在一个Hadoop集群中有不同类型的节点，它们对磁盘的要求是不同的。主（master）节点侧重于存储的可靠性，数据（data）节点就需要更好的读写性能，以及较大的容量。

在虚拟集群中，存储（datastore）可以分为本地（local）和共享（shared）两种类型。本地存储只能被其所在的主机上的虚拟机访问，而共享存储则可以被其他主机上的虚拟机访问到。本地存储的读写性能更好，而共享存储的可靠性更好。

磁盘部署的算法会根据用户输入，为不同类型的Hadoop节点提供最优的存储方案。


首先来看Hadoop集群中的主节点。因为主节点需要更高的可靠性，一般会配置上vSphere的高可用性（High Availability）和容错（Fault Tolerance）特性，所以共享存储是必须的。下面是json格式的配置文件的片段，显示如何指定主节点组的存储。

1 {
2 "nodeGroups" : [
3 {
4 "name": "master",
5 "roles": [
6 "hadoop_namenode",
7 "hadoop_jobtracker"
8 ],
9 "instanceNum": 1,
10 "instanceType": "LARGE",
11 "cpuNum": 2,
12 "memCapacityMB":4096,
13 "storage": {
14 "type": "SHARED",
15 "sizeGB": 20
16 },
17 "haFlag":"on",
18 "rpNames": [
19 "rp1"
20 ]
21 },


从第13行开始是关于存储的配置，指定使用共享类型的存储（第14行“type”：“SHARED”），大小为20GB。第17行“haflag”：“on”指定使用vSphere的高可用性（HA）特性。Serengeti在分配磁盘的时候会为主节点分配共享类型的存储。


下面来看Hadoop集群中的数据节点。这些节点会有大量的磁盘读写操作，根据用户指定的可以使用的存储的类型，系统会使用不同的磁盘部署算法。

对于用户指定的是共享存储的情况，因为共享存储的背后是 SAN 或者 NAS ，已经是由多块物理磁盘构成，并且磁盘的调度被隐藏在控制器之后，最优的磁盘部署算法是把所需的存储空间集合在一起，放在一个共享存储上。如果出现一个共享存储的空间不够的情况，系统会把分配后剩余的所需存储空间放在下一个可用的共享存储上，直到所需的存储空间全部分配完毕。


深入Hadoop磁盘部署的算法_第1张图片

另外一种情况就是用户指定的本地存储。对于本地存储，我们推荐用户把每个物理磁盘单独定义（每个物理磁盘对应一个datastore）。这样的话，我们可以通过（1）尽可能多的使用本地存储，（2）提供更多的物理磁盘拓扑信息，来提高Hadoop的磁盘总体吞吐率。


深入Hadoop磁盘部署的算法_第2张图片

这里通过一个例子来具体讲解Serengei的磁盘部署算法是如何工作的。假定有5个本地存储可供使用，需要分配50GB的空间。最简单的算法是把50GB平均分配到5个本地存储上去，每个本地存储上占用10GB的空间。但是每个本地存储上的可用空间可能是不同的，如果某个本地存储上的剩余空间小于10GB的话，这种算法就无法得到可行的部署方案。

我们使用的是一个改进的算法。首先将可用的本地存储按可用空间的大小从小到大进行排列。对于分配方案1，考虑将本地存储1的可用空间全部使用，而其他本地存储上使用和本地存储1的可用空间相同的空间，得到分配的总空间是25GB。

140016466.png

对于分配方案2，保持本地存储1的可用空间全部分配的状态，再将本地存储2的全部可用空间全部使用，对于比本地存储2大的其它存储，使用和本地存储2的可用空间（10GB）相同的空间，得到分配的总空间是45GB。如此类推，计算出全部的分配方案的空间大小。

我们需要的存储空间大小是50GB，这个位于分配方案2和分配方案3之间。所以我们知道必须使用本地存储1和2上的全部空间，而剩余的空间将在其它3个本地存储上平均分配。最终的磁盘部署方案是：

140034134.png


需要指出的是，数据节点的系统盘和数据盘有所不同，所以会被分到一个满足磁盘空间需求的存储上。

Hadoop磁盘部署的算法还需要处理其它一些特殊的情况，这里就不一一介绍了。


如有任何问题，您可以发邮件至[email protected]。


关于vSphere Big Data Extensions:

VMware vSphere Big Data Extensions（简称BDE）基于vSphere平台支持大数据和Apache Hadoop作业。BDE以开源Serengeti项目为基础，为企业级用户提供一系列整合的管理工具，通过在vSphere上虚拟化Apache Hadoop，帮助用户在基础设施上实现灵活、弹性、安全和快捷的大数据部署、运行和管理工作。了解更多关于VMware vSphere Big Data Extensions的信息，请参见http://www.vmware.com/hadoop。


作者介绍

深入Hadoop磁盘部署的算法_第3张图片

朱向飞（Xiangfei Zhu）

VMware高级开发工程师，2013年加入VMware的大数据开发团队。在此之前就职于汤森路透的搜索引擎开发团队。参与过Java企业应用开发，互联网和即时通信，搜索引擎以及大数据处理等多个项目，拥有丰富的软件开发经验。