官方详解HDFS Balancer工具主要调优参数
目录
- 引言
- 使用HDFS Balancer
- 方式一：使用HDFS Balancer命令
- 方式二：使用start-balancer.sh工具
- Balancer调优参数
- 常见问题
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。本文通过为您介绍如何使用HDFS Balancer工具以及Balancer的主要调优参数。
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>] [-pZqEyFolicy <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：
|
| exclude | Balancer排除特定的DataNode。 |
| include | Balancer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。 |
| blockpools | Balancer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 <bandwidth in bytes per second>
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.log和hadoop-hdfs-balancer-emr-header-xx.clpythonuster-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Balan开发者_JS培训cer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.dispatcherThreads | Balancer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.size | Balancer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getBlock编程客栈s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BlZqEyFock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 例如：一个DataNode有28块盘，在Balancer端设置为28，DataNode端设置为 |
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python节到5（%）。
以上就是官方详解HDFS Balancer工具主要调优参数的详细内容，更多关于HDFS Balancer工具参数调优的资料请关注我们其它相关文章！
加载中,请稍侯......
精彩评论