Question

我有5.1.1版的5节点HDP集群，其中2个Name节点和3个数据节点。我正在维护默认复制因子3。但是MAX数据仅存储在第一个数据节点中。请参阅下面的磁盘利用率。

MASTER 1:

/dev/sdd1        63G   71M   60G   1% /opt/disk02
/dev/sdc1        63G   71M   60G   1% /opt/disk01

MASTER 2:
/dev/sdd1        63G  121M   60G   1% /opt/disk02
/dev/sdc1        63G  121M   60G   1% /opt/disk01

SLAVE 1:
/dev/sdd1        63G  4.0G   56G   7% /opt/disk02
/dev/sdc1       126G   14G  107G  12% /opt/disk01

SLAVE 2:
/dev/sdd1        63G  5.0G   55G   9% /opt/disk02
/dev/sdc1       126G  5.5G  114G   5% /opt/disk01

SLAVE 3:
/dev/sdc1       126G  5.0G  115G   5% /opt/disk01
/dev/sdd1        63G  4.0G   56G   7% /opt/disk02

如何在所有数据节点中平均复制数据？

Answer 1

您无法精确控制将复制放置在哪些数据节点上，但是在您的情况下，复制应该位于每个节点上。

也许使用https://www.waytoeasylearn.com/2018/01/rack-awareness-in-hadoop-hdfs.html机架之类的概念，并使用Cloudera或Hortonworks。

也可以尝试平衡数据http://www.informit.com/articles/article.aspx?p=2755708&seqNum=5，因为此问题可能已解决。

即使您的一般复制因子是3，也许对于一条路径来说，它也是1或2，最好也检查一下HDFS can I specify replication factor per file to increase avaliability

Answer 2

Hadoop会自动控制数据和复制的放置位置，正如Horatiu所提到的那样。但是有时数据可能会在某些或单个节点上倾斜。

由于以下原因，HDFS可能无法始终以统一的方式在磁盘上放置数据：

大量写入和删除
磁盘更换

您需要检查的东西很少。

是否存在以手动复制因子Control Replication factor for specific files放置的任何文件或其他文件
数据节点1是否正在存储不必要的日志
尝试运行磁盘平衡器

要启用磁盘平衡器，必须在hdfs-site.xml中将dfs.disk.balancer.enabled设置为true。

请参阅HDFS disk balancer

单个datanode在Hadoop 5节点集群中存储更多数据

2 个答案: