基于hdfs的副本平衡方法
【專利摘要】本發(fā)明公開了一種基于HDFS的副本平衡方法，其在集群配置項中設計抽象Performance類，并通過心跳信息收集各DataNode的性能數(shù)據(jù)，在數(shù)據(jù)遷移時，DataNode的匹配除了需要符合現(xiàn)有Balancer程序的節(jié)點匹配規(guī)則外，還需要參考DataNode的性能指標數(shù)據(jù)，按照DataNode的性能評分和存儲量的比值進行評價，并在評價最優(yōu)和評價最差的DataNode之間進行匹配，使DataNode存放的數(shù)據(jù)量正比于DataNode的性能，提高HDFS分布式文件系統(tǒng)負載均衡能力，提升集群性能。在組建集群時，無需考慮集群中各節(jié)點配置的性能差異。
【專利說明】基于HDFS的副本平衡方法

【技術領域】
[0001] 本發(fā)明涉及數(shù)據(jù)處理控制【技術領域】，具體涉及一種基于HDFS的副本平衡方法。

【背景技術】
[0002] 近幾年來，隨著以用戶產(chǎn)生內(nèi)容為標志的WEB2. 0時代的到來，博客、SNS、P2P、M、 圖片、視頻等應用飛速發(fā)展，信息服務越來越貼近人們的生活，互聯(lián)網(wǎng)中的數(shù)據(jù)呈現(xiàn)出幾何 式的增長。雖然可以憑借超級計算機強大的計算能力和存儲能力可以滿足互聯(lián)網(wǎng)數(shù)據(jù)的計 算和存儲要求，但是其造價十分高昂，難以得到廣泛的應用。為了以低廉的價格突破單機存 儲、計算、內(nèi)存等能力的限制，人們將目光投向了分布式系統(tǒng)。常見的分布式計算項目使用 閑置的計算機，通過Internet或以太網(wǎng)傳輸數(shù)據(jù)，讓每臺計算機貢獻自己的計算能力和存 儲能力。
[0003] HDFS 是 Hadoop 的分布式文件系統(tǒng)，是 Hadoop Distributed File System 的簡稱， 提供了一個高度容錯性和高吞吐量的海量數(shù)據(jù)存儲解決方案。HDFS將文件分為若干數(shù)據(jù) 塊，每個數(shù)據(jù)塊默認保存64MB數(shù)據(jù)；同時，HDFS默認為每個數(shù)據(jù)塊保存3個副本，提高數(shù)據(jù) 的可靠性和讀取性能。HDFS典型的文件大小為GB級，此外，HDFS還支持千萬級別的文件數(shù) 量。
[0004] HDFS架構基于一組特定的節(jié)點而構建，包括數(shù)據(jù)節(jié)點DataNode和元數(shù)據(jù)節(jié)點 NameNode，NameNode在HDFS內(nèi)部提供元數(shù)據(jù)服務，管理文件系統(tǒng)的命名空間，將所有的文 件和文件夾的元數(shù)據(jù)保存在一個文件系統(tǒng)樹中；DataNode為HDFS提供存儲塊，用來存儲數(shù) 據(jù)文件。HDFS通訊協(xié)議都是構建在TCP/IP協(xié)議上，客戶端通過一個可配置的端口連接到 NameNode，通過 ClientProtocol 與 NameNode 交互，而 DataNode 是使用 DataNodeProtocol 與NameNode交互。再設計上，DataNode通過周期性的向NameNode發(fā)送心跳信息來保持 和NameNode的通信，信息包括數(shù)據(jù)塊的屬性，即數(shù)據(jù)塊屬于哪個文件、數(shù)據(jù)塊ID、修改時間 等。目前，HDFS已經(jīng)在各種大型在線服務和大型存儲系統(tǒng)中得到廣泛應用，已經(jīng)成為各大 網(wǎng)站等在線服務公司的海量存儲事實標準。
