namenode 优化 mv慢的问题

问题现象

问题描述

　　公司业务程序需求每30分钟mv 一万多个文件，如果三十分钟之内当前的文件内容没有全部移动，程序报错并且停止。

分析

　　通过分析，发现在启动balancer和不启动balancer的情况下，namenode的处理能力差别巨大。不启动balancer，一万多个文件不到20秒全部移动成功，启动balancer的情况下，如果当前需要平衡的数据量大，
30分钟根本不能全部移动，这时候程序就报错了。如果在启动balancer的情况下，这时候程序正在执行mv操作(已经执行了一段时间，但不到三十分钟)，关掉balancer，mv操作基本在两三秒以后就完成。

优化

RPC队列拆分(开启SERVER RPC)

在默认情况下，service RPC端口是没有使用的，client和DataNode汇报，zkfc的健康检查都会公用RPC Server，当client的请求量比较大或者DataNode的汇报量很大，会导致他们之间相互影响，导致访问非常缓慢，开启之后，DN的汇报和健康检查请求都会走Service RPC端口，避免了因为client的大量访问影响，影响服务之间的请求，在HA集群中，可以在hdfs-site.xml中设置。

<property>
    <name>dfs.namenode.servicerpc-address.mycluster.nn1</name>
    <value>mynamenode1.example.com:8021</value>
  </property>

  <property>
    <name>dfs.namenode.servicerpc-address.mycluster.nn2</name>
    <value>mynamenode2.example.com:8021</value>
  </property>

开启之后，需要重新格式化ZKFC

hadoop-daemon.sh stop zkfc
hdfs zkfc –formatZK
需要重启集群，当然可以分开启动某些节点进程

注意：该功能对于生产环境，自行评估严重性。最好是两个namenode分开启动，防止namenode不可用。

HDFS审计日志

1、开启审计日志

HDFS审计日志是一个和进程分离的日志文件，默认是没有开启的，开启之后，用户的每个请求都会记录到审计日志当中，通过审计日志可以发现哪些ip，哪些用户对哪些目录做了哪些操作，比如：那些数据在哪些在什么时候删除，和分析哪些Job在密集的对NameNode进行访问。

修改hadoop-env.sh文件

-Dhdfs.audit.logger=${HDFS_AUDIT_LOGGER:-INFO,NullAppender}

修改为

-Dhdfs.audit.logger=${HDFS_AUDIT_LOGGER:-INFO,RFAAUDIT}

对应的log4j.properties可以新增保存个数以及配置日志文件的位置

#
# hdfs audit logging
#
hdfs.audit.logger=INFO,NullAppender
hdfs.audit.log.maxfilesize=2560MB           //默认是256m
hdfs.audit.log.maxbackupindex=30　　　　　　　　//默认是20
log4j.logger.org.apache.hadoop.hdfs.server.namenode.FSNamesystem.audit=${hdfs.audit.logger}
log4j.additivity.org.apache.hadoop.hdfs.server.namenode.FSNamesystem.audit=false
log4j.appender.RFAAUDIT=org.apache.log4j.RollingFileAppender
log4j.appender.RFAAUDIT.File=/data1/hadoop/hadoop/logs/hdfs-audit.log   　　　　//默认是${hadoop.log.dir}/hdfs-audit.log
log4j.appender.RFAAUDIT.layout=org.apache.log4j.PatternLayout
log4j.appender.RFAAUDIT.layout.ConversionPattern=[%d{yyyy-MM-dd'T'HH:mm:ss.SSSXXX}] [%p] %c{3}.%M(%F %L) [%t] : %m%n
log4j.appender.RFAAUDIT.MaxFileSize=${hdfs.audit.log.maxfilesize}
log4j.appender.RFAAUDIT.MaxBackupIndex=${hdfs.audit.log.maxbackupindex}

2、开启异步审计日志

使用异步的log4j appender可以提升NameNode的性能，尤其是请求量在10000 requests/second,可以设置hdfs-site.xml

<property>
    <name>dfs.namenode.audit.log.async</name>
    <value>true</value>
  </property>

<property>

    <name>dfs.namenode.edits.asynclogging</name>

    <value>true</value>

  </property>

3、关闭多余的日志

有时候，NameNode上日志打印会严重影响NN的性能，出问题时也会造成没必要的干扰，所以可以修改log4j的文件，对没必要的日志进行日志级别的调整，例如

log4j.logger.BlockStateChange=WARN
log4j.logger.org.apache.hadoop.ipc.Server=WARN

RPC FairCallQueue（公平调度策略）

这个是基于上面第一点开启Service RPC继续说的,这是较新版本的Hadoop的新特性，RPC FairCallQueue替换了之前的单一的RPC queue的模式，RPC Server会维护并按照请求的用户进行分组，Handler会按照队列的优先级去消费queue里面的RPC Call,这个功能它可以防止因为某个用户的cleint的大量请求导致NN无法响应，整个集群瘫痪的状态，开启了之后，请求多的用户请求会被降级，这样不会造成多租户下，影响他用户的访问。

如需开启，修改core.-site.xml

<property>
    <name>ipc.8020.callqueue.impl</name>
    <value>org.apache.hadoop.ipc.FairCallQueue</value>
  </property>
<property>
  <name>ipc.8020.faircallqueue.decay-scheduler.period-ms</name>
  <value>60000</value>
</property>
<property>
　　<name>ipc.8020.backoff.enable</name>     //开启rpc 客户端 拥塞控制
　　<value>true</value>
</property>

ipc.8020.scheduler.priority.levels //队列优先级，默认是4，基于提交用户来区分，目前就hadoop一个用户，所以不需要调整该参数，客户端用户数越多的情况，效果越明显
ipc.8020.scheduler.impl    //默认DefaultRpcScheduler，这里只是记录一下，该参数配置以后，启动namenode提示找不到改类，这里仅仅记录一下。

注意：不能对Datanode 和NameNode的端口开启。

避免读取stale DataNodes（也就是坏数据）

修改hdfs-site.xml

dfs.namenode.avoid.read.stale.datanode=true
dfs.namenode.avoid.write.stale.datanode=true

开启short circuit reads(短路读取)

开启短路读之后，当client读取数据时，如果在改节点，会直接通过文件描述符去读取文件，而不用通过tcp socket的方式（也就是绕过了datanode，不从datanode去读取数据）

修改hdfs-site.xml

dfs.client.read.shortcircuit=true
dfs.domain.socket.path=/var/lib/hadoop-hdfs/dn_socket   //该路径是存放数据块的目录

设置系统CPU为performance

设置cpu的scaling governors为performance模式,你可以运行cpufreq-set -r -g performance或者修改/sys/devices/system/cpu/cpu*/cpufreq/scaling_governor文件，并设置为performance

关闭操作系统的Transparent Huge Pages (THP)

#cat /sys/kernel/mm/transparent_hugepage/defrag    //查看透明缓存页
[always] madvise never　　　　　　　　　　　　　　　　　　//默认是开启的

# echo "never" > /sys/kernel/mm/transparent_hugepage/defrag  //关闭透明缓存页，注意，该方式重启以后失效，如果需要永久有效，可以把命令添加到/etc/rc.local文件里面

设置系统能使用交换分区的值

在大多数系统中，该值默认为60，该值越高，说明把内存数据交换到交换分区越积极，这对大数据集群来说，会影响稳定性和可用性。范围0-100

#sysctl -w vm.swappiness = 10    //不要设置为0

配置balancer 获取信息节点

将hdfs balancer获取存储信息的请求发送到standby namenode以及忽略小的数据块

修改hdfs-site.xml文件

<property>

    <name>dfs.namenode.balancer.request.standby</name>     //这个值在hadoop2.9.2版本与hadoop3.2版本的默认配置文件中未找到，设置以后，发现集群的balancer依然获取的是active节点，这里仅仅记录一下

    <value>true</value>

  </property>

  <property>

    <name>dfs.balancer.getBlocks.min-block-size</name>

    <value>10485760</value>

  </property>

调整namenode handler

修改hdfs-site.xml文件

<property>
     <name>dfs.namenode.handler.count</name>    //如果没有配置service rpc  ，那么该参数配置的值处理所有的call
     <value>70</value>　　　　　　　　　　　　　　　　//该参数的建议值：集群的自然对数 * 20 例如：python -c "import math;print(math.log(70) *20)"，70为集群大小
</property>

<property>
　　<name>dfs.namenode.service.handler.count</name>    //在开启service rpc的情况配置改参数，用于处理datanode 上报数据块和心跳的线程数量。
　　<value>50</value>
</property>

修改jvm GC 的年轻代

当前系统heap大小为15G，整个集群维护了8千万左右的文件、目录和块的信息，集群使用堆内存已经达到了10G左右，在查看集群的时候，发现一分钟进行好几次的的年轻代GC，二年轻代只有仅仅的几百兆。

调整策略，年轻代的内存容量最好是整个堆文件的1/3或者1/4

修改hadoop-env.sh文件，修改 -Xmn为3g

export HADOOP_NAMENODE_OPTS="-Dhadoop.security.logger=${HADOOP_SECURITY_LOGGER:-INFO,RFAS} -Dhdfs.audit.logger=${HDFS_AUDIT_LOGGER:-INFO,RFAAUDIT} -Xmn3g  -XX:ParallelGCThreads=56  -XX:+UseConcMarkSweepGC -XX:ErrorFile=${HADOOP_HOME}/logs/gc_err.log -verbose:gc -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps -Xloggc:${HADOOP_HOME}/logs/gc.log.`date "+%Y-%y-%d"` $HADOOP_NAMENODE_OPTS"

参考文章：

cloudera文档

hortonworks社区

http://hackershell.cn/?p=1382

https://www.cnblogs.com/moonypog/p/11008161.html

http://www.inter12.org/archives/1304