HDFS 异构存储及存储策略

一、支持的存储类型

HDFS支持以下主要存储类型，按性能从高到低排列：

1. SSD（固态存储）

   • 特点：高性能、低延迟，适合频繁访问的热数据。
   • 配置标识：[SSD]

2. DISK（机械硬盘）

   • 特点：性价比高，容量大，适合一般访问频率的数据。
   • 配置标识：[DISK]（默认类型）

3. ARCHIVE（归档存储）

   • 特点：低功耗、低成本，访问延迟高，适合冷数据。
   • 配置标识：[ARCHIVE]

4. RAM_DISK（内存磁盘）

   • 特点：超高性能，数据存储在内存中，适合极热数据。
   • 配置标识：[RAM_DISK]

5. ** PROVIDED（外部存储）**

   • 特点：支持外部存储系统（如AWS S3、Azure Blob）。
   • 配置标识：[PROVIDED]

二、存储策略介绍

HDFS中的HOT、WARM、COLD策略是存储策略，用于根据数据的访问频率和特性，将数据存储在不同类型的存储介质上，以优化存储成本和访问性能。具体如下：

• HOT存储策略：
  • 特点：适用于频繁访问的热数据，存储类型为DISK。该策略将数据存储在性能较高的磁盘介质上，以提供高吞吐量和低延迟的访问性能，满足对数据实时性要求较高的应用场景，如实时分析、在线事务处理等。
  • 配置方式：可通过hdfs storagepolicies -setStoragePolicy -path <路径> -policy HOT命令将指定路径下的数据设置为HOT存储策略。
• WARM存储策略：
  • 特点：用于存储访问频率适中的半冷半热数据，存储类型为DISK和ARCHIVE。此策略在存储成本和访问性能之间取得平衡，将一部分副本存储在常规磁盘（DISK）上以满足一定的访问速度要求，另一部分副本存储在归档存储（ARCHIVE）中以降低存储成本。
  • 配置方式：使用hdfs storagepolicies -setStoragePolicy -path <路径> -policy WARM命令来设置指定路径的数据采用WARM存储策略。
• COLD存储策略：
  • 特点：用于存储极少访问的冷数据，存储类型为ARCHIVE。这种策略将数据存储在成本较低、但访问延迟相对较高的归档存储介质上，适合用于存储归档数据、备份数据以及对访问实时性要求不高的历史数据等。
  • 配置方式：通过hdfs storagepolicies -setStoragePolicy -path <路径> -policy COLD命令将相应路径下的数据配置为COLD存储策略。

在使用这些存储策略时，需要先开启HDFS的存储策略功能，即设置dfs.storage.policy.enabled参数为true（默认值通常为true）。同时，更改存储策略后，目录下的文件不会自动按新策略迁移数据，需要通过hdfs mover -p <路径>命令来触发数据按新存储策略进行迁移。

三、定义异构存储策略

1. 配置DataNode存储目录

在hdfs-site.xml中定义各存储类型的路径：

<property>
  <name>dfs.datanode.data.dirname>
  <value>
    [SSD]/data/ssd,
    [DISK]/data/hdd1,
    [DISK]/data/hdd2,
    [ARCHIVE]/data/archive,
    [RAM_DISK]/data/ramdisk
  value>
property>

2. 启用存储策略功能

确保以下属性设置为true（默认已启用）：

<property>
  <name>dfs.storage.policy.enabledname>
  <value>truevalue>
property>

3. 使用内置存储策略

HDFS预定义了5种存储策略，通过名称引用：

策略名称	描述	适用场景
HOT	所有副本存储在DISK（默认策略）	热数据（频繁访问）
WARM	至少1个副本在DISK，其他在ARCHIVE	温数据（偶尔访问）
COLD	所有副本存储在ARCHIVE	冷数据（极少访问）
ALL_SSD	所有副本存储在SSD	高性能需求数据
ONE_SSD	1个副本在SSD，其他在DISK	部分高性能需求
LAZY_PERSIST	1个副本在RAM_DISK，异步写入DISK	临时高速缓存数据

四、管理存储策略

1. 查看可用策略

hdfs storagepolicies -listPolicies

2. 为目录/文件设置策略

# 设置目录为WARM策略
hdfs storagepolicies -setStoragePolicy -path /data/warm -policy WARM

# 设置文件为COLD策略
hdfs storagepolicies -setStoragePolicy -path /data/archive/logs.txt -policy COLD

3. 迁移数据到新策略

更改策略后，需手动触发数据迁移：

hdfs mover -p /data/warm  # 迁移路径下的数据到新策略

4. 验证策略应用

hdfs storagepolicies -getStoragePolicy -path /data/warm

五、自定义存储策略（高级）

如需自定义策略，可通过修改hdfs-site.xml添加：

<property>
  <name>dfs.storage.policy.tablename>
  <value>
    <Policy>
      <Name>CUSTOM_HYBRIDName>
      <StorageTypes>SSD,DISK,ARCHIVEStorageTypes>
      <CreationFallbacks>SSD,DISK,ARCHIVECreationFallbacks>
      <ReplicationFallbacks>DISK,ARCHIVEReplicationFallbacks>
    Policy>
  value>
property>

• StorageTypes：定义策略允许的存储类型顺序。
• CreationFallbacks：创建文件时的降级顺序（如SSD不可用时）。
• ReplicationFallbacks：副本恢复时的降级顺序。

六、注意事项

1. 存储类型可用性：DataNode必须实际配置了对应存储类型的目录，策略才能生效。
2. 性能与成本权衡：
   • SSD/RAM_DISK提升性能但成本高，适合热数据。
   • ARCHIVE降低成本但访问延迟高，适合冷数据。
3. 迁移开销：大规模数据迁移可能影响集群性能，建议在低峰期执行。

通过异构存储策略，HDFS可根据数据价值动态分配存储资源，在保证性能的同时降低总体拥有成本（TCO）。