[0005] 雖然HDFS是一個優(yōu)秀的分布式文件系統(tǒng)，但是其仍有許多不足，負載均衡問題就 是HDFS的一個弱項。HDFS集群非常容易出現(xiàn)機器與機器之間磁盤利用率不平衡的情況，t匕 如集群中添加新的數(shù)據(jù)節(jié)點。當HDFS出現(xiàn)不平衡狀況的時候，將引發(fā)很多問題，比如MR程 序無法很好地利用本地計算的優(yōu)勢，機器之間無法達到更好的網(wǎng)絡帶寬使用率，機器磁盤 無法利用等等。在Hadoop中，包含一個Balancer程序，通過運行這個程序，可以使得HDFS 集群達到一個平衡的狀態(tài)，開發(fā)人員在開發(fā)Balancer程序的時候，遵循了以下幾點原則：
[0006] 1、在執(zhí)行數(shù)據(jù)重分布的過程中，必須保證數(shù)據(jù)不出現(xiàn)丟失，不改變數(shù)據(jù)的備份數(shù)， 不改變每一個rack中所具備的數(shù)據(jù)塊數(shù)量。
[0007] 2、系統(tǒng)管理員可以通過一條命令啟動數(shù)據(jù)重分布程序或者停止數(shù)據(jù)重分布程序。
[0008] 3、執(zhí)行數(shù)據(jù)塊遷移的進程，不能占用過多的系統(tǒng)資源，如網(wǎng)絡帶寬。
[0009] 4、數(shù)據(jù)重分布程序執(zhí)行時，不能影響NameNode的任務調(diào)度工作。
[0010] 5、數(shù)據(jù)重分布任務作為一個獨立的進程，與NameNode分開執(zhí)行，通常在另一臺 Rebalancer Server中執(zhí)行數(shù)據(jù)重分布進程。
[0011] Balancer程序的執(zhí)行包括如下步驟：
[0012] 步驟1、Rebalance Server從NameNode中獲取每一個DataNode磁盤使用情況。
[0013] 步驟2、Rebalance Server計算哪些機器需要將數(shù)據(jù)移動，哪些機器可以接受移動 的數(shù)據(jù)，并且從NameNode中獲取需要移動的數(shù)據(jù)分布情況。
[0014] 步驟3、Rebalance Server計算出來可以將哪一臺機器的數(shù)據(jù)塊移動到另一臺機 器中去。
[0015] 步驟4、需要移動數(shù)據(jù)塊的機器將數(shù)據(jù)移動的目的機器上去，同時刪除自己機器上 的數(shù)據(jù)塊數(shù)據(jù)。
[0016] 步驟5、Rebalance Server獲取到本次數(shù)據(jù)移動的執(zhí)行結果，并繼續(xù)執(zhí)行這個過 程，一直沒有數(shù)據(jù)可以移動或者HDFS集群以及達到了平衡的標準為止。
[0017] 現(xiàn)有的Balancer程序工作的方式在絕大多數(shù)情況中都是非常適合的；但其僅簡 單地考慮各節(jié)點磁盤使用率，并基于磁盤使用率確定遷移數(shù)據(jù)任務，最終使各節(jié)點存放的 數(shù)據(jù)量正比于其磁盤容量。假設這樣一種情況：1、數(shù)據(jù)是3份備份；2、HDFS由2個rack組 成；3、2個rack中的機器磁盤配置不同，rackl中每一臺機器的磁盤空間為lTB，rack2中每 一臺機器的磁盤空間為10TB ;4、現(xiàn)在大多數(shù)數(shù)據(jù)的2份備份都存儲在第一個rack中。在 這樣的一種情況下，運行Balancer程序后，rackl中的磁盤剩余空間遠遠小于rack2,整個 HDFS集群中的數(shù)據(jù)依舊不平衡。而實際的大型集群中，很難保證集群中節(jié)點配置的一致性， 因此，需要開發(fā)新的基于HDFS的副本平衡方法。


