温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

HDFS Balancer工具主要调优参数怎么使用

发布时间:2023-03-31 14:20:18 来源:亿速云 阅读:289 作者:iii 栏目:开发技术

这篇“HDFS Balancer工具主要调优参数怎么使用”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“HDFS Balancer工具主要调优参数怎么使用”文章吧。

    引言

    HDFS Balancer工具可以用来分析块的分布情况,并且可以重新分配DataNode中的数据。

    使用HDFS Balancer

    方式一:使用HDFS Balancer命令

    HDFS Balancer命令语句如下。

    hdfs balancer
    [-threshold <threshold>]
    [-policy <policy>]
    [-exclude [-f <hosts-file> | <comma-separated list of hosts>]]
    [-include [-f <hosts-file> | <comma-separated list of hosts>]]
    [-source [-f <hosts-file> | <comma-separated list of hosts>]]
    [-blockpools <comma-separated list of blockpool ids>]
    [-idleiterations <idleiterations>]

    Balancer主要参数如下表。

    参数描述
    threshold磁盘容量的百分数。

    默认值为10%,表示上下浮动10%。

    当集群总使用率较高时,需要调小Threshold,避免阈值过高。

    当集群新增节点较多时,您可以适当增加Threshold,使数据从高使用率节点移向低使用率节点。

    policy平衡策略。支持以下策略:
    • datanode(默认):当每一个DataNode是平衡的时候,集群就是平衡的。

    • blockpool:当每一个DataNode中的blockpool是平衡的,集群就是平衡的。

    excludeBalancer排除特定的DataNode。
    includeBalancer仅对特定的DataNode进行平衡操作。
    source仅选择特定的DataNode作为源节点。
    blockpoolsBalancer仅在指定的blockpools中运行。
    idleiterations最多允许的空闲循环次数。覆盖默认的5次。

    方式二:使用start-balancer.sh工具

    start-balancer.sh实际上是调用hdfs daemon start balancer命令。使用方式如下:

    • 登录待配置集群的任意节点,详情请参见登录集群。

    可选:执行以下命令,修改Balancer的最大带宽。

    hdfs dfsadmin -setBalancerBandwidth &lt;bandwidth in bytes per second&gt;

    说明 <bandwidth in bytes per second>为设置的最大带宽。例如,如果需要设置最大带宽为20 MB/s,对应值为20971520,则完整代码示例为hdfs dfsadmin -setBalancerBandwidth 20971520。如果集群负载较高,建议设置为209715200(200 MB/s);如果集群空闲,建议设置为1073741824(1 GB/s)。

    • 执行以下命令,切换到hdfs用户并执行Balancer参数。

    DataLake集群

    su hdfs
    /opt/apps/HDFS/hdfs-current/sbin/start-balancer.sh -threshold 5

    Hadoop集群

    su hdfs
    /usr/lib/hadoop-current/sbin/start-balancer.sh -threshold 5
    • 执行以下命令,进入HDFS安装目录。

    DataLake集群

    cd /var/log/emr/hadoop/

    Hadoop集群

    cd /var/log/hadoop-hdfs

    执行以下命令,查看Balancer运行情况。

    当提示信息包含Successfully字样时,表示执行成功。

    DataLake集群

    tailf hadoop-hdfs-balancer-master-1-1.c-xxx.log

    Hadoop集群

    tailf hadoop-hdfs-balancer-emr-header-1.cluster-xxx.log

    说明 命令中的hadoop-hdfs-balancer-master-1-1.c-xxx.loghadoop-hdfs-balancer-emr-header-xx.cluster-xxx.log为上一步骤中获取到的日志名称。

    Balancer调优参数

    执行Balancer会占用一定的系统资源,建议在业务空闲期执行。默认情况下,不需要对HDFS Balancer参数进行额外调整。当需要对Balancer参数进行额外调整时,您可以在E-MapReduce控制台的HDFS服务页面,选择配置 > hdfs-site.xml,调整以下两类配置。

    客户端配置

    参数描述
    dfs.balancer.dispatcherThreadsBalancer在移动Block之前,每次迭代时查询出一个Block列表,分发给Mover线程使用。

    说明 dispatcherThreads是该分发线程的个数,默认为200。

    dfs.balancer.rpc.per.sec默认值为20,即每秒发送的RPC数量为20。

    因为分发线程调用大量getBlocks的RPC查询,所以为了避免NameNode由于分发线程压力过大,需要控制分发线程RPC的发送速度。

    例如,您可以在负载高的集群调整参数值,减小10或者5,对整体移动进度不会产生特别大的影响。

    dfs.balancer.getBlocks.sizeBalancer会在移动Block前,每次迭代时查询出一个Block列表,给Mover线程使用,默认Block列表中Block的大小为2 GB。因为getBlocks过程会对RPC进行加锁,所以您可以根据NameNode压力进行调整。
    dfs.balancer.moverThreads默认值为1000。

    Balancer处理移动Block的线程数,每个Block移动时会使用一个线程。

    DataNode配置

    参数描述
    dfs.datanode.balance.bandwidthPerSec

    指定DataNode用于Balancer的带宽,通常推荐设置为100 MB/s,您也可以通过dfsadmin -setBalancerBandwidth 参数进行适当调整,无需重启DataNode。

    例如,在负载低时,增加Balancer的带宽。在负载高时,减少Balancer的带宽。

    dfs.datanode.balance.max.concurrent.moves

    默认值为5。

    指定DataNode节点并发移动的最大个数。通常考虑和磁盘数匹配,推荐在DataNode端设置为4 * 磁盘数作为上限,可以使用Balancer的值进行调节。

    例如:一个DataNode有28块盘,在Balancer端设置为28,DataNode端设置为28 * 4。具体使用时根据集群负载适当调整。在负载较低时,增加concurrent数;在负载较高时,减少concurrent数。

    常见问题

    Q:为什么Balancer的threshold设置为10(%),但是平衡以后看到差值为20%左右?

    A:threshold的含义是控制每个DataNode的使用率不高于或者不低于集群平均的使用率,所以使用率最多和最少的DataNode在平衡后可能差值为20%。要减少这种差距,可以尝试把差值调节到5(%)。

    以上就是关于“HDFS Balancer工具主要调优参数怎么使用”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注亿速云行业资讯频道。

    向AI问一下细节

    免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

    AI