這篇文章給大家分享的是有關如何解決HDFS Decommission緩慢問題的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

目前創(chuàng)新互聯(lián)已為上千多家的企業(yè)提供了網站建設、域名、網絡空間、成都網站托管、企業(yè)網站設計、豐滿網站維護等服務，公司將堅持客戶導向、應用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長，共同發(fā)展。背景

c3prc-xiami有大量raid單副本文件，decommission單個datanode速度很慢，觀察監(jiān)控指標，發(fā)現(xiàn)：

• 網卡流量始終保持低速，60~80mb/s

• 磁盤io util也是單個磁盤100%在某一個時刻，也即是同一時間只有一個磁盤在工作

這樣下線速度就十分緩慢，一個datanode一天只能下4w個block。而一個datanode平均有20w個block，這個速度明顯不符合要求。

最開始認為是配置問題，我們分析了幾種配置，有一定的效果，提高到了6w個block每天，但還是慢。

最后我們從代碼層面著手，改變相關數據結構，使下線速度明顯提升，一個datanode下線平均1到2天就能下完。

分析配置

public static final String DFS_NAMENODE_REPLICATION_MAX_STREAMS_KEY = "dfs.namenode.replication.max-streams";public static final int DFS_NAMENODE_REPLICATION_MAX_STREAMS_DEFAULT = 2;public static final String  DFS_NAMENODE_REPLICATION_STREAMS_HARD_LIMIT_KEY = "dfs.namenode.replication.max-streams-hard-limit";public static final int DFS_NAMENODE_REPLICATION_STREAMS_HARD_LIMIT_DEFAULT = 4;

blockmanager.maxReplicationStreams這個變量有兩個作用：

（1）在選擇從哪里把塊復制出去的時候chooseSourceDatanode（），如果某個dn上已經有>maxReplicationStreams的塊在被復制則不會再選中它作為源了。

（2）HeartbeatManager每次會想dn發(fā)送DNA_TRANSFER命令，會從DatanodeDescriptor.replicateBlocks取一定數量的block進行傳輸，而每個DN能夠啟動的DataTransfer線程數大不能超過maxReplicationStreams。

blockmanage.replicationStreamsHardLimit同上一個變量類似，只是在chooseSourceDatanode（），如果block的優(yōu)先級最高，這個dn還能再多復制2個（默認值分別是2,4），但是不能>replicationStreamsHardLimit。

所以在同一時刻最多replicationStreamsHardLimit被選出，而且是在同一個dn中。但是單純調整hardLimit并沒有多少效果。

真正控制一個dn往外拷貝數據還是maxReplicationStreams，dn通過心跳向NN報告正在進行Transfer的線程數，而后NN向dn發(fā)送maxTransfer個DNA_transfer CMD：

//get datanode commandsfinal int maxTransfer = blockManager.getMaxReplicationStreams()
- xmitsInProgress;

xmitsInProgress=正在傳輸數量

對于每個dn：從待復制blocks隊列取出maxTransfers

public List<BlockTargetPair> getReplicationCommand(int maxTransfers) {  
return replicateBlocks.poll(maxTransfers);
}

結論1：

通過調大上述2個參數，從2到4，再調整到8，效果還是比較明顯，dn中的日志也反映出同一個時刻傳輸線程數有所增加。

但當調整為12或者更大時，就沒有多少效果了。整體網速也沒有上來。

目前調整為12是比較合理的。和單個dn磁盤數量對應。

publicstatic final String DFS_NAMENODE_REPLICATION_MAX_STREAMS_KEY ="dfs.namenode.replication.max-streams";
publicstatic final int DFS_NAMENODE_REPLICATION_MAX_STREAMS_DEFAULT = 2;
publicstatic final String DFS_NAMENODE_REPLICATION_STREAMS_HARD_LIMIT_KEY ="dfs.namenode.replication.max-streams-hard-limit";
publicstatic final int DFS_NAMENODE_REPLICATION_STREAMS_HARD_LIMIT_DEFAULT = 4;

namenode中的blockmanager. ReplicationMonitor每3秒會computeDatanodeWork并且取一批block，然后告訴dn去復制這些blocks取的數量：

final int blocksToProcess = numlive
* this.blocksReplWorkMultiplier;

開始我認為調大能加快下線速度，但這個參數影響小，它的作用僅僅是把取出來的block放入DatanodeDescriptor的等待隊列中（replicateBlocks）

同過觀察NN日志發(fā)現(xiàn)如下問題：

• ReplicationMonitor每次迭代會打印日志：

askdn_ip to replicate blk_xxx to another_dn.