【發(fā)明內(nèi)容】

[0018] 本發(fā)明所要解決的技術問題是提供一種基于HDFS的副本平衡方法，其能夠使得 DataNode存放的數(shù)據(jù)量正比于其性能。
[0019] 本發(fā)明解決技術問題所采用的技術方案是：
[0020] 基于HDFS的副本平衡方法，包括以下步驟：
[0021] 1)、集群配置：
[0022] 設計用于代表DataNode性能評價指標的Performance類，Performance類提供一 個用于獲得對應的性能數(shù)據(jù)的getPerformance方法；
[0023] 定義對應DataNode各性能指標的性能類，性能類是繼承Performance類的子類；
[0024] 在HDFS通訊協(xié)議的心跳信息中增加對應性能類的性能指標數(shù)據(jù)；
[0025] 2)、數(shù)據(jù)收集：
[0026] DataNode通過getPerformance方法收集與各性能類對應的性能指標數(shù)據(jù)；然后 由DataNode定時發(fā)送心跳信息，將上述與各性能類對應的性能指標數(shù)據(jù)發(fā)送給NameNode, 并由NameNode保存上述與各性能類對應的性能指標數(shù)據(jù)；
[0027] 3)、執(zhí)行 Balancer 程序：
[0028] 3. 1、由 Rebalance Server 從 NameNode 中獲取各 DataNode 的性能指標數(shù)據(jù)；
[0029] 3. 2、根據(jù)獲取的性能指標數(shù)據(jù)，計算各DataNode性能評分；
[0030] 3. 3、計算各DataNode性能評分與其存儲量的比值α，以及各DataNode的α值的 平均值a avg ;
[0031] 3. 4、通過Balancer命令的threshold參數(shù)獲取允許的性能誤差范圍，根據(jù)a avg結 合threshold參數(shù)確定DataNode性能的目標范圍；將α值優(yōu)于目標范圍的DataNode、α 值在目標范圍內(nèi)的DataNode以及α值差于目標范圍的DataNode劃分為三 個隊列；
[0032] 3. 5、匹配DataNode,包括如下步驟：
[0033] 3. 5. 1、若 QmdOT 和 均非空，則將 QmdOT 中 DataNode 和 Q_ 中的 DataNode 進行 匹配；若QmdOT為空而非空，則將Qmid中性能最差的DataNode和中的DataNode進 行匹配；若QmdOT非空而為空，則將Qmid中性能最優(yōu)的DataNode與QmdOT中的DataNode 進行匹配；
[0034] 3. 5. 2、若3. 5. 1選取的兩DataNode符合Balancer程序的節(jié)點匹配規(guī)則，則執(zhí)行 DataNode的匹配，進入步驟3. 6,否則重復步驟3. 5. 1 ;
[0035] 3. 6、數(shù)據(jù)塊選擇：從待遷出DataNode中選擇數(shù)據(jù)塊，若數(shù)據(jù)塊符合Balancer程序 的數(shù)據(jù)塊選取規(guī)則，則執(zhí)行數(shù)據(jù)遷移任務，否則重新選擇數(shù)據(jù)塊；
[0036] 3. 7、完成數(shù)據(jù)遷移任務后，重新計算遷出DataNode和遷入DataNode的α值，并 將兩者放入合適的隊列中；
[0037] 3. 8、重復 3. 5、3. 6 和 3. 7,直至 和 QmdOT 均為空。
[0038] 具體的，在集群配置步驟中定義的性能類包括用于獲得DataNode的CPU速度的 CpuPerformance類、用于獲得DataNode的內(nèi)存容量的MemoryPerformance類和用于獲得 DataNode 的磁盤容量的 DiskPerformance 類。
[0039] 進一步的，在集群配置步驟中分別配置各性能類對應的權重；在步驟3. 1中，由 Rebalance Server從NameNode中的獲取各DataNode的性能指標數(shù)據(jù)及各性能類對應的權 重；在步驟3. 2計算各DataNode性能評分時，根據(jù)各性能對應的性能指標數(shù)據(jù)及其權重計 算各DataNode的性能評分。具體的，在所述步驟3. 2中，根據(jù)獲取的性能指標數(shù)據(jù)和權重， 采用T0PSIS算法計算各DataNode性能的最優(yōu)值、最差值和貼近度，并以貼近度作為其性能 評分。
[0040] 本發(fā)明的有益效果是：在數(shù)據(jù)遷移時，DataNode的匹配除了需要符合現(xiàn)有 Balancer程序的節(jié)點匹配規(guī)則外，還需要參考DataNode的性能指標數(shù)據(jù)，按照DataNode的 性能評分和存儲量的比值進行評價，并在評價最優(yōu)和評價最差的DataNode之間進行匹配， 使DataNode存放的數(shù)據(jù)量正比于DataNode的性能，提高HDFS分布式文件系統(tǒng)負載均衡能 力，提升集群性能。在組建集群時，無需考慮集群中各節(jié)點配置的性能差異。

【專利附圖】

【附圖說明】
[0041] 圖1為本發(fā)明集群配置修改的簡要類圖；
[0042] 圖2為本發(fā)明的數(shù)據(jù)收集的流程示意圖；
[0043] 圖3為本發(fā)明的性能評分計算的流程示意圖；
[0044] 圖4為本發(fā)明的數(shù)據(jù)重新分布的匹配流程示意圖。

【具體實施方式】
[0045] 本發(fā)明的基于HDFS的副本平衡方法，包括集群配置、數(shù)據(jù)收集、執(zhí)行Balancer程 序三個部分，下面結合附圖和實施例對本發(fā)明進一步說明。
[0046] 1)、集群配置
[0047] 如圖1所示，設計用于代表DataNode性能評價指標的Performance類， Performance類提供一個用于獲得對應的性能數(shù)據(jù)的getPerformance方法。定義對應 DataNode各性能指標的性能類，性能類是繼承Performance類的子類，具體的，性能類包括 用于獲得DataNode的CPU速度的CpuPerformance類、用于獲得DataNode的內(nèi)存容量的 MemoryPerformance類和用于獲得DataNode的磁盤容量的DiskPerformance類；修改HDFS 的通訊協(xié)議，在心跳信息中增加對應性能類的性能指標數(shù)據(jù)，修改后HDFS的通訊協(xié)議所傳 輸?shù)臄?shù)據(jù)結構如表1所示。
[0048] 表1、包括Performance類的心跳協(xié)議傳輸?shù)臄?shù)據(jù)結構
[0049]

