回顾 3-replication

　　1）上周我们讲到一个文件会被复制三份，放入不同的datanodes；

　　2）比如一份文件640MB，被分为五个blocks（128*5），复制三份就是15个blocks，放入不同的datanodes，同一个datanodes中不能有相同的block，一般这三个blocks所在的datanotes在两个racks

　　3）这样有两个问题就是，所占内存太大，并且很少访问副本

HDFS Erasure Coding

　　1）不是简单的将文件（blocks）分为三份，EC将单一block的内容写入9个block中（encoding），任意6个便能还原原始block（decoding）

　　2) 过程：

　　　　（1）将 block(128MB)中的文件分为cells(64KB)

　　　　（2）将这些cells 六个六个的写入六个不同的blocks中

　　　　（3）一行的六个cells计算出3个parities，写入另外三个blocks

　　　　（4）这一行的九个cells就组成了一个strpe，这九个blocks就完成了block（128MB）的写入

　　　　（5）这个block group的信息会被记录在NameNode中

　　3）failure：

　　　　（1）如果一个interval block坏掉了， We can recover the data from any 6 internal blocks

3-replication VS Erasure Coding：

　　1）EC占空间少（1.5N） 3R （3N）

　　2）EC允许丢失3个nodes，3R至允许丢失2个Nodes

　　3）3R具有更好的读写表现，因为一个replica就是一个整体，可以直接操作，EC的读写需要解码

　（4）EC读数据要对6个blocks操作，写要对9个Blocks操作 group of blocks

　　4）恢复3R的cost更低

posted @ 2020-06-16 17:00 ChevisZhang 阅读(300) 评论(0) 编辑收藏举报

刷新页面返回顶部

ChevisZhang

大数据 week3 HDFS Erasure Coding