6W+字记录实验全过程 | 探索Alluxio经济化数据存储策略
Posted Alluxio
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了6W+字记录实验全过程 | 探索Alluxio经济化数据存储策略相关的知识，希望对你有一定的参考价值。
探索背景
随着大数据应用的不断发展，数据仓库、数据湖的大数据实践层出不穷；无论是电信、金融、政府，各个行业的大数据热潮蓬勃发展。在过去的4-5年中，我们不断看到企业用户大数据膨胀问题日益加剧，大数据创新下数据存储成本呈现线性增长，使得企业对于大数据的应用开始变得谨慎、变向放缓了企业内部数据化转型的速度。
核心的挑战：如何更加经济地构建数据湖存储体系。
大数据存储引擎从2006年发布以来，百花齐放，计算侧MapReduce、Spark、Hive、Impala、Presto、Storm、Flink的问世不断突破应用领域，不过在大数据存储方面反而显得慎重与沉稳。在过去十多年，在Apache Hadoop生态被广泛提及的主要还是HDFS与Ozone。
HDFS
Hadoop HDFS 是一种分布式文件系统，旨在在商用硬件上运行以提高其普适性。它与现有的分布式文件系统有很多相似之处。但是，HDFS的特点也是鲜明的：具备高度容错性、旨在部署在低成本硬件、允许水平扩缩容。HDFS提供对应用程序数据访问的高吞吐量，适用于需要处理海量数据集的应用服务。
Ozone
Apache Ozone 是一种高度可扩展的分布式存储，适用于分析、大数据和云原生应用程序。Ozone 支持 S3 兼容对象 API 以及 Hadoop 兼容文件系统协议。它针对高效的对象存储和文件系统操作进行了优化。
经济化数据存储策略，主要体现在两个关键特性上，只要实现了，其他的增强都会如虎添翼：
- 使用最合适的存储系统存储对应的数据分块；
- 数据存储策略对上层应用的侵入性越低越好；
比如HDFS典型场景下使用3副本的策略，一方面是确保数据块的高可用性，同时多个副本也可以更好地保障数据局部性的要求，提高数据访问的吞吐量；为了更好地提供数据服务，硬件环境也会选用相对更好的磁盘；对于早期的大数据实践而言，标准统一的软硬件选择可以提高对新技术栈的推动，但是随着数据的不断积累，很多数据的访问频率呈现指数级下降，尤其是针对合规检查的冷数据，不仅仅占据了生产集群的大量空间，可能一年到头都没有被访问过一次。这是对资源的极大浪费。
大数据发展的现阶段，精细化数据存储被提上了议程。需要一种分层的存储体系，在维系现有计算性能的同时，将温、冷数据实现对上层应用透明的自主迁移，控制数据存储与维护的成本。
关键特性验证
通过这篇文章，我们希望可以对经济化数据存储策略做一个初步探索，首先我们将先前提到的两个关键特性具象化，然后通过几组实验对技术可行性进行一个讨论。
关键特性一：使用一套存储系统作为热数据系统；使用另一套存储系统作为冷数据系统；
关键特性二：统一命名空间同时兼容多套存储系统，通过统一命名空间对上层应用提供数据访问服务；
技术选择：
- 计算引擎: Hive (大部分企业用户使用SQL引擎作为数据开发工具)
- 存储引擎: HDFS/Ozone (业界常用的Apache生态存储)
- 数据编排引擎: Alluxio (第三方开源组件，兼容大部分Apache生态组件)
Hive
Apache Hive ™ 数据仓库软件有助于使用 SQL 读取、写入和管理驻留在分布式存储中的大型数据集。结构可以投影到已经存储的数据上。提供了一个命令行工具和 JDBC 驱动程序允许用户连接到 Hive。
关于Alluxio
“Alluxio数据编排系统”是全球首个分布式超大规模数据编排系统，孵化于加州大学伯克利分校AMP实验室。自项目开源以来，已有超过来自300多个组织机构的1200多位贡献者参与开发。Alluxio能够在跨集群、跨区域、跨国家的任何云中将数据更紧密地编排到接近数据分析和AI/ML应用程序的集群中，从而向上层应用提供内存级别的数据访问速度。
作为大数据生态系统中的存储与计算分离技术标准，在阿里云、腾讯云、华为云、金山云等国内顶级云厂商服务中得到生产检验，是建设企业私有云的基石和核心技术。2021年成立后，先后荣登“中关村国际前沿科技创新大赛大数据与云计算领域TOP10”、“2021投资界数字科技VENTURE50”、“科创中国”开源创新榜等多项榜单。
技术可行性研究，我们分两个阶段进行：
阶段一：使用同一类型的存储系统HDFS，实现不同HDFS系统之间的冷热分层【模拟场景：使用新的HDFS3.0 EC或者用磁盘密集型的机器专门搭建冷数据HDFS】
阶段二：使用不同类型的存储系统，使用HDFS作为热数据存储系统；使用Ozone作为冷数据存储系统 【模拟场景：HDFS负责热数据/Ozone负责冷数据】
验证步骤
部署架构
软件版本：
- 计算引擎：Hive 2.3.9
- 存储引擎：Hadoop 2.10.1，Ozone 1.2.1，Alluxio 2.8
- 所有组件均为单机模式部署
集群规划：
| 主机 | 组件 |
| ip-172-31-30-130.us-west-2.compute.internal | Hive、HDFS1 |
| ip-172-31-19-127.us-west-2.compute.internal | HDFS2、Ozone |
| ip-172-31-17-3.us-west-2.compute.internal | Alluxio |
实验一：基于Alluxio实现跨HDFS的透明数据冷热分层
## Step 1: 在Hive 中创建库、分区表，默认数据存储在 HDFS_1 上
create database test location "/user/hive/test.db";
create external table test.test_part(value string) partitioned by (dt string);#创建库
hive> create database test location '/user/hive/test.db';
OK
