hadoop Non DFS Used是什么

首先我们先来了解一下Non DFS User是什么？

Non DFS User的意思是：非hadoop文件系统所使用的空间，比如说本身的linux系统使用的，或者存放的其它文件

 

它的计算公式：

non dfs used = configured capacity - remaining space - reserved space

 

如果给datanode配置了预留磁盘空间参数的话，可以用下面的公式计算

Non DFS used = ( Total Disk Space - Reserved Space) - Remaining Space - DFS Used

 

我们来看个例子：

如果有100G磁盘，设置dfs.datanode.du.reserved这个值为30G，在该磁盘上系统和其他文件使用了40G，

DFS使用了10GB。如果执行df -h,可以看到有效空间是50G.

 

在HDFS web 界面上，会看到

non dfs user=100(total)-30(reserved)-10(dfs used)-50(remaing)=10G.

 

所以实际上，你初始预留了30G给non dfs使用，70G给hdfs.然而，实际出来的non dfs使用超过了30G并且吃掉了属于hdfs的10g空间。

 

“non dfs used”应该这样子定义“how much configured dfs capacity are occupied by non dfs use”.

译为：配置的dfs的空间有多少被不是hdfs的文件占用了

 

结论是：

如果没有配置dfs.datanode.du.reserved，默认值是0，也就是磁盘的所以空间都给dfs，更好理解non dfs used了，就是给dfs配置的空间有多少被系统、系统进程使用了

 

在hadoop集群内部使用率是如此高

可用用‘lsof|grep delete’,该命令可以帮你确认哪些已经打开的文件被删除了。有时候，hadoop的进程（例如hive/yarn/mapred/hdfs等）也会引用这些已经删除的文件。这些引用也会占用磁盘空间。

 

可以用这个命令

du -hsx * | sort -rh | head -10

查看排行10的最大文件夹或是文件。