并且數量為blocksToProcess。在同一時刻，這個dn_ip都是一樣的。

• 每次迭代（在一段時間內循環(huán)）多次要求同一個dn拷貝blocksToProcess（c3prc-xiaomi=800個）blocks，而dn每次最多拷貝maxReplicationStreams

• 也就是說NN做了很多無效工作，取的blocks都是同一個dn,當取到輪到下一個dn時，又是同樣的問題。并不是每個dn都在同時工作。觀察監(jiān)控發(fā)現(xiàn)dn間歇性往外拷貝數據。

ReplicationMonitor每次取blocksToProcess個blocks的時候，這些blocks可能是同一個dn上，甚至同一個dn的同一個磁盤上。

因此，要分析每次的取法。目的是能取出不連續(xù)的blocks，能讓不同dn，不同磁盤同時工作。

//分析數據結構//

和下線主要有關的代碼集中在blockmanager,以及UnderReplicatedBlocks

public final UnderReplicatedBlocks neededReplications = new UnderReplicatedBlocks();

所有需要做replicate的block都會放在blockmanager.neededReplications中。

UnderReplicatedBlocks是一個復合結構，保存者5個(LEVEL=5)帶有優(yōu)先級的隊列：

private final List<LightWeightHashSet<Block>> priorityQueues

對于只有一個副本的block，或者replica都在decommision節(jié)點上，它在優(yōu)先級最高的隊列中，raid副本下線就是這種情況。

對于每一個優(yōu)先級的隊列，實現(xiàn)是LightWeightLinkedSet，它是一個有序的hashset,元素收尾相連。

UnderReplicatedBlocks的實現(xiàn)是保證每個隊列的元素都會被取到，同時，每個隊列中的元素按順序依次被取出，不會讓某些block永遠沒機會被取出。

具體做法是為每一個隊列保存一個偏移：

private finalList<LightWeightHashSet<Block>> priorityQueues

如果取到最后一個隊列（LEVEL-1）末尾了，就重置所有隊列的偏移=0，從頭再取。

這5個隊列都是先進先被選，隊尾進，而且優(yōu)先級Level=0的更容易被取到。具體取的算法是在UnderReplicatedBlocks.chooseUnderReplicatedBlocks()中。

在進行decommission操作的時候，可能整個dn的塊都是要加入neededReplication隊列（raid集群如此，如果有3副本，那一個block有3個source.單副本的source dn只有一個）。這時候，加入某一個優(yōu)先級隊列（LightWeightLinkedSet）的blocks是有序的，而且連續(xù)上w個blocks屬于同一個dn，甚至連續(xù)在同一個磁盤上。由于從隊列是從頭到尾順序取，所以會有問題，尤其是對單副本的情況。

因此，我們想要隨機從優(yōu)先級隊列中取出block.但又要保證每個block被取到，所以還是要有序的。

//數據結構改造-ShuffleAddSet//

實際上，這么做是合理的，先進入隊列可以優(yōu)先被取到。但對于我們這種場景，并不要求取出的順序性和放入順序一致。如果能打亂順序，再取出就能使一次迭代取出的blocks盡可能在不同dn或者不同磁盤上。

LightWeightLinkedSet：UnderReplicatedBlocks默認采用的優(yōu)先級隊列的實現(xiàn)。本身是一個hashset繼承LightWeightHashSet，同時元素雙向連接，帶有Head tail

LightWeightHashSet：輕量級hashSet

ShuffleAddSet：Look like LightWeightLinkedSet

我們實現(xiàn)了一種ShuffleAddSet繼承LightWeightHashSet，盡可能表現(xiàn)和LightWeightLinkedSet一致，這樣對外UnderReplicatedBlocks不需要做過多修改。

ShuffleAddSet中有兩個隊列，而對外表現(xiàn)為一個優(yōu)先級隊列。

第一個隊列，同時也是Set和LightWeightLinkedSet是一樣的，雙向有序，外部調用方法取元素也是從這個Set取。

第二個隊列，緩存隊列cachedAddList，一開始用ArrayList、LinkedList,由于性能問題不使用了?，F(xiàn)在也是用LightWeightHashSet，HashSet具有天然無序性質。

每當有新的元素加入，首先會放入cachedAddList中，隨后當第一個隊列數據空或者取到末尾，立即將cachedAddList數據shuffle,并拷貝到第一個隊列中，然后清空自己，繼續(xù)接收新元素。由于HashSet本身無序，因此少一步shuffle操作，直接從cachedAddList拷貝至第一個隊列即可。

需要注意的是取數據（調用迭代器?。┖蚢dd操作必須是同步的，因為取的時候第一個隊列到達末尾或著空，會觸發(fā)shuffle and add操作，清空cachedlist。

綜上，第一個隊列只有為空或者取到末尾的時候，會從第二個隊里加入數據，如果都為空說明整個優(yōu)先級隊列空。每從cachedlist加入一批，這一批就是隨機順序，雖然第一個隊列不是整個隊列都隨機打亂，總體上，第一個隊列還是是亂序的。

這樣做的問題：

（1）外部調用這個優(yōu)先級隊列的add操作，先進入隊列的不一定是先被調度，后加入cachedList的元素，也可能排在第一個隊列的前面先調度。

（2）極端情況，如果每次加入1個，然后再取1個元素，少量的元素，或者取出數量和頻率遠大于add數量，（比如cachedlist加入一個元素，第一個隊列立刻到達末尾了）實際上沒有達到隨機效果。