Time taken: 1.697 seconds
hive> #创建表
hive> create external table test.test_part(value string) partitioned by (dt string);
OK
Time taken: 0.607 seconds
hive> ## Step 2: Alluxio Union URI 实现跨HDFS集群统一命名空间集成
alluxio fs mount \\
--option alluxio-union.hdfs1.uri=hdfs://namenode_1:8020/user/hive/test.db/test_part \\
--option alluxio-union.hdfs2.uri=hdfs://namenode_2:8020/user/hive/test.db/test_part \\
--option alluxio-union.priority.read=hdfs1,hdfs2 \\
--option alluxio-union.collection.create=hdfs1 \\
/user/hive/test.db/test_part union://test_part/ #以Alluxio Union URI 方式挂载测试目录
[root@ip-172-31-17-3 ~]# alluxio fs mkdir /user/hive/test.db
Successfully created directory /user/hive/test.db
[root@ip-172-31-17-3 conf]# alluxio fs mount \\
> --option alluxio-union.hdfs1.uri=hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/test.db/test_part \\
> --option alluxio-union.hdfs2.uri=hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part \\
> --option alluxio-union.priority.read=hdfs1,hdfs2 \\
> --option alluxio-union.collection.create=hdfs1 \\
> /user/hive/test.db/test_part union://test_part/
Mounted union://test_part/ at /user/hive/test.db/test_part
[root@ip-172-31-17-3 ~]### Step 3: 修改 Hive 表路径为 Union URI 路径，屏蔽跨异构存储的技术细节
alter table test.test_part set location "alluxio://alluxio:19998/user/hive/test.db/test_part"; #修改Hive表格对应的路径
hive> alter table test.test_part set location "alluxio://ip-172-31-17-3.us-west-2.compute.internal:19998/user/hive/test.db/test_part";
OK
Time taken: 0.143 seconds
hive> ## Step 4: 模拟数据
mkdir dt\\=2022-06-01..6
echo 1abc > dt\\=2022-06-01/000000_0
echo 2def > dt\\=2022-06-02/000000_0
echo 3ghi > dt\\=2022-06-03/000000_0
echo 4jkl > dt\\=2022-06-04/000000_0
echo 5mno > dt\\=2022-06-05/000000_0
echo 6pqr > dt\\=2022-06-06/000000_0
hdfs dfs -put dt\\=2022-06-01..3 hdfs://namenode_1:8020/user/hive/test.db/test_part
hdfs dfs -put dt\\=2022-06-04..6 hdfs://namenode_2:8020/user/hive/test.db/test_part [root@ip-172-31-17-3 ~]# mkdir dt\\=2022-06-01..6
[root@ip-172-31-17-3 ~]# echo 1abc > dt\\=2022-06-01/000000_0
[root@ip-172-31-17-3 ~]# echo 2def > dt\\=2022-06-02/000000_0
[root@ip-172-31-17-3 ~]# echo 3ghi > dt\\=2022-06-03/000000_0
[root@ip-172-31-17-3 ~]# echo 4jkl > dt\\=2022-06-04/000000_0
[root@ip-172-31-17-3 ~]# echo 5mno > dt\\=2022-06-05/000000_0
[root@ip-172-31-17-3 ~]# echo 6pqr > dt\\=2022-06-06/000000_0 #将模拟数据分别存入hdfs1、hdfs2
[root@ip-172-31-17-3 ~]# hdfs dfs -put dt\\=2022-06-01..3 hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/test.db/test_part
[root@ip-172-31-17-3 ~]# hdfs dfs -mkdir -p hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part
