HDFS Balancer（HDFS重新平衡）
参考文档：
http://blog.csdn.net/chilianyi/article/details/50946818
https://www.cloudera.com/documentation/enterprise/5-10-x/topics/admin_hdfs_balancer.html CDH官网文档
1.快速入门
当前存储集群的DN的空间占用率很不均衡，最大的使用率接近100%，最小的使用率不到35%。
为了平衡空间的占用率，我们在CDH上开启了“重新平衡”。
调用的脚本实际如下：
hdfs/hdfs.sh ["balancer","-threshold","10.0","-policy","DataNode”]
查看当前的进度条：
Successfully moved blk_1255414776_181709174 with size=134217728 from 172.16.16.66:50010:DISK to 172.16.16.39:50010:DISK through 172.16.16.219:50010
重新平衡并没有将空间占用率最高的DN优先执行。
2.命令行优化办法
查看hdfs balancer的命令如下：
[root@R720ip39 ~]# hdfs balancer -help
Usage: java Balancer
[-policy ] the balancing policy: datanode or blockpool
[-threshold ] Percentage of disk capacity
[-exclude [-f | comma-sperated list of hosts]] Excludes the specified datanodes.
[-include [-f | comma-sperated list of hosts]] Includes only the specified datanodes.
为了更高效率的执行balancer操作，建议如下：
-threshold 30 设置越大，越快结束，并且优先解决DN占用率高的
参数含义：判断集群是否平衡的目标参数，每一个 datanode 存储使用率和集群总存储使用率的差值都应该小于这个阀值 ，理论上，该参数设置的越小，整个集群就越平衡，但是在线上环境中，hadoop集群在进行balance时，还在并发的进行数据的写入和删除，所以有可能无法到达设定的平衡参数值。
-include 包含如下的DN列表
dfs.balance.bandwidthPerSec 300MB（我们计算集群的设置）
参数含义：设置balance工具在运行中所能占用的带宽，设置的过大可能会造成mapred运行缓慢。
执行命令如下：
hdfs balancer -policy datanode -threshold 30 -include -f /tmp/hdfs-blancer.txt
3.CDH中优化balancer实例
在CDH中，balancer是通过如下实例实现的。
几个优化项：
优化一：
Balancer
阈值越高，需要平衡的量越少，DN占用率不够均衡；阈值越低，需要平衡的量越大， DN占有率越均衡；
优化二：增大Balancer的Java堆大小
优化三：高级配置：
hdfs-site.xml 高级配置代码段（安全阀）
#在DataNode和balancer实例都需要配置
#在balancer实例配置
均衡block，执行start-balancer.sh
这个会非常耗时，但启动后不中断datanode服务执行，会占用带宽和资源。可调整balance执行性能：
1）如果不balance，那么cluster会把新的数据都存放在新的node上，这样会降低mapred的工作效率
2）设置平衡阈值，默认是10G[dfs.datanode.available-space-volume-choosing-policy.balanced-space-threshold=10737418240]。该属性表示当各datanode的空闲空间差异达到10G时，就认为不平衡，将触发datanode之间的balance，将空闲空间少的datanode的block向空闲空间多的datanode迁移，直到差异处于10G范围内。
值越低各节点越平衡，但消耗时间也更长。例如：start-balancer.sh -threshold 5
3）设置balance的带宽，默认只有1M/s [dfs.datanode.balance.bandwidthPerSec=1048576]