【權利要求】
1. 基于HDFS的副本平衡方法，包括以下步驟： 1) 、集群配置： 設計用于代表DataNode性能評價指標的Performance類，Performance類提供一個用 于獲得對應的性能數(shù)據(jù)的getPerformance方法； 定義對應DataNode各性能指標的性能類，性能類是繼承Performance類的子類； 在HDFS通訊協(xié)議的心跳信息中增加對應性能類的性能指標數(shù)據(jù)； 2) 、數(shù)據(jù)收集： DataNode通過getPerformance方法收集與各性能類對應的性能指標數(shù)據(jù)；然后由 DataNode定時發(fā)送心跳信息，將上述與各性能類對應的性能指標數(shù)據(jù)發(fā)送給NameNode，并 由NameNode保存上述與各性能類對應的性能指標數(shù)據(jù)； 3) 、執(zhí)行Balancer程序： 3. 1、由Rebalance Server從NameNode中獲取各DataNode的性能指標數(shù)據(jù)； 3. 2、根據(jù)獲取的性能指標數(shù)據(jù)，計算各DataNode性能評分； 3. 3、計算各DataNode性能評分與其存儲量的比值α，以及各DataNode的α值的平均 值 αavg ; 3. 4、通過Balancer命令的threshold參數(shù)獲取允許的性能誤差范圍，根據(jù)a avg結合 threshold參數(shù)確定DataNode性能的目標范圍；將α值優(yōu)于目標范圍的DataNode、α值 在目標范圍內(nèi)的DataNode以及α值差于目標范圍的DataNode劃分為 隊列； 3. 5、匹配DataNode,包括如下步驟： 3. 5. 1、若QmdOT和均非空，則將QmdOT中DataNode和Q_中的DataNode進行匹配； 若Qunto為空而非空，則將Qmid中性能最差的DataNode和QOTCT中的DataNode進行匹 配；若Qunto非空而為空，則將Q mid中性能最優(yōu)的DataNode與QmdOT中的DataNode進行 匹配； 3. 5. 2、若3. 5. 1選取的兩DataNode符合Balancer程序的節(jié)點匹配規(guī)則，則執(zhí)行 DataNode的匹配，進入步驟3. 6,否則重復步驟3. 5. 1 ; 3. 6、數(shù)據(jù)塊選擇：從待遷出DataNode中選擇數(shù)據(jù)塊，若數(shù)據(jù)塊符合Balancer程序的數(shù) 據(jù)塊選取規(guī)則，則執(zhí)行數(shù)據(jù)遷移任務，否則重新選擇數(shù)據(jù)塊； 3. 7、完成數(shù)據(jù)遷移任務后，重新計算遷出DataNode和遷入DataNode的α值，并將兩 者放入合適的隊列中； 3. 8、重復3. 5、3. 6和3. 7,直至和QmdOT均為空。
2. 根據(jù)權利要求1所述的基于HDFS的副本平衡方法，其特征在于：在集群配置步 驟中定義的性能類包括用于獲得DataNode的CPU速度的CpuPerformance類、用于獲 得DataNode的內(nèi)存容量的MemoryPerformance類和用于獲得DataNode的磁盤容量的 DiskPerformance 類。
3. 根據(jù)權利要求1所述的基于HDFS的副本平衡方法，其特征在于：在集群配置步驟中 分別配置各性能類對應的權重；在步驟3. 1中，由Rebalance Server首先從NameNode中的 獲取各DataNode的性能指標數(shù)據(jù)及各性能類對應的權重；在步驟3. 2計算各DataNode性 能評分時，根據(jù)各性能對應的性能指標數(shù)據(jù)及其權重計算各DataNode的性能評分。
4.根據(jù)權利要求3所述的基于HDFS的副本平衡方法，其特征在于：在所述步驟3. 2中， 根據(jù)獲取的性能指標數(shù)據(jù)和權重，采用TOPSIS算法計算各DataNode性能的最優(yōu)值、最差值 和貼近度，并以貼近度作為其性能評分。
【文檔編號】G06F17/30GK104063501SQ201410321195
【公開日】2014年9月24日 申請日期:2014年7月7日 優(yōu)先權日:2014年7月7日
【發(fā)明者】羅光春, 田玲, 陳愛國, 舒康 申請人:電子科技大學