Hadoop大数据存算分离下如何解决新旧存储共存

Hadoop大数据存算分离下如何解决新旧存储共存，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

在传统的Apache Hadoop集群系统中，计算和存储资源是紧密耦合的，HDFS为大数据存储带来便利的同时，也面临着一些挑战：

当存储空间或计算资源不足时，只能同时对两者进行扩容。假设用户对存储资源的需求远大于对计算资源的需求，那么同时扩容计算和存储后，新扩容的计算资源就被浪费了，反之，存储资源被浪费。

这导致扩容的经济效率较低，额外增加成本。而独立扩展的计算和存储则更加灵活，同时可显著降低成本。

现在Hadoop采用存算分离的架构的趋势越来越明显。

XSKY HDFS Client是为XEOS存储集群和Hadoop计算集群量身打造的连接器。通过XSKY HDFS Client，Hadoop应用可以访问存储在XEOS中的所有数据。

但是，在引入XEOS存储后，会出现原有HDFS与XEOS共存的情况，如何将两套存储集群都利用起来是需要解决的问题。

1

数据跨集群拷贝

一般情况下，计算应用需要访问的数据，如果保存在不同的集群中，那么应该将其中一个集群的数据拷贝到另一个集群上。一般情况下使用Hadoop自带的DistCp工具，对数据进行跨集群的拷贝。

这种方式虽然在一定程度上可以解决数据合并的问题，但如果数据量比较大，并且机房带宽有限制的情况下，可能拷贝数据的时间会非常长。还有一个就是在拷贝过程中原始数据发生改动，就还需要考虑增量同步的问题。

2

联邦HDFS和ViewFS

在Hadoop 2.x发行版中引入了联邦HDFS功能，期望可以解决NameNode的内存问题。联邦HDFS允许系统通过添加多个NameNode来实现扩展，其中每个NameNode管理文件系统命名空间中的一部分。

但是，在实际应用中，系统管理员需要维护多个NameNodes（所有NameNode都需要高可用）和负载均衡服务，这又增加了管理成本。所以HDFS的联邦方案并没有被生产环境所采用。

在提供联邦HDFS方案同时，Hadoop 2.x还提供了ViewFS，用来管理所有多个命名空间视图。

虽然联邦HDFS方案并没有被大规模应用，但ViewFS却可以用来解决XEOS与HDFS共存问题。

03

ViewFS的实现

ViewFS全称是ViewFileSystem，它不是一个新的文件系统，只是逻辑上的一个视图文件系统，它实现了标准的Hadoop FileSystem接口。但是，真实的请求处理还是在各自真实的存储集群上。

ViewFS会维护一个mount-table，主要是viewfs的逻辑目录与实际底层存储的映射关系。在接收到应用的调用时，ViewFS会解析用户的访问请求，并通过mount-table找到对应的底层存储目录，转发相应的请求到底层存储。

ViewFS会把所有应用层的FileSystem调用透传到底层真实文件系统中。由于ViewFs实现了Hadoop文件系统接口，因此使用它透明地运行Hadoop工具。例如，所有shell命令都可以与HDFS和本地文件系统一起使用ViewFS。

在集群的core-site配置中，fs.defaultFS被设置为ViewFS的root目录，也就是指定的mount-table。

在集群的配置中增加ViewFS的mount-table配置，示例如下：

Hadoop系统将在Hadoop配置文件中查找名称为 “ClusterX” 的mount-table。将所有gateway和server配置包含“ClusterX”，如上示例。

4

ViewFS的应用场景

ViewFS可以在如下场景中使用：

非结构化的原始数据可以通过DistCp等工具直接存储在XEOS上，业务数据库结构化数据和应用买点数据可以通过ETL以Hive的外部表方式存储到XEOS中。HBase和Hive继续在原有的HDFS上面运行，也就是HBase表数据和Hive内部表数据仍然通过HDFS来存储。

这样的好处是海量非结构化数据，甚至是海量小文件都可以用XEOS来承载，减轻HBase的压力，同时Hive新增数据全部通过XEOS来存储，后续扩容容量仅扩展XEOS存储集群即可。

5

XEOS配置ViewFS

大数据平台基于CDH 6.3.2。HDFS core-site.xml 增加如下配置：

Hadoop FS命令行：

执行wordcount测试结果如下：

XSKY通过ViewFS的方式，在不改变用户使用习惯的前提下，将原有HDFS数据与新增XEOS数据打通，解决了原有HDFS集群与新XEOS集群的共存问题。原有的HDFS数据可以继续使用，而XEOS可以用于承载新生成的数据。

这种方式不仅可以充分利用旧有设备，达到节约成本的目的。同时，能够借助XEOS横向扩展能力，实现存储单独扩容。

关于Hadoop大数据存算分离下如何解决新旧存储共存问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注亿速云行业资讯频道了解更多相关知识。