HDFS中機(jī)架感知策略的示例分析

這篇文章將為大家詳細(xì)講解有關(guān)HDFS中機(jī)架感知策略的示例分析，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

通常來說大型的Hadoop集群是以機(jī)架的形式來組織的他們分布在不同的機(jī)架上面，同一個機(jī)架節(jié)點往往通過同一個網(wǎng)絡(luò)交換機(jī)連接，在網(wǎng)絡(luò)寬帶方面比跨機(jī)架通信有較大優(yōu)勢。但是如果某一個文件數(shù)據(jù)庫同時存儲在同一個機(jī)架上面時，可能由于各種故障原因，導(dǎo)致文件不可用。HDFS采用機(jī)架感知策略來改進(jìn)數(shù)據(jù)的可靠性、可用性和網(wǎng)絡(luò)寬度的利用率。

通過機(jī)架感知的過程，NameNode可以確定每一個 DataNode所屬的機(jī)架id。一個簡單但沒有優(yōu)化的策略就是將副本存放在不同的機(jī)架上，這樣可以防止當(dāng)整個機(jī)架失效時數(shù)據(jù)的丟失，并且允許讀數(shù)據(jù)的時候充分利用多個機(jī)架的帶寬。這種策略設(shè)置可以將副本均勻分布在集群中，有利于當(dāng)組件失效的情況下的均勻負(fù)載。

也就是說，HDFS系統(tǒng)的機(jī)架感知策略的優(yōu)勢是防止由于某個機(jī)架失效導(dǎo)致數(shù)據(jù)丟失，并且允許讀取數(shù)據(jù)時充分利用多個機(jī)架的帶寬。HDFS會盡量讓讀取任務(wù)去讀取距離客戶端最近的副本數(shù)據(jù)來減少整體帶寬消耗，從而實現(xiàn)降低整體的帶寬延時。

對于副本距離的計算公式，HDFS采用如下約定：

• Distance(Rack 1/D1 Rack1/D1)=0 //同一臺服務(wù)器的距離為0

• Distance(Rack 1/D1 Rack1/D3)=2 //通機(jī)架不同服務(wù)器的距離為2

• Distance(Rack 1/D1 Rack2/D1)=4 //不同機(jī)架服務(wù)器距離為4

通常而言，一個Rack共享一個電源，一條網(wǎng)線，一個交換機(jī)，HDFS備份通常在同一個Rack上存儲一份，在另外一個Rack上存儲兩份（另外：HDFS以block為單位，備份也要以block為單位）

通過機(jī)架感知，處于工作狀態(tài)的HDFS總是設(shè)法確保數(shù)據(jù)塊的三個副本(或者更多)中至少有兩個在同一機(jī)架，至少有一個處在不同機(jī)架

而HDFS為每一個block存三份的話，那么client如何來寫入呢？

當(dāng)client 寫文件創(chuàng)建新block之后，Name node會為這個block 創(chuàng)建一整個HDFS cluster 里獨有的ID，并且決定哪些Data node來存儲這個block的所有備份。被選擇到的Data node會組成一個隊列，client 向隊列的第一個Data node 寫入，第一個Data node除了把數(shù)據(jù)存在自己的硬盤上以外，還要把數(shù)據(jù)傳給隊列里的下一個Data node，直到最后一個Data node接到數(shù)據(jù)完畢

關(guān)于“HDFS中機(jī)架感知策略的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。