hadoop 03 一 Hadoop机架感知配置

一、Hadoop机架感知策略
副本节点的选择(机架感知)

1、默认
第一个副本在client所处的节点上。如果客户端在集群外，随机选一个。
第二个副本在和第一个副本不同机架的随机节点上。
第三个副本和第二个副本相同机架，节点随机。
2、hadoop2.7.2策略
第一个副本在client所处的节点上。如果客户端在集群外，随机选一个。
第二个副本和第一个副本在相同的机架。
第三个副本位于不同机架。
二、自定义机架感知步骤
1、创建类实现org.apache.hadoop.net.DNSToSwitchMapping接口
2、在core-site.xml文件中追加如下配置

<property>
  <name>net.topology.node.switch.mapping.impl</name>
  <value>org.apache.hadoop.net.ScriptBasedMapping</value>
  <description> The default implementation of the DNSToSwitchMapping. It
  invokes a script specified in net.topology.script.file.name to resolve
  node names. If the value for net.topology.script.file.name is not set, the
  default value of DEFAULT_RACK is returned for all node names.
  </description>
</property>

3、分发core-site.xml
4、编译程序，打成Jar,分发到所有节点的Hadoop的classpath(${HADOOP_HOME/share/hadoop/common/lib})下。

三、自定义机架感知具体实现
1、编写MyRackAware类如下，

package com.phx.hadoop.hdfs.rackaware;

import org.apache.hadoop.net.DNSToSwitchMapping;

import java.io.FileWriter;
import java.util.ArrayList;
import java.util.List;

public class MyRackAware implements DNSToSwitchMapping {
    /**
     *
     * @param names
     * @return
     * Rack: /rack1/002
     *    192.168.37.102:50010 (centos002)
     * Rack: /rack1/003
     *    192.168.37.103:50010 (centos003)
     * Rack: /rack2/004
     *    192.168.37.104:50010 (centos004)
     * Rack: /rack2/005
     *    192.168.37.105:50010 (centos005)
     */
    @Override
    public List<String> resolve(List<String> names) {
        List<String> list =  new ArrayList<String>();
        try {
            FileWriter fw = new FileWriter("/data/hadoop/rackaware.txt",true);
            for(String str : names){
                //输出原来的信息,ip地址(主机名)
                fw.write(str + "
");
                //
                if(str.startsWith("192")){
                    //192.168.231.202
                    String ip = str.substring(str.lastIndexOf(".") + 1);
                    if(Integer.parseInt(ip) <= 103) {
                        list.add("/rack1/" + ip);
                    }
                    else{
                        list.add("/rack2/" + ip);
                    }
                }
                else if(str.startsWith("centos")){
                    String ip = str.substring(6);
                    if (Integer.parseInt(ip) <= 003) {
                        list.add("/rack1/" + ip);
                    } else {
                        list.add("/rack2/" + ip);
                    }
                }
            }
            fw.write(list + "
");
            fw.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
        return list;
    }

    @Override
    public void reloadCachedMappings() {

    }

    @Override
    public void reloadCachedMappings(List<String> names) {

    }


}

将MyRackAware类打成jar包：MyRackAware.jar

将MyRackAware.jar包分发到所有节点的Hadoop的classpath(${HADOOP_HOME}/share/hadoop/common/lib)下。

2、配置文件core-site.xml中追加配置如下：

<property>
  <name>net.topology.node.switch.mapping.impl</name>
  <value>com.phx.hadoop.hdfs.rackaware.MyRackAware</value>
</property>

将core-site.xml文件分发到所有Hadoop节点的${HADOOP_HOME}/etc/hadoop

3、重启后，使用命令：hadoop dfsadmin -printTopology  查看配置信息

4.节点间距离计算
有了机架感知，NameNode就可以画出下图所示的datanode网络拓扑图。D1,R1都是交换机，最底层是datanode。则H1的rackid=/D1/R1/H1，H1的parent是R1，R1的是D1。这些rackid信息可以通过topology.script.file.name配置。有了这些rackid信息就可以计算出任意两台datanode之间的距离，得到最优的存放策略，优化整个集群的网络带宽均衡以及数据最优分配。

distance(/D1/R1/H1,/D1/R1/H1)=0 相同的datanode
distance(/D1/R1/H1,/D1/R1/H2)=2 同一rack下的不同datanode
distance(/D1/R1/H1,/D1/R2/H4)=4 同一IDC下的不同datanode
distance(/D1/R1/H1,/D2/R3/H7)=6 不同IDC下的datanode