Hadoop笔记HDFS(1)

环境：Hadoop2.7.3

1、Benchmarking HDFS

1.1测试集群的写入

运行基准测试是检测HDFS集群是否正确安装以及表现是否符合预期的好方法。DFSIO是Hadoop自带的一个基准测试程序，可以用来分析HDFS集群的I/O能力

脚本： $HADOOP_HOME/bin/hadoop jar hadoop-mapreduce-client-jobclient-2.7.3-tests.jar TestDFSIO -write -nrFiles 10 -size 50MB

nrFiles:指定输入的文件个数

-size:指定每个输入文件的大小

基准测试将结果写道控制台，并且将结果添加到TestDFSIO_results.log中，可以自己指定要写入的文件名(-resFile)

1.2测试集群的读取

这一步要在第一步完成后进行，因为脚本要用到第一步写完的文件。

$HADOOP_HOME/bin/hadoop jar hadoop-mapreduce-client-jobclient-2.7.3-tests.jar TestDFSIO -read -nrFiles 10 -size 50MB

1.3删除运行基准测试产生的文件

$HADOOP_HOME/bin/hadoop jar hadoop-mapreduce-client-jobclient-2.7.3-tests.jar TestDFSIO -clean

2、删除节点

用下面的方法可以方便优雅的将节点从集群中解除掉。（从slaves文件中删除掉节点名也可以，简单但不优雅）
2.1建立一个文件存放要删除的节点，hdfs_exclude.txt
2.2在hdfs-site.xml中配置如下属性和value
<property>
   <name>dfs.hosts.exclude</name>
   <value>$HADOOP_HOME/etc/hadoop/hdfs_exclude.txt</value>
   <description>DFS exclude</description>
</property>
2.3 运行：$HADOOP_HOME/bin/hadoop dfsadmin -refreshNodes
2.4 解除节点的过程会在HDFS的webUI显示。解除过程可以使用脚本进行监控。在解除节点的过程完成前，
不要关闭节点
>bin/hadoop dfsadmin -report

在一个解除一个节点的过程中，HDFS会将原来存在节点上的blocks移动到集群中其它的节点。解除节点的过程可能会很慢，
因为HDFS会小心的进行避免集群的崩溃。在解除节点的过程结束前，关闭节点会导致数据的丢失。在解除过程结束后，在
exclude文件中的节点不会再与namenode节点通信。

3、Using multiple disks/volumes and limiting HDFS disk usage
Hadoop支持为DataNode数据目录(datanode data directory)指定多个存储路径，这种特性允许我们使用DataNode的多个disk/valumes
存放数据blocks，Hadoop会尽量在每个存储目录存放相同大小的数据。Hadoop也支持限制HDFS使用硬盘空间的大小。
实现方法：
3.1 Create HDFS data storage directories in each volume.
3.2 In the $HADOOP_HOME/conf/hdfs-site.xml , provide a comma-separated list
of directories corresponding to the data storage locations in each volume under the
dfs.data.dir directory.
<property>
<name>dfs.data.dir</name>
<value>/u1/hadoop/data,/u2/hadoop/data</value>
</property>
3.3 To limit the HDFS disk usage, add the following property to $HADOOP_HOME/conf/
hdfs-site.xml to reserve space for non-DFS usage. The value specifies the
number of bytes that HDFS cannot use per volume.
<property>
<name>dfs.datanode.du.reserved</name>
<value>6000000000</value>
<description>Reserved space in bytes per volume. Always leave
this much space free for non dfs use.
</description>
</property>

4、设置HDFS的block大小
hdfs通过把存储的文件拆分成固定的大小block，存放在集群上。默认的hdfs的block大小是64MB。block的大小会影响hdfs上
对文件系统进行操作的性能，如果存储和处理的是非常大的文件，那么更大的block大小会更有效。数据产品中block的大小，会影响
MapReduce计算的性能，因为hadoop默认的行为是为每一个数据块中存储的数据创建一个map任务。
4.1设置block的大小：在hdfs-site.xml中添加属性
<property>
<name>dfs.block.size</name>
<value>134217728</value>
</property>
4.2 可以在上传文件的时候指定要上传路径的块的大小
To specify the HDFS block size for specific file paths, you can specify the block size
when uploading the file from the command line as follows:
>bin/hadoop fs -Ddfs.blocksize=134217728 -put data.in /user/foo

5、Setting the file replication factor（设置文件副本因子）
HDFS在集群上将文件拆分成多个固定大小的blocks来存放。这些数据块在不同的datanode上保存有副本，以增加
容错性。
5.1在hdfs-site.xml中设置
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
5.2如果要在上传文件的时候设置副本个数，可以使用下面的命令行
>bin/hadoop fs -D dfs.replication=1 -copyFromLocal non-critical-
file.txt /user/foo
5.3 setrep命令可以用来改变在hdfs中已经存在的文件或文件路径的副本因子。
The setrep command can be used to change the replication factor of files or file
paths that are already in the HDFS.
> bin/hadoop fs -setrep 2 non-critical-file.txt --设置.txt文件的副本数为2个
Replication 3 set: hdfs://myhost:9000/user/foo/non-critical-file.
txt
The setrep 命令的语法如下:
hadoop fs -setrep [-R] <path>
The <path> parameter of the setrep command specifies the HDFS path where the
replication factor has to be changed. The –R option recursively sets the replication
factor for files and directories within a directory.

5.4The replication factor of a file is displayed when listing the files using the ls command.
>bin/hadoop fs -ls
Found 1 item
-rw-r--r--foo supergroup ... /user/foo/non-critical-file.txt--2就是表示副本因子是2