HDFS 03 - HDFS 的几大机制：副本机制、机架感知机制、负载均衡机制
1 - HDFS 的副本机制
HDFS 中的文件，在物理上都是以分块（block）存储的，块大小可以通过 hdfs-site.xml 文件中的参数 dfs.block.size 进行设置：
<!-- 块大小，单位：Byte -->
<property>
<name>dfs.block.size</name>
<value>134217728</value>
</property>
分块存储的好处有：
1）一个文件有可能大于集群中的所有磁盘，块机制可以很好地解决这个问题；
2） 使用块作为文件存储的逻辑单位，可以简化存储子系统；
3）块非常适合用于数据备份（冗余的数据副本），进而提供数据容错能力。
文件块的副本存储示例图：
在 Hadoop 1.x 版本中，block 大小默认是 64M，Hadoop 2.x 版本默认是 128M。
块大小的设置是否合理，对系统性能影响很大：
设置太小，会增加寻址时间：一个正常大小的文件，被拆分成很多小 block，在读取的时候需要找到所有这些 block。
设置太大，从磁盘传输数据的时间会明显大于定位到这个 block 具体位置所需的时间，进而导致处理此 block 时速度变慢。
2 - HDFS 的机架感知机制
HDFS 的机架感知，又叫机架策略，用来决定副本存放位置的策略。
以默认的副本数=3为例：
1）第1个副本块保存在客户端所在的 DataNode 上；
2）第2个副本块保存在客户端所在 DataNode 同机架内的其他 DataNode 上；
3）第3个副本块保存不同机架的某个 DataNode 上。
生产环境中，需要手动配置机架策略。
3 - HDFS 的负载均衡机制
HDFS 的负载均衡机制，可以做到让每个 DataNode 上存储的数据尽量均衡（百分比相差不大）。
HDFS 有一个自动的负载均衡操作，传输速度相对较慢，在集群规模较小的时候是可行的：
<!-- 集群空闲情况下，1M/s -->
<property>
<name>dfs.datanode.balance.bandwidthPerSec</name>
<value>1048576</value>
</property>
如果集群规模较大，为了防止负载均衡对正常的业务读写造成影响，应当在集群空闲的时候，手动执行负载均衡。
手动命令如下：
# 任意两个节点之间的存储百分比不超过10%
sbin/start-balancer.sh -t 10%
参考资料
版权声明
出处：博客园-瘦风的南墙(https://www.cnblogs.com/shoufeng)
感谢阅读，公众号 「瘦风的南墙」 ，手机端阅读更佳，还有其他福利和心得输出，欢迎扫码关注🤝
本文版权归博主所有，欢迎转载，但 [必须在页面明显位置标明原文链接]，否则博主保留追究相关人士法律责任的权利。
