘（

/mnt/disk2

），我们使用
df命令来显示磁盘的使用率：
从上面的输出可以看出，两个磁盘的使用率很不均衡，所以我们来将这两个磁盘的数据均衡一下。
典型的磁盘平衡器任务涉及三个步骤（通过HDFS的diskbalancer 命令）：plan, execute 和 query。第一步，HDFS客户端从NameNode上读取指定DataNode的的必要信息以生成执行计划：
从上面的输出可以看出，HDFS磁盘平衡器通过使用DataNode报告给NameNode的磁盘使用信息并结合计划程序来计算指定DataNode上数据移动计划的步骤，每个步骤指定要移动数据的源卷和目标卷，以及预计移动的数据量。
　　截止到撰写本文的时候，HDFS仅仅支持 

GreedyPlanner

，其不断地将数据从最常用的设备移动到最少使用的设备，直到所有数据均匀地分布在所有设备上。用户还可以在使用 plan 命令的时候指定空间利用阀值，也就是说，如果空间利用率的差异低于此阀值，planner
则认为此磁盘已经达到了平衡。当然，我们还可以通过使用 

--bandwidth

 参数来限制磁盘数据移动时的I/O。
磁盘平衡执行计划生成的文件内容格式是Json的，并且存储在HDFS之上。在默认情况下，这些文件是存储在 

/system/diskbalancer

 目录下面：
可以通过下面的命令在DataNode上执行这个生成的计划：
这个命令将JSON里面的计划提交给DataNode，而DataNode会启动一个名为BlockMover的线程中执行这个计划。我们可以使用 

query

 命令来查询DataNode上diskbalancer任务的状态：
上面结果输出的

PLAN_DONE

表示disk-balancing task已经执行完成。为了验证磁盘平衡器的有效性，我们可以使用df -h 命令来查看各个磁盘的空间使用率：
上面的结果证明，磁盘平衡器成功地将 

/var/disk1

 和 

/var/disk2

 空间使用率的差异降低到10%以下，说明任务完成！
猜你喜欢

欢迎关注本公众号：iteblog_hadoop:

0、回复 电子书 获取 本站所有可下载的电子书

1、SparkSQL
– 深入浅出了解Catalyst

2、TensorFlow
on Yarn：深度学习遇上大数据

3、Apache
Spark 2.2.0新特性详细介绍

4、干货
| Spark SQL：过去，现在以及未来

5、ElasticSearch内置也将支持SQL特性

6、全球100款大数据工具汇总，总有你需要的

7、Spark
Summit 2017全部PPT下载[共143个]

8、NodeManager节点自身健康状态检测机制

9、NodeManager
生命周期介绍

10、Apache
Flink 1.3.0正式发布及其新功能介绍
11、更多大数据文章欢迎访问https://www.iteblog.com及本公众号(iteblog_hadoop)12、Flink中文文档：http://flink.iteblog.com