Hadoop性能优化功能测试详解

作者：hadoopstudy 2010-06-04 11:00:27开发 架构 Hadoop Hadoop性能你是性能详解否了解，这里就向大家介绍一下hadoop性能优化功能测试方面的优化内容，欢迎大家一起来学习，测试相信本文的性能详解介绍一定会让你受益。

本节向大家介绍一下hadoop性能优化功能测试方面的优化内容，在学习Hadoop的测试过程中，此类的性能详解问题你可能时常会遇到，在这里和大家分享一下，优化欢迎大家一起来学习hadoop性能优化的测试知识。

hadoop性能优化功能测试
以下是性能详解分别就配置了机架感知信息和没有配置机架感知信息的hadoopHDFS启动instance进行的数据上传时的测试结果。

写入数据

当没有配置机架信息时，优化所有的测试机器hadoop都默认在同一个默认的机架下，名为“/default-rack”，性能详解这种情况下，优化任何一台datanode机器，测试不管物理上是否属于同一个机架，都
会被认为是在同一个机架下，此时，就很容易出现之前提到的增添机架间网络负载的情况。例如，对没有机架信息的hadoopHDFS启动instance上传一个文件，其block信息如下：
从上图可以看出，在没有机架信息的情况下，namenode默认将所有的slaves机器全部默认为在/default-rack下，根据hadoop代码的分析也能知道哦啊，此时在写block时，三个
datanode机器的选择完全是随机的。

而hadoop性能优化功能测试时当配置了机架感知信息以后，hadoop在选择三个datanode时，就会进行相应的判断：

1.如果上传本机不是一个datanode，而是一个客户端，那么就从所有slave机器中随机选择一台datanode作为***个块的写入机器(datanode1)。
a)而此时如果上传机器本身就是一个datanode（例如mapreduce作业中task通过DFSClient向hdfs写入数据的时候），那么就将该datanode本身作为***个块写入机器(datanode1)
。
2.随后在datanode1所属的机架以外的另外的机架上，随机的选择一台，作为第二个block的写入datanode机器(datanode2)。

3.在写第三个block前，先判断是否前两个datanode是否是在同一个机架上，如果是在同一个机架，那么就尝试在另外一个机架上选择第三个datanode作为写入机器(datanode3)。
而如果datanode1和datanode2没有在同一个机架上，则在datanode2所在的机架上选择一台datanode作为datanode3。

4.得到3个datanode的列表以后，从namenode返回该列表到DFSClient之前，会在namenode端首先根据该写入客户端跟datanode列表中每个datanode之间的“距离”由近到远进行一
个排序。如果此时DFS写入端不是datanode，则选择datanode列表中的***个排在***位。客户端根据这个顺序有近到远的进行数据块的写入。在此，判断两个datanode之间“距
离”的算法就比较关键，hadoop目前实现如下，以两个表示datanode的对象DatanodeInfo(node1,node2)为例:
a)首先根据node1和node2对象分别得出两个datanode在整个hdfs集群中所处的层次。这里的层次概念需要解释一下：每个datanode在hdfs集群中所处的层次结构字符串是这样描述
的，假设hdfs的拓扑结构如下：

每个datanode都会对应自己在集群中的位置和层次，如node1的位置信息为“/rack1/datanode1”,那么它所处的层次就为2，其余类推。
b)得到两个node的层次后，会沿着每个node所处的拓朴树中的位置向上查找，如“/rack1/datanode1”的上一级就是“/rack1”，此时两个节点之间的距离加1，两个node分别同
上向上查找，直到找到共同的祖先节点位置，此时所得的距离数就用来代表两个节点之间的距离。所以，如上图所示，node1和node2之间的距离就为4.

5.当根据“距离”排好序的datanode节点列表返回给DFSClient以后，DFSClient便会创建BlockOutputStream，并想这次block写入pipeline中的***个节点（最近的节点）开始
写入block数据。

6.写完***个block以后，依次按照datanode列表中的次远的node进行写入，直到***一个block写入成功，DFSClient返回成功，该block写入操作结束。
通过以上策略，namenode在选择数据块的写入datanode列表时，就充分考虑到了将block副本分散在不同机架下，并同时尽量的避免了之前描述的网络多于开销。
对配置了机架信息的hadoopHDFS启动instance上传一个文件，其block信息如下：
从上图可以看出，在配置了机架信息的情况下，为了减少机架间的网络流量，namenode会将其中两个副本写在同一个机架上，并且为了尽量做到容错，会将第三个block写道另一
个机架上的datanode上。看一下hadoop性能优化功能测试如何读取数据。

读取数据

当对某个文件的某个block进行读取的时候，hadoop采取的策略也是一样：
1.首先得到这个block所在的datanode的列表，有几个副本数该列表就有几个datanode。
2.根据列表中datanode距离读取端的距离进行从小到大的排序：
a)首先查找本地是否存在该block的副本，如果存在，则将本地datanode作为***个读取该block的datanode
b)然后查找本地的同一个rack下是否有保存了该block副本的datanode
c)***如果都没有找到，或者读取数据的node本身不是datanode节点，则返回datanode列表的一个随机顺序。本节关于hadoop性能优化功能测试方面的内容介绍到这里。

【编辑推荐】

1. Hadoop性能优化及配置如何实现？
2. Hadoop集群与Hadoop性能优化
3. 专家讲解 Hadoop:HBASE松散数据存储设计
4. 两种模式运行Hadoop分布式并行程序
5. Hadoop概念及其用法专家讲解

责任编辑：佚名 来源： csdn.net hadoop性能优化

(责任编辑：焦点)