大数据存储平台之异构存储实践

版权声明:*************本文为博主原创文章,未经许可不得转载************* https://lidong.blog.csdn.net/article/details/79537033

经常做数据处理的伙伴们肯定会有这样一种体会:最近一周内的数据会被经常使用到,而比如最近几周的数据使用率会有下降,每周仅仅被访问几次;在比如3月以前的数据使用率会大幅下滑,存储的数据可能一个月才被访问几次。这就产生了一种热和冷数据,对需要频繁访问的数据我们称之为“热”数据,反之我们称之为”冷”数据,而处于中间的数据我们称之为”温”数据。在数据被视为公司资产的时代,每个公司基本都会保存最近数年的数据,而这些数据尤其是冷数据的累积也给存储平台带来了甜蜜的负担。下面就来分享下如何解决这些“负担”。首先如何定义数据为冷热数据呢,eBay公司根据数据年龄和使用频率来定义不失为一种办法,下图为eBay关于数据温度的定义

 

 数据age 

 使用频率

温度

Age < 7

1天20

HOT

7 天 > Age < 1

1周5

WARM

1 月 < Age < 3

1月5

COLD

3 月 < Age < 3

1年2

FROZEN

 

从Hadoop2.6开始,HDFS更好的支持了这种冷热数据的分离存储,我们可以按HDFS路径指定其存储策略,目前HDFS支持的存储策略有:HOT、WARM、COLD、All_SSD、One_SSD、Lazy_Persist,我们着重介绍SSD相关的存储策略,具体如下:

  • All_SSD - 用于将所有副本存储在SSD中
  • One_SSD - 用于将其中一个副本存储在SSD中。剩余的副本存储在DISK中
  • Lazy_Persist - 用于在内存中写入单个副本的块。该副本首先写入RAM_DISK,然后在DISK中延续

创建文件或目录时,其存储策略未指定。可以使用“hdfs dfsadmin -setStoragePolicy 命令指定存储策略。文件或目录的有效存储策略由以下规则解决。

1.  如果文件或目录特定于存储策略,则返回。

2.  对于未指定的文件或目录,如果是根目录,则返回默认存储策略。否则,返回其父级的有效存储策略。

我们在实践过程中,因为有一部分实时分析的需求,一部分是历史数据的保存,历史数据很少参与计算,只需偶尔查询会用到。那么对于历史数据来说,我们可以使用一批计算能力较弱,而硬盘较多、容量较大的SATA盘,而实时分析的场景,需要高性能的计算力和硬盘吞吐能力,我们选用SSD硬盘来支撑,此外HDFS还提供了内存存储类型,但我们的内存还是有限,暂未使用到。实际上,我们的每台服务器的12块硬盘slot中有3个是SSD,其余9个是SATA我们实践结果表明,使用这种策略的效果比以前好了4倍以上。

要使用存储策略,我们需要在在每个数据节点上hdfs-site.xml中参数dfs.datanode.data.dir配置的由逗号分隔的存储位置使用的存储类型进行标记。例如:

1.      使用[DISK]file:///dfs/dn来标识这个存储位置为普通硬盘

2.      使用[SSD]file:/// dfs/dn来标识这个存储位置为SSD硬盘

此外,默认情况下的存储格式为DISK。

 

下面介绍设置存储策略命令:

         hdfs storagepolicies -setStoragePolicy -path <path> -policy <policy>

 

相应的获取存储策略命令为:

         hdfs storagepolicies -getStoragePolicy -path <path>

总结下:我们可以在一个限定的Hadoop集群中进行设置不同的磁盘使用不同的存储策略,还可以利用API将数据存储到不同的存储层。HDFS设计的详细存储类型和存储策略如下表,有兴趣的同学可以看看:

Policy ID

Policy Name

Block Placement (n  replicas)

Fallback storages for creation

Fallback storages for replication

15

Lazy_Persist

RAM_DISK: 1, DISK: n-1

DISK

DISK

12

All_SSD

SSD: n

DISK

DISK

10

One_SSD

SSD: 1, DISK: n-1

SSD, DISK

SSD, DISK

7

Hot (default)

DISK: n

<none>

ARCHIVE

5

Warm

DISK: 1, ARCHIVE: n-1

ARCHIVE, DISK

ARCHIVE, DISK

2

Cold

ARCHIVE: n

<none>

<none>

 

注:HDFS新加的ARCHIVE存储类型, 它是一种支持PB级的高容量存储但很少的 计算能力,用于归档数据使用,从上图可以看出冷数据适合使用archive存储类型

总体上HDFS异构存储的价值在于根据数据热度采用不同策略从而提升集群整体资源使用效率。对于频繁访问的数据,将其全部或部分保存在更高访问性能的存储介质(内存或SSD)上,从而提升集群的读写性能,这点对OLAP分析场景非常有用;对于几乎不会访问的数据,保存在归档存储介质上,降低存储成本。但是HDFS异构存储的配置需要用户对目录指定相应的策略,即用户需要预先知道每个目录下的文件的访问热度。在结合易观的实际大数据平台应用中,易观由于有一批配置较低的老机器,我们将这批老机器上的磁盘设置为ARCHIVE,我们会将不常使用的SDK接收上来的原始历史数据路径设置为归档存储,还有一些不常用到的历史数据也设置为归档存储,而对OLAP即时分析时会将热数据保存在内存或SSD上,这样可以有效的达到实现冷热分层存储的目的,目前在生产环境已稳定运行近一年时间

 

展开阅读全文

没有更多推荐了,返回首页