好在我們的場景不要求FIFO,而且每次Decommision初始加入UnderReplicatedBlocks的block數量很大，ReplicationMonitor每次取/處理的數量blockToProcess，相對而言（下線8臺節(jié)點，UnderReplicatedBlocks會達到180w）較小。發(fā)生shuffle and add不是很頻繁，也不是性能瓶頸。觀測到最長時間是200ms。

同時，我們將這個功能ShuffleAddSet作為一種可配置項目，UnderReplicatedBlocks可以在初始化時候選擇用ShuffleAddSet或者LightWeightLinkedSet

dfs.namenode.blockmanagement.queues.shuffle

如下：

private final List<LightWeightHashSet<Block>> priorityQueues
= new ArrayList<LightWeightHashSet<Block>>();public static final String NAMENODE_BLOCKMANAGEMENT_QUEUES_SHUFFLE =    "dfs.namenode.blockmanagement.queues.shuffle";private Map<Integer, Integer> priorityToReplIdx = new HashMap<Integer, Integer>(LEVEL);new HdfsConfiguration(); boolean useShuffle = conf.getBoolean(NAMENODE_BLOCKMANAGEMENT_QUEUES_SHUFFLE, false); for (int i = 0; i < LEVEL; i++) {    if (useShuffle) {
     priorityQueues.add(new ShuffleAddSet<Block>());
} else {
     priorityQueues.add(new LightWeightLinkedSet<Block>());
}
   priorityToReplIdx.put(i, 0);
}
}

//性能問題//

我們發(fā)現(xiàn)使用ShuffleAddSet時候，開始下線8臺dn時會卡住，主要是卡在DecommissionManager$Monitor，每次要檢查此dn上全部的blocks是否 underReplicated,這樣blocks很多拿寫鎖的時間會很長。

也會檢查ShuffleAddSet.contains(blocks),由于有兩個隊列，所以contain開銷會比之前大。

2019-04-12,12:09:35,876 INFO org.apache.hadoop.hdfs.server.namenode.FSNamesystem: Long read lock is held at 1555042175235. And released after 641 milliseconds.Call stack is:
java.lang.Thread.getStackTrace(Thread.java:1479)
org.apache.hadoop.util.StringUtils.getStackTrace(StringUtils.java:914)
org.apache.hadoop.hdfs.server.namenode.FSNamesystemLock.checkAndLogLongReadLockDuration(FSNamesystemLock.java:104)
org.apache.hadoop.hdfs.server.namenode.FSNamesystem.writeUnlock(FSNamesystem.java:1492)
org.apache.hadoop.hdfs.server.blockmanagement.BlockManager.isReplicationInProgress(BlockManager.java:3322)
org.apache.hadoop.hdfs.server.blockmanagement.DatanodeManager.checkDecommissionState(DatanodeManager.java:751)
org.apache.hadoop.hdfs.server.blockmanagement.DecommissionManager$Monitor.check(DecommissionManager.java:93)
org.apache.hadoop.hdfs.server.blockmanagement.DecommissionManager$Monitor.run(DecommissionManager.java:70)
java.lang.Thread.run(Thread.java:662)

通過修改isReplicationInProgress方法，類似處理blockreport,每隔一定數量放一次鎖的方式，緩解寫鎖時間太長導致其他rpc請求沒有響應。

++processed;// Release lock per 5w blocks processed and has too many underReplicatedBlocks.if (processed == numReportBlocksPerIteration &&
   namesystem.hasWriteLock() && underReplicatedBlocks > numReportBlocksPerIteration) {
 namesystem.writeUnlock();
processed = 0;
namesystem.writeLock();
}

//結論//

對于單副本較多的集群，可采用如下方式下線：

dfs.namenode.blockmanagement.queues.shuffle= truedfs.namenode.replication.max-streams= 12 默認是2，限制一個datanode復制數量
dfs.namenode.replication.max-streams-hard-limit=12 默認是4dfs.namenode.replication.work.multiplier.per.iteration= 4 默認2 / namenode一次調度的數量=該值×datanodes數量

開啟shuffle and add,并調整單個dn大復制數為物理磁盤數量，對于小集群可以調大work.multiplier一次處理4倍LiveDatanode數量block.使下線速度大化。

注意的問題：

每次操作下線2臺節(jié)點（refreshNodes），隔10分鐘再下2臺，一直到8臺。同時下線的dn最好不要超過8臺。不然DecommissionManager的開銷會很大，影響NN正常服務。

感謝各位的閱讀！關于“如何解決HDFS Decommission緩慢問題”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！

新聞標題：如何解決HDFSDecommission緩慢問題-創(chuàng)新互聯(lián)
本文鏈接：http://jinyejixie.com/article22/ddcgjc.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供網頁設計公司、外貿網站建設、域名注冊、全網營銷推廣、響應式網站、用戶體驗

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)