Ubuntu Hadoop存储如何扩展

Ubuntu Hadoop 存储扩展方案

一扩展思路总览

水平扩展：新增 DataNode 节点，直接提升集群总容量与吞吐，适合长期规模化增长。
垂直扩展：为现有节点新增磁盘或扩容现有磁盘，快速缓解单节点容量瓶颈。
目录扩展：在现有节点上挂载多块盘，通过多目录并行写入提升容量与 I/O 并行度。
元数据扩展：为 NameNode 增加元数据存储目录，提升元数据可靠性与容量（与用户数据分开扩展）。

二操作步骤

新增磁盘并挂载（单节点垂直扩展）
1. 识别磁盘并分区格式化：例如设备为 /dev/sdb，执行分区后格式化：sudo mkfs.ext4 /dev/sdb1。
2. 创建挂载点并挂载：sudo mkdir -p /mnt/hadoopdisk；sudo mount /dev/sdb1 /mnt/hadoopdisk。
3. 配置开机自动挂载：将 /dev/sdb1 /mnt/hadoopdisk ext4 defaults 0 0 追加到 /etc/fstab。
4. 目录权限：确保 Hadoop 运行用户对挂载点及子目录具备读写权限（如属主设为 hdfs 或运行用户）。
5. 在 hdfs-site.xml 的 dfs.datanode.data.dir 中追加新目录（逗号分隔）：
  <property><name>dfs.datanode.data.dir</name><value>/data/dfs/data,/mnt/hadoopdisk</value></property>
6. 滚动重启 DataNode（避免全停），或按你的启停脚本执行：$HADOOP_HOME/sbin/stop-dfs.sh 与 $HADOOP_HOME/sbin/start-dfs.sh。
7. 验证：hadoop dfsadmin -report 查看节点容量是否增加；访问 **NameNode Web UI（Hadoop 3 为 9870 端口）**核对 DataNode 目录与容量。
8. 数据均衡：执行 hdfs balancer 使块分布在新旧磁盘间均衡。
  以上步骤适用于在 Ubuntu 环境下新增磁盘并纳入 HDFS 存储目录的典型做法。
扩展现有磁盘容量（虚拟机或云盘场景）
1. 先在虚拟化平台扩展虚拟磁盘容量。
2. 在 Ubuntu 中对系统盘扩容分区（可用 gparted 等工具），并重建 swap 分区，确保扩容后文件系统可用。
3. 扩容完成后，HDFS 会自动识别到更大的文件系统容量；如未生效，可滚动重启 DataNode。
4. 若因空间不足导致 NameNode 处于 Safe Mode，需先释放或扩容空间，再让其自动退出安全模式。
  该流程在虚拟机环境中验证有效，可解决“磁盘扩容后 HDFS 未识别”的问题。
增加数据节点（水平扩展）
1. 准备新节点：安装相同版本的 Java 与 Hadoop 3，配置 core-site.xml 的 fs.defaultFS、hdfs-site.xml 的 dfs.datanode.data.dir 与 dfs.namenode.name.dir、以及 mapred-site.xml / yarn-site.xml 的基础项。
2. 在 workers（或旧版 slaves）文件中加入新节点主机名。
3. 启动新节点的 DataNode（以及 NodeManager，若使用 YARN）。
4. 在 NameNode Web UI（9870） 检查新节点是否注册成功与容量变化。
5. 运行 hdfs balancer 均衡数据。
  该流程适用于 Hadoop 3 的节点扩容，能同时提升存储与计算资源。
扩展 NameNode 元数据目录（可选）
1. 为 NameNode 挂载新盘或新目录，确保权限正确。
2. 在 hdfs-site.xml 中配置多个 dfs.namenode.name.dir（逗号分隔）以冗余与扩容元数据。
3. 按你的升级/维护流程重启 NameNode，并监控其启动日志与 Web UI 状态。
  多目录方式在生产中常用于提升 NameNode 可靠性与元数据容量。

三配置与验证要点

关键配置示例
- DataNode 多目录：
  <property><name>dfs.datanode.data.dir</name><value>/data/dfs/data,/mnt/hadoopdisk</value></property>
- NameNode 多目录（可选）：
  <property><name>dfs.namenode.name.dir</name><value>/data/dfs/name,/mnt/namenode</value></property>
- 多磁盘也可用于 MapReduce 本地目录（提升 shuffle/中间数据吞吐）：
  <property><name>mapred.local.dir</name><value>/data/mapred/local,/mnt/hadoopdisk/mapred</value></property>
常用验证
- hadoop dfsadmin -report：查看各 DataNode 容量与使用情况。
- NameNode Web UI（Hadoop 3 为 9870）：核对 Live Nodes、DFS Used/Remaining、各 DataNode 的 Data Directory 列表与容量。
- hdfs balancer：均衡块分布，避免热点盘。
  上述命令与 UI 路径可用于扩容后的快速验收与稳态维护。

四常见问题与处理

磁盘满导致 Safe Mode：HDFS 在剩余空间极低时会进入 Safe Mode，需扩容或清理后再自动退出；强制离开可能再次进入。
新盘未生效：检查 挂载点权限、dfs.datanode.data.dir 是否包含新目录、以及是否完成滚动重启。
不均衡：新增磁盘或节点后运行 hdfs balancer，必要时设置带宽参数以控制对业务的影响。
配置分发：多节点操作建议使用 Ansible/Salt 等批量分发配置，减少人工误差。
这些现象与处理在扩容实践中较为常见，按上述步骤可快速定位与恢复。

最新问答

相关标签