Hadoop-优化-Hadoop2.x、3.x新特性

Hadoop新特性

1 Hadoop2.x新特性

1.1 集群间数据拷贝

1）scp实现两个远程主机之间的文件复制

//推 push
scp -r hello.txt root@hadoop103:/user/qinjl/hello.txt

//拉 pull
scp -r root@hadoop103:/user/qinjl/hello.txt  hello.txt

//是通过本地主机中转实现两个远程主机的文件复制；如果在两个远程主机之间ssh没有配置的情况下可以使用该方式。
scp -r root@hadoop103:/user/qinjl/hello.txt root@hadoop104:/user/qinjl

2）采用distcp命令实现两个Hadoop集群之间的递归数据复制

[qinjl@hadoop102 hadoop-3.1.3]$  bin/hadoop distcp hdfs://hadoop102:9820/user/qinjl/hello.txt hdfs://hadoop105:9820/user/qinjl/hello.txt

1.2 小文件存档

1）案例实操

（1）需要启动YARN进程

[qinjl@hadoop102 hadoop-3.1.3]$ start-yarn.sh

（2）归档文件

• 把/user/qinjl/input目录里面的所有文件归档成一个叫input.har的归档文件，并把归档后文件存储到/user/qinjl/output路径下。

[qinjl@hadoop102 hadoop-3.1.3]$ hadoop archive -archiveName input.har -p  /user/qinjl/input  /user/qinjl/output

（3）查看归档

[qinjl@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /user/qinjl/output/input.har
[qinjl@hadoop102 hadoop-3.1.3]$ hadoop fs -ls har:///user/qinjl/output/input.har

（4）解归档文件

[qinjl@hadoop102 hadoop-3.1.3]$ hadoop fs -cp har:/// user/qinjl/output/input.har/*    /user/qinjl

1.3 回收站

开启回收站功能，可以将删除的文件在不超时的情况下，恢复原数据，起到防止误删除、备份等作用。

1）回收站参数设置及工作机制

2）启用回收站

修改core-site.xml，配置垃圾回收时间为1分钟。

<property>
    <name>fs.trash.intervalname>
	<value>1value>
property>

3）查看回收站

回收站目录在hdfs集群中的路径：/user/qinjl/.Trash/…

4）通过程序删除的文件不会经过回收站，需要调用moveToTrash()才进入回收站

Trash trash = New Trash(conf);
trash.moveToTrash(path);

5）通过网页上直接删除的文件也不会走回收站。

6）只有在命令行利用hadoop fs -rm命令删除的文件才会走回收站。

[qinjl@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /user/qinjl/input

2020-07-14 16:13:42,643 INFO fs.TrashPolicyDefault: Moved: 'hdfs://hadoop102:9820/user/qinjl/input' to trash at: hdfs://hadoop102:9820/user/qinjl/.Trash/Current/user/qinjl/input

7）恢复回收站数据

[qinjl@hadoop102 hadoop-3.1.3]$ hadoop fs -mv
/user/qinjl/.Trash/Current/user/qinjl/input  /user/qinjl/input

2 Hadoop3.x新特性

2.1 多NN的HA架构

HDFS NameNode高可用性的初始实现为单个活动NameNode和单个备用NameNode，将edits复制到三个JournalNode。该体系结构能够容忍系统中一个NN或一个JN的故障。

但是，某些部署需要更高程度的容错能力。Hadoop3.x允许用户运行多个备用NameNode。例如，通过配置三个NameNode和五个JournalNode，群集能够容忍两个节点而不是一个节点的故障。

2.2 纠删码

HDFS中的默认3副本方案在存储空间和其他资源（例如，网络带宽）中具有200％的开销。但是，对于IO活动相对较低暖和冷数据集，在正常操作期间很少访问其他块副本，但仍会消耗与第一个副本相同的资源量。

纠删码（Erasure Coding）能够在不到50% 的数据冗余情况下提供和3副本相同的容错能力，因此，使用纠删码作为副本机制的改进是自然而然的。

• 查看集群支持的纠删码策略：hdfs ec -listPolicies