0678-6.2.0-如何在CDH中使用HDFS分层存储

Fayson的github： https://github.com/fayson/cdhproject

推荐关注微信公众号：“Hadoop实操”，ID：gh_c4c535955d0f

1 文档编写目的

在前面的文章中，Fayson介绍过什么是HDFS分层存储，参考《6.2.0-什么是HDFS分层存储》。这个功能很早CDH就支持了，本文基于CDH6.2实际演示如何在CDH中使用HDFS分层存储。

测试环境
1.Redhat7.4
2.CM/CDH6.2.0

2 配置并使用HDFS分层存储

在CM上修改DataNode数据目录，将六块SSD盘设置为SSD，另外十六块盘，六块设置为ARCHIVE，十块设置为DISK

1.测试使用SSD存储，执行wordcount

未提交作业前磁盘空间的容量

设置提交wordcount任务的HDFS数据目录的策略为ALL_SSD

执行生成数据的脚本，生成1TB测试数据

生成数据后查看磁盘，只有SSD容量增长了

提交wordcount任务

wordcount任务完成后查看磁盘，由于wordcount在执行过程中产生的中间数据落磁盘的目录未指定存储策略，所以默认使用hot策略，因此造成DISK存储的目录数据量有增长

2.测试使用ARCHIVE存储，执行sort

未提交作业前磁盘空间的容量

设置提交sort任务的HDFS数据目录的策略为cold

执行生成数据的脚本，生成1TB测试数据

生成数据后查看磁盘，只有ARCHIVE类型的磁盘容量增长了

提交sort任务

sort任务完成后查看磁盘，由于sort在执行过程中产生的中间数据落磁盘的目录未指定存储策略，所以默认使用hot策略，因此造成除了ARCHIVE存储的目录增长了之外，DISK存储的目录数据量也有增长

3.测试使用DISK存储，执行terasort

未提交作业前磁盘空间的容量

设置提交terasort任务的HDFS数据目录的策略为hot

执行生成数据的脚本，生成1TB测试数据

生成数据后查看磁盘，只有DISK存储的目录数据增长了

提交terasort任务

terasort任务完成后查看磁盘，发现只有DISK存储的目录数据增长了

3 总结

1.可以在CM上对HDFS的数据目录进行配置，配置上每块盘的存储类型，然后在使用HDFS时，对相应的HDFS指定存储策略，这样就可以让指定的数据存储到对应存储类型的磁盘，实现HDFS的分层存储。

2.在使用HDFS分层存储时需要注意对数据的分配，对于使用频繁的数据，可以存放在SSD上，对于归档的数据可以存放到ARCHIVE类型的磁盘，对于一些常用的基本数据可以存放在DISK类型的磁盘，对数据进行合理的分配，可以让所有磁盘的性能得到最好的发挥，同时可以获得最高的性价比。