hadoop学习笔记（10）-HDFS I/O性能测试
分布式RDF查询引擎的项目需要在节点之间传输中间结果，考虑HDFS可以作为一个备选的传输媒介，于是对HDFS的IO性能做了一个粗略的测试，过程和结果如下：
[转载引用请注明出处：http://blog.csdn.net/bhq2010/article/details/8740154]
硬件环境：
实验室的8台老机器组成的集群，配置：
Intel 965芯片组
Intel Core E4400 CPU(2GHz双核，2MB L2，800MHz FSB)
1GB*4 双通道 DDR2 667 内存
160GB*1 SATA2 硬盘
集成BCM5754 Gigabit PCI-E 网卡
8台机器用1米长的5类线接到一台48G背板带宽的24口千兆交换机上
软件环境：
8台机器上都装着
centos 6.2(2.6.32) x64 系统
hadoop 1.0.4(集群上启动了map-reduce，还运行着zookeeper和hama0.6.0，但没有运行任何job)
测试过程：
由于只是想知道hdfs大概的io性能，以下的实验都没有多次实验取平均。
首先将hdfs的上传速度和scp的速度做对比，随便在集群中找了一个节点iir455-202，向hdfs put一个1028MB的文件（hdfs文件块64MB，8个节点，每个节点大约会有2个文件块）：
[iir@iir455-202 data]$ time ~/hadoop-1.0.4/bin/hadoop fs -put external_links_en.nt /bhq/ real 0m42.693s user 0m12.163s sys 0m3.138s
用了42.693秒，从该节点向另外一个节点scp该文件：
[iir@iir455-202 data]$ time scp external_links_en.nt iir@iir455-200:/data/ external_links_en.nt 100% 1028MB 36.7MB/s 00:28 real 0m29.178s user 0m22.577s sys 0m3.406s
用了29.178秒，可见hdfs put文件的速度约24MB/s，scp点对点拷贝的速度约35MB/s。
再看看下载的速度，将本地的文件删除，从hdfs上get一个：
[iir@iir455-202 data]$ time ~/hadoop-1.0.4/bin/hadoop fs -get /bhq/external_links_en.nt ./ real 0m16.727s user 0m8.550s sys 0m3.693s
下载的速度很快，只用了16.727秒，约61.5MB/s的速度，怀疑是本地有缓存导致速度很快，于是换个目录试试：
[iir@iir455-202 data]$ mkdir 123 [iir@iir455-202 data]$ time ~/hadoop-1.0.4/bin/hadoop fs -get /bhq/external_links_en.nt ./123/ real 0m21.534s user 0m8.471s sys 0m3.737s
21.534秒，速度依然挺快的，应该和本地的缓存没啥关系，50-60MB/s的这个速度估计也就接近了老SATA2硬盘、集成网卡和5类网线的极限了。
上面用的是hadoop的命令，下面用程序测试一下，测试程序如下：
public static void main(String[] args) throws IOException
{
long b = System.currentTimeMillis();
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(conf);
OutputStream out = fs.create(new Path("/test/external_links_en.nt"));
InputStream in = new BufferedInputStream(new FileInputStream("/data/external_links_en.nt"), 1024*1024*10);
IOUtils.copyBytes(in, out, conf);
in.close();
out.close();
System.out.println("upload time:" + (System.currentTimeMillis() - b));
b = System.currentTimeMillis();
in = fs.open(new Path("/test/external_links_en.nt"));
out = new FileOutputStream("/data/download/external_links_en.nt");
IOUtils.copyBytes(in, out, conf);
in.close();
out.close();
System.out.println("download time:" + (System.currentTimeMillis() - b));
}
在202节点上运行，结果如下：
[iir@iir455-202 data]$ ~/hadoop-1.0.4/bin/hadoop jar hdfstest.jar upload time:46966 download time:17633
上传用了46.996秒，约22MB/s，下载用了17.663秒，约58MB/s。换一个203节点下载（注掉了上传的代码）试试：
[iir@iir455-203 data]$ ~/hadoop-1.0.4/bin/hadoop jar hdfstest.jar download time:24204
用了24.204秒，约42MB/s
上面都是单点上传的，试试集群中多个节点一起上传文件：
从200-205这六个节点同时向hdfs上传上述的文件，用时分别为：
| 200 | 2m6.369s |
| 201 | 1m47.316s |
| 202 | 2m18.009s |
| 203 | 2m15.086s |
| 204 | 1m48.399s |
| 205 | 1m35.219s |
平均每个节点用时118秒。
小结：
hadoop1.0.4所带的hdfs的单点下载要比上传快大约1倍。假如通过hdfs实现集群中两个结点之间的文件传输（一个节点上传，另一个节点下载），从上面1GB文件测试结果看，用时大约在1分钟左右，而scp用时半分钟左右，scp快了一倍，如果用socket，速度应该会更快。
所以如果只是点对点传文件，不要用hdfs！
而如果是需要多对一传文件的话，以上述的测试为例，上传用了118秒（其实第一个文件上传完了，接收端就可以读取了，无须等待所有的文件都传完，不过上传也会对下载有一些影响，所以用平均值来作为上传时间）、下载大约120秒（按50MB/s的速度算），而如果用scp的话，多对一的速度和一对一的速度基本是一样的（因为接收方的网速限制了速度），那么用时将达到180s，可见scp的速度还是快，但是仅快了30%左右。
也许发送节点越多，这个差距会越小，甚至hdfs会比scp还要快，但是理论上是不会比socket快的。
结论就是，hdfs传输中间结果也许可以在一些特殊场合下用。但更通用的是直接的网络传输，并且在传输时使用适当的压缩（如scp的-C参数）。