专栏首页程序你好大数据存储平台之异构存储实践深度解读

大数据存储平台之异构存储实践深度解读

经常做数据处理的伙伴们肯定会有这样一种体会:最近一周内的数据会被经常使用到,而比如最近几周的数据使用率会有下降,每周仅仅被访问几次;在比如3月以前的数据使用率会大幅下滑,存储的数据可能一个月才被访问几次。

这就产生了一种热和冷数据,对需要频繁访问的数据我们称之为“热”数据,反之我们称之为”冷”数据,而处于中间的数据我们称之为”温”数据。

在数据被视为公司资产的时代,每个公司基本都会保存最近数年的数据,而这些数据尤其是冷数据的累积也给存储平台带来了甜蜜的负担。下面就来分享下如何解决这些“负担”。

首先如何定义数据为冷热数据呢,eBay公司根据数据年龄和使用频率来定义不失为一种办法,下图为eBay关于数据温度的定义

从hadoop2.6开始,HDFS更好的支持了这种冷热数据的分离存储,我们可以按HDFS路径指定其存储策略,目前HDFS支持的存储策略有:HOT、WARM、COLD、All_SSD、One_SSD、Lazy_Persist,我们着重介绍SSD相关的存储策略,具体如下:

  • All_SSD - 用于将所有副本存储在SSD中
  • One_SSD - 用于将其中一个副本存储在SSD中。剩余的副本存储在DISK中
  • Lazy_Persist - 用于在内存中写入单个副本的块。该副本首先写入RAM_DISK,然后在DISK中延续

创建文件或目录时,其存储策略未指定。可以使用“hdfs dfsadmin -setStoragePolicy ”命令指定存储策略。文件或目录的有效存储策略由以下规则解决。

  1. 如果文件或目录特定于存储策略,则返回。
  2. 对于未指定的文件或目录,如果是根目录,则返回默认存储策略。否则,返回其父级的有效存储策略。

我们在实践过程中,因为有一部分实时分析的需求,一部分是历史数据的保存,历史数据很少参与计算,只需偶尔查询会用到。那么对于历史数据来说,我们可以使用一批计算能力较弱,而硬盘较多、容量较大的SATA盘,而实时分析的场景,需要高性能的计算力和硬盘吞吐能力,我们选用SSD硬盘来支撑,此外HDFS还提供了内存存储类型,但我们的内存还是有限,暂未使用到。实际上,我们的每台服务器的12块硬盘slot中有3个是SSD,其余9个是SATA。我们实践结果表明,使用这种策略的效果比以前好了4倍以上。

要使用存储策略,我们需要在在每个数据节点上hdfs-site.xml中参数dfs.datanode.data.dir配置的由逗号分隔的存储位置使用的存储类型进行标记。例如:

  1. 使用[DISK]file:///dfs/dn来标识这个存储位置为普通硬盘
  2. 使用[SSD]file:/// dfs/dn来标识这个存储位置为SSD硬盘

此外,默认情况下的存储格式为DISK。

下面介绍设置存储策略命令:

hdfsstoragepolicies -setStoragePolicy -path -policy 

相应的获取存储策略命令为:

hdfs storagepolicies -getStoragePolicy -path 

总结下:我们可以在一个限定的Hadoop集群中进行设置不同的磁盘使用不同的存储策略,还可以利用API将数据存储到不同的存储层。HDFS设计的详细存储类型和存储策略如下表,有兴趣的同学可以看看:

注:HDFS新加的ARCHIVE存储类型, 它是一种支持PB级的高容量存储但很少的 计算能力,用于归档数据使用,从上图可以看出冷数据适合使用archive存储类型。

本文分享自微信公众号 - 程序你好(codinghello)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-06-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 开源存储,你不知道的六大优势

    程序你好
  • 幽默的程序员:如何用编程来打造一匹马?

    程序你好
  • 如何使用Redis进行微服务间通信

    程序你好
  • 数据迁移与一致性思考与实践

    在上一篇中我们讲了通用优惠券系统的设计,这篇主要是以优惠券重构后,我们现有系统接入到该通用优惠券系统过程中遇到的数据迁移与一致性问题相关的思考与实践。我们早期的...

    榴莲其实还可以
  • 云存储深层解析

    云存储的概念与云计算类似,它是指通过集群应用、网格技术或分布式文件系统等功能,将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作,共同对外提供数据存...

    闵开慧
  • 基于Ceph对象存储构建实践

    直接附加存储(Directed Attached Storage,DAS)作为一种最简单的外接存储方式,通过数据线直接连接在各种服务器或客户端扩展接口上。它本身...

    宜信技术学院
  • 基于Ceph对象存储构建实践

    直接附加存储(Directed Attached Storage,DAS)作为一种最简单的外接存储方式,通过数据线直接连接在各种服务器或客户端扩展接口上。它本身...

    宜信技术学院
  • 点进来你就懂的iOS数据存储

    上面是百度百科对沙盒简介,iOS这边每个APP都对应有一个自己的沙盒,用于App自己的数据存储。安全角度上每个App只能访问自己沙盒里的数据而不能跨域访问别的A...

    yuanyi928
  • 如何让你的 Spark SQL 查询加速数十倍?

    先来回答标题所提的问题,这里的答案是列存储,下面对列存储及在列存储加速 Spark SQL 查询速度进行介绍

    codingforfun
  • 云存储是如何工作的?

    如今,企业越来越多地采用云存储选项,因为它们需要更多的容量、弹性容量以及更好的方式来管理存储成本。事实证明,越来越多的企业数据和云数据难以让IT部门单独使用他们...

    静一

扫码关注云+社区

领取腾讯云代金券