干货：如何将Hadoop存储容量提升4倍？

在Hadoop 1.0中，HDFS的单NameNode设计带来诸多问题，包括单点故障、内存受限制约集群扩展性和缺乏隔离机制(不同业务使用同一个NameNode导致业务相互影响)等。为了解决这些问题，Hadoop 2.0就引入了基于共享存储的HA解决方案和HDFS Federation，HDFS Federation是指HDFS集群可同时存在多个NameNode，这些NameNode分别管理一部分数据，且共享所有DataNode存储资源。

Apache Hadoop分布式文件系统(HDFS)具有高度可扩展性，可支持PB级群集。但是，整个命名空间(文件系统元数据)存储在内存中。因此，即使存储可以水平扩展，命名空间也只能垂直扩展，它受限于单个NameNode进程可存储的文件、块和目录的数量。

本文主要介绍如何通过Federation使用多个独立的Namenodes/Namespaces水平扩展命名空间。Namenodes彼此独立，互不通信，可以共享相同的Datanode存储。Federation和Namespaces可以为整个集群提供可伸缩性，Federation增加了对Namespace水平扩展的支持;添加更多的NameNode，增加集群的聚合读/写能力和吞吐量;用户和应用程序可以通过Namenodes隔离。

1、示例

Federation在可伸缩性、性能和隔离方面的优势为它创建了许多用例，本文仅列举一些简单示例。

1.1 HIVE ON FEDERATION

Hive将表数据组织到分区中以提高查询性能，它将分区存储在不同的位置，这为在不同命名空间中存储、管理和配置hive数据提供了机会。使用federated集群，我们可以将不同的表存储在不同的命名空间，或者将同一个表的不同分区存储在不同的命名空间。

例如，我们可以将不经常访问的数据归档存储到单独的命名空间，并将当前频繁使用的数据保存在单独的命名空间，这将提高服务于当前数据命名空间的性能效率，并减少负载。

假设我们一年有一个分区hive表，我们希望将2000年以后的所有数据存储在一个命名空间中，将其余数据存储在一个命名空间中，这就可以通过federation实现。

下图显示了 NSI中Students 表year=‘2018’分区下的数据。

如果想在NS2中存储1990年的记录，我们必须改变表格以将其位置设置为NS2。

hive> ALTER TABLE Students SET LOCATION ‘hdfs://ns2/user/hive/warehouse/student’; 

将表的位置更改为新命名空间NS2之后，我们可以将数据插入到所需的分区中，现在将在NS2中创建分区。

我们可以在同一个查询中执行跨越不同命名空间的多个分区操作。例如，表上的“SELECT *”将从不同命名空间的分区返回记录。

下图显示了在nameservice NS1(在node-1上运行的namenode)中存储的2007和2018年的hive分区数据。

1990年的归档数据存储在NS2中(namenode在node-3上运行)，如下所示：

1.2 应用程序隔离

假设我们需要运行一个较庞大的应用程序，它可能会占用Namenode上的大量资源，这很可能导致其他应用程序延迟。通过federation，我们可以将这些应用程序移动到不同的命名空间。

2. AMBARI概述

Ambari中的federated集群视图如下所示，这两个服务将各自具有相应的组件和度量信息。其他组件(如Datanodes和Journalnodes)将由这两个服务共享。 如下所述，启用federated所需的所有配置更改都由Ambari自动完成。

3.配置更改

要启用federated并在集群中具有多个命名空间，需要在hdfs-site.xml中进行一些配置更改。 如果使用Ambari安装federated集群，则会自动设置以下配置。但是，学会如何通过页面配置federated是有帮助的，以下是具有两个Nameservices集群的示例- NS1和NS2。

3.1 NAMESERVICEIDS

使用逗号分隔的NameserviceID列表将此配置添加到hdfs-site.xml。

<property>  
<name>dfs.nameservices</name>  
<value>ns1,ns2</value>  
</property> 

3.2 NAMENODEIDS

对于具有HA设置的Nameservice，我们需要为属于该Nameservice的Namenode指定NamenodeID。这是通过将NamenodeID列表添加到与名称服务ID一起使用的密钥dfs.ha.namenodessuffixed中来完成的。

