这篇文章将为大家详细讲解有关HDFS中DataNode磁盘如何管理，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
在单一DataNode管理多个磁盘的情况下，执行普通写操作时的每个磁盘用量比较平均。但是，添加或者更换磁盘将会导致DataNode磁盘用量严重不均衡，传统的HDFS均衡器关注点是DataNode之间（inter-）而不是intra-，但是Hadoop 3.0及以上版本中，新的HDFS Intra-DataNode磁盘平衡器可以很好得解决上述问题。
HDFS现在包括（在CDH 5.8.2及更高版本中提供）全面的存储容量管理方法，用于跨节点移动数据。熟悉Hadoop简单配置的同学应该都知道hdfs-site.xml，在HDFS中，DataNode将数据块扩展到本地文件系统目录，可以使用hdfs-site.xml中的dfs.datanode.data.dir指定。在一个典型的安装过程中，每个目录（在HDFS术语中称作卷）位于不同的设备上（例如，在单独的HDD和SSD上）。
当我们将新块写入HDFS时，DataNode使用卷选择策略为块选择磁盘。目前支持两种策略类型：轮询（round-robin）和可用空间（available space）（HDFS-1804）。
简而言之，如上图所示，轮询策略在可用磁盘上均匀分配新块，而可用空间策略优先将数据写入具有最多可用空间（按百分比）的磁盘。
默认情况下，DataNode使用基于轮询的策略来编写新块。但是，在长时间运行的集群中，由于HDFS中的大量文件删除或通过磁盘热交换功能添加新的DataNode磁盘等事件，DataNode仍然可能创建了显著不平衡的卷。即使使用基于可用空间的卷选择策略，卷不平衡现象仍然会导致磁盘I/O效率降低：例如，每个新的写入都转到新添加的空磁盘而其他磁盘空闲，这会给新磁盘造成瓶颈。
Apache Hadoop社区开发了服务器脱机脚本以缓解数据不平衡问题。但是，由于在HDFS代码库之内，这些脚本要求DataNode在磁盘间移动数据前处于脱机状态。因此，HDFS-1312引入了在线磁盘平衡器，旨在根据各种指标重新平衡正在运行的DataNode上的卷。与HDFS Balancer类似，HDFS磁盘平衡器作为DataNode中的线程运行，以跨具有相同存储类型的卷移动块文件。
磁盘平衡器101
让我们使用示例逐步探索该功能。首先，确认所有DataNode上的dfs.disk.balancer.enabled配置都设置为true。从CDH 5.8.2开始，用户可以通过Cloudera Manager中的HDFS安全阀片段指定此配置：
在此示例中，我们将向预加载的HDFS DataNode（/ mnt / disk1）添加新磁盘，并将新磁盘装入/mnt/disk2。在CDH中，每个HDFS数据目录都在一个单独的磁盘上，因此用户可以使用df来显示磁盘使用情况：
# df -h …. /var/disk1 5.8G 3.6G 1.9G 66% /mnt/disk1 /var/disk2 5.8G 13M 5.5G 1% /mnt/disk2
显然，是时候让磁盘再次平衡！传统的磁盘平衡器任务涉及三个步骤（通过HDFS diskbalancer命令实现）：计划，执行和查询。在第一步中，HDFS客户端从NameNode读取有关指定DataNode的必要信息，以生成执行计划：
# hdfs diskbalancer -plan lei-dn-3.example.org 16/08/19 18:04:01 INFO planner.GreedyPlanner: Starting plan for Node : lei-dn-3.example.org:20001 16/08/19 18:04:01 INFO planner.GreedyPlanner: Disk Volume set 03922eb1-63af-4a16-bafe-fde772aee2fa Type : DISK plan completed.Th 16/08/19 18:04:01 INFO planner.GreedyPlanner: Compute Plan for Node : lei-dn-3.example.org:20001 took 5 ms 16/08/19 18:04:01 INFO command.Command: Writing plan to : /system/diskbalancer/2016-Aug-19-18-04-01
从输出中可以看出，HDFS 磁盘平衡器通过数据节点将磁盘使用信息报告给NameNode，并计算指定DataNode上的数据移动步骤。每个步骤都指定要移动数据的源卷和目标卷，以及预期要移动的数据量。
在撰写本文时，HDFS支持的唯一规划器是GreedyPlanner，它不断地将数据从最常用的设备移动到最少使用的设备，直到所有数据均匀分布在所有设备上。用户还可以在plan命令中指定空间利用率的阈值，如果空间利用率的差异低于阈值，则规划人员会认为磁盘是平衡的。（另一个值得注意的选择是通过在规划过程中指定--bandwidth来限制磁盘平衡器任务I / O，以免磁盘平衡器I/O影响前台工作。）
磁盘平衡器执行计划生成为存储在HDFS中的JSON文件。默认情况下，计划文件存储在/system/diskbalancer目录中：
# hdfs dfs -ls /system/diskbalancer/2016-Aug-19-18-04-01 Found 2 items -rw-r--r-- 3 hdfs supergroup 1955 2016-08-19 18:04 /system/diskbalancer/2016-Aug-19-18-04-01/lei-dn-3.example.org.before.json -rw-r--r-- 3 hdfs supergroup 908 2016-08-19 18:04 /system/diskbalancer/2016-Aug-19-18-04-01/lei-dn-3.example.org.plan.json
要在DataNode上执行计划，请运行：
$ hdfs diskbalancer -execute /system/diskbalancer/2016-Aug-17-17-03-56/172.26.10.16.plan.json 16/08/17 17:22:08 INFO command.Command: Executing "execute plan" command
此命令用于将JSON计划文件提交给DataNode，后者在BlockMoverthread线程的后台执行。
要检查DataNode上diskbalancer任务的状态，请使用query命令：
# hdfs diskbalancer -query lei-dn-3:20001 16/08/19 21:08:04 INFO command.Command: Executing "query plan" command. Plan File: /system/diskbalancer/2016-Aug-19-18-04-01/lei-dn-3.example.org.plan.json Plan ID: ff735b410579b2bbe15352a14bf001396f22344f7ed5fe24481ac133ce6de65fe5d721e223b08a861245be033a82469d2ce943aac84d9a111b542e6c63b40e75 Result: PLAN_DONE
输出（PLAN_DONE）表示磁盘平衡任务已完成。如果要验证磁盘平衡器的有效性，可以再次使用df -h查看跨两个本地磁盘的数据分布情况：
# df -h Filesystem Size Used Avail Use% Mounted on …. /var/disk1 5.8G 2.1G 3.5G 37% /mnt/disk1 /var/disk2 5.8G 1.6G 4.0G 29% /mnt/disk2
只要输出确认磁盘平衡器成功地将磁盘空间使用量差异减少到10％以下，那就意味着任务完成了。
关于“HDFS中DataNode磁盘如何管理”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
