HDFS 上传文件不均衡和Balancer太慢的问题

时间:2022-04-05 06:12:37

向HDFS上传文件,如果是从某个datanode开始上传文件,会导致上传的数据优先写满当前datanode的磁盘,这对于运行分布式程序是非常不利的。

解决的办法:

1、从其他非datanode节点上传

可以将hadoop的安装目录复制一份到一个不在集群中的节点(直接从非datanode的namenode上传也可以,但是这样不太好,会增加namenode的负担,并且时间长了会让namenode上放了各种乱七八糟的文件),在这个节点上不启动任何hadoop进程,但是可以当作客户端使用。上传文件到集群。

也可以自己写一个上传文件的程序、在其他非集群节点上运行来上传文件。在程序中要注意自己设置必要的配置,比如namenode的url、副本数等等,因为如果不设置,会使用你程序中所带的hadoop jar包中的默认配置,而不是集群的默认配置。


2、使用balancer

可以通过

[html] view plaincopyHDFS 上传文件不均衡和Balancer太慢的问题HDFS 上传文件不均衡和Balancer太慢的问题
  1. hdfs balancer -threshold XX  
来进行平衡,xx是一个百分比。关于这个命令的用法网上一搜一大堆。

但是默认情况下,这个平衡时非常慢的,因为默认的hadoop不允许balancer占用很大的网络带宽。

可以通过

[html] view plaincopyHDFS 上传文件不均衡和Balancer太慢的问题HDFS 上传文件不均衡和Balancer太慢的问题
  1. hdfs dfsadmin -setBalanacerBandwidth newbandwidth  
来设置带宽,单位是字节。 这个值将覆盖dfs.balance.bandwidthPerSec参数。

注意:新值在DataNode上不是持久的。