Hadoop运维笔记之 Balancer难以在快速增长的集群上平衡大量的数-mysql教程-PHP中文网

Hadoop运维笔记之 Balancer难以在快速增长的集群上平衡大量的数

php中文网

发布： 2016-06-07 16:41:14

原创

1160人浏览过

背景：公司在线上使用了CDH5集群，一开始由于疏忽，忘记了在计划任务中定期执行Balancer来平衡各节点的数据。后来，在引入大量的Job之后，数据增长非常迅猛，有很多节点开始出现利用率超过99.9%的情况，部分Job甚至开始Failed。于是我们便执行Balancer来

背景：
公司在线上使用了CDH5集群，一开始由于疏忽，忘记了在计划任务中定期执行Balancer来平衡各节点的数据。
后来，在引入大量的Job之后，数据增长非常迅猛，有很多节点开始出现利用率超过99.9%的情况，部分Job甚至开始Failed。

于是我们便执行balancer来清理数据，结果发现有26t的数据需要平衡，而balancer每次只移动50g的数据，并且耗时30分钟，而集群每个小时新写入的数据会导致又有40-60g的数据需要平衡。这样一来，balancer就根本无法胜任了。

14/10/14 20:31:11 INFO balancer.Balancer: Need to move 26.49 TB to make the cluster balanced.
14/10/14 20:31:11 INFO balancer.Balancer: Decided to move 10 GB bytes from 10.100.1.10:50010 to 10.100.1.60:50010
14/10/14 20:31:11 INFO balancer.Balancer: Decided to move 10 GB bytes from 10.100.1.20:50010 to 10.100.1.70:50010
14/10/14 20:31:11 INFO balancer.Balancer: Decided to move 10 GB bytes from 10.100.1.30:50010 to 10.100.1.80:50010
14/10/14 20:31:11 INFO balancer.Balancer: Decided to move 10 GB bytes from 10.100.1.40:50010 to 10.100.1.90:50010
14/10/14 20:31:11 INFO balancer.Balancer: Decided to move 10 GB bytes from 10.100.1.50:50010 to 10.100.1.100:50010
14/10/14 20:31:11 INFO balancer.Balancer: Will move 50 GB in this iteration
...

登录后复制

解决办法：
1. 增加Balancer可操作的带宽
我们思考，是否是因为Balancer的默认带宽太小，所以效率低下，于是我们尝试将Balancer的带宽扩容到了500M/s：

hadoop dfsadmin -setBalancerBandwidth 524288000

登录后复制

但问题并没有得到太大的改善。

OpenGPT

给AI不同提示词，立即创建属于自己的ChatGPT应用程序

162

查看详情

2. 强行对节点进行Decommission
我们发现，当对一些节点进行Decommission操作时，上面的数据虽然有10-30T甚至更多，但总能在1天内全部Copy到其它的节点上，这里面由于默认集群副本数为3的原因，应该只有1/3的数据被复制了，但数据是完整的，并且被复制出去的数据也是平均分配到各个节点上的。那么我们何不使用它来作为一个类似Balancer的功能来解决一些磁盘用量超过99.9%的节点呢？
事实证明，这个方法非常可行，我们针对线上8个节点进行了Decommission操作（注意要尽量一台一台进行），在完成下线之后再立刻格式化数据磁盘，并重新添加回集群，新的数据也会非常快的平衡过来。比较完美的解决了之前头疼的问题，并且只花费了不到4天的时间。

3. Hadoop对LVM磁盘卷的支持问题
在解决Balancer的问题时，我们还发现，Hadoop对LVM磁盘卷的支持不是很好，表现在如果在一块磁盘上创建了逻辑卷/根分区等，再创建了逻辑卷/data1分区，Hadoop会一直将/data1写到100%，然后导致一些Job提示没有空间写入。我们猜想Hadoop应该是物理卷为单位来控制用量的。因此，我们不得不将这些包含了逻辑卷数据磁盘的主机重新安装，并分配单独的物理卷，如/dev/sda3作为/data1挂载，便再也没有以上问题。

原文地址：Hadoop运维笔记之 Balancer难以在快速增长的集群上平衡大量的数据, 感谢原作者分享。