官方详解HDFS Balancer工具主要调优参数

2023-05-14 05:05:23 参数 工具 详解

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>]
[-policy <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%。

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:
  • datanode(默认):当每一个DataNode是平衡的时候,集群就是平衡的。
  • blockpool:当每一个DataNode中的blockpool是平衡的,集群就是平衡的。
excludeBalancer排除特定的DataNode。
includeBalancer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。
blockpoolsBalancer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 &lt;bandwidth in bytes per second&gt;

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.loghadoop-hdfs-balancer-emr-header-xx.cluster-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Balancer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.dispatcherThreadsBalancer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.sizeBalancer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getBlocks过程会对RPC进行加,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Block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4 * 磁盘数作为上限,可以使用Balancer的值进行调节。

例如:一个DataNode有28块盘,在Balancer端设置为28,DataNode端设置为28 * 4。具体使用时根据集群负载适当调整。在负载较低时,增加concurrent数;在负载较高时,减少concurrent数。

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其它相关文章!

相关文章