<property>  
　　<name>dfs.ha.namenodes.ns1</name>  
　　<value>nn1,nn2</value></property>
 
<property>  
　　<name>dfs.ha.namenodes.ns2</name>  
　　<value>nn3,nn4</value>  
　　</property> 

3.3 RPC ADDRESSES

应使用配置密钥为集群中的每个Namenode配置RPC和Service-RPC地址 - dfs.namenode.rpc-address和dfs.namenode.servicerpc-address(可选)。这是通过使用NameserviceID和NamenodeID为config键添加后缀来完成的。

<property>  
　　<name>dfs.namenode.rpc-address.ns1.nn1</name>  
　　<value>node-1.example.com:8020</value>  
　　</property> 
 
　　<property>  
　　<name>dfs.namenode.servicerpc-address.ns1.nn1</name>  
　　<value>node-1.example.com:8040</value>  
　　</property> 
 
　　<property>  
　　<name>dfs.namenode.rpc-address.ns1.nn2</name>  
　　<value>node-2.example.com:8020</value>  
　　</property> 
 
　　<property>  
　　<name>dfs.namenode.servicerpc-address.ns1.nn2</name>  
　　<value>node-2.example.com:8040</value> 
 　　</property> 
 
　　<property>  
　　<name>dfs.namenode.rpc-address.ns2.nn3</name>  
　　<value>node-3.example.com:8020</value>  
　　</property> 
 
　　<property>  
　　<name>dfs.namenode.servicerpc-address.ns2.nn3</name>  
　　<value>node-3.example.com:8040</value>  
　　</property> 
 
　　<property>  
　　<name>dfs.namenode.rpc-address.ns2.nn4</name>  
　　<value>node-4.example.com:8020</value>  
　　</property> 
 
　　<property>  
　　<name>dfs.namenode.servicerpc-address.ns2.nn4</name>  
　　<value>node-4.example.com:8040</value>  
　　</property> 

3.4 HTTP地址

HTTP和HTTPS地址(dfs.namenode.http-address和dfs.namenode.https-address)是可选参数，可以配置为类似于RPC地址。

<property>  
　　<name>dfs.namenode.http-address.ns1.nn1</name>  
　　<value>node-1.example.com:50070</value>  
　　</property>  
 
　　<property>  
　　<name>dfs.namenode.https-address.ns1.nn1</name>  
　　<value>node-1.example.com:50072</value>  
　　</property>  
 
　　<property>  
　　<name>dfs.namenode.http-address.ns1.nn2</name>  
　　<value>node-2.example.com:50070</value>  
　　</property> 
 
　　<property>  
　　<name>dfs.namenode.https-address.ns1.nn2</name>  
　　<value>node-2.example.com:50072</value>  
　　</property> 
 
　　<property>  
　　<name>dfs.namenode.http-address.ns2.nn3</name>  
　　<value>node-3.example.com:50070</value>  
　　</property> 
 
　　<property>  
　　<name>dfs.namenode.http-address.ns2.nn4</name>  
　　<value>node-4.example.com:50070</value>  
　　</property> 

3.5 其他NAMESERVICE特定密钥

通过使用NameserviceID后缀键名，可以为每个名称服务配置以下键：

dfs.namenode.keytab.file  
dfs.namenode.name.dir  
dfs.namenode.edits.dir  
dfs.namenode.checkpoint.dir 
dfs.namenode.checkpoint.edits.dir  
dfs.secondary.namenode.keytab.file  
dfs.namenode.backup.address 

4.集群设置

federated集群中的所有Namenode应具有相同的clusterID，应使用以下命令格式化一个namenode，选择唯一的clusterID，使其不与环境中的其他集群冲突。如果未提供clusterID，则会自动生成唯一ID。

[hdfs]$ $HADOOP_HOME/bin/hdfs namenode -format [-clusterId ] 

集群中的所有其他名称节点必须使用与第一个namenode相同的clusterID进行格式化。

[hdfs]$ $HADOOP_HOME/bin/hdfs namenode -format -clusterId  

如果向现有集群添加新名称服务，则应使用与现有名称节点相同的clusterID格式化新名称节点，可以从Namenode中的VERSION文件检索clusterID。