[root@ip-172-31-17-3 ~]# hdfs dfs -put dt\\=2022-06-04..6 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part #查询hdfs1和hdfs2，确认数据存入完成
[root@ip-172-31-17-3 ~]# hdfs dfs -ls hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/test.db/test_part
Found 3 items
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:09 hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-01
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:09 hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-02
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:09 hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-03
[root@ip-172-31-17-3 ~]# hdfs dfs -ls hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part
Found 3 items
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:10 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-04
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:10 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-05
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:10 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-06 #通过查询alluxio Union URI 再次确认数据存入hdfs1和hdfs2，以及Union URI跨存储关联生效
[root@ip-172-31-17-3 ~]# alluxio fs ls /user/hive/test.db/test_part
drwxr-xr-x root hdfsadmingroup 1 PERSISTED 07-13-2022 08:09:19:243 DIR /user/hive/test.db/test_part/dt=2022-06-02
drwxr-xr-x root hdfsadmingroup 1 PERSISTED 07-13-2022 08:09:19:219 DIR /user/hive/test.db/test_part/dt=2022-06-01
drwxr-xr-x root hdfsadmingroup 1 PERSISTED 07-13-2022 08:10:49:740 DIR /user/hive/test.db/test_part/dt=2022-06-06
drwxr-xr-x root hdfsadmingroup 1 PERSISTED 07-13-2022 08:10:49:721 DIR /user/hive/test.db/test_part/dt=2022-06-05
drwxr-xr-x root hdfsadmingroup 1 PERSISTED 07-13-2022 08:10:49:698 DIR /user/hive/test.db/test_part/dt=2022-06-04
drwxr-xr-x root hdfsadmingroup 1 PERSISTED 07-13-2022 08:09:19:263 DIR /user/hive/test.db/test_part/dt=2022-06-03
[root@ip-172-31-17-3 ~]### Step 5: 刷新Hive表元数据
MSCK REPAIR TABLE test.test_part;
hive> MSCK REPAIR TABLE test.test_part;
OK
Partitions not in metastore: test_part:dt=2022-06-01 test_part:dt=2022-06-02 test_part:dt=2022-06-03 test_part:dt=2022-06-04 test_part:dt=2022-06-05 test_part:dt=2022-06-06
Repair: Added partition to metastore test.test_part:dt=2022-06-01
Repair: Added partition to metastore test.test_part:dt=2022-06-02
Repair: Added partition to metastore test.test_part:dt=2022-06-03
Repair: Added partition to metastore test.test_part:dt=2022-06-04
Repair: Added partition to metastore test.test_part:dt=2022-06-05
Repair: Added partition to metastore test.test_part:dt=2022-06-06
Time taken: 1.677 seconds, Fetched: 7 row(s)#通过select方式观察到Hive元数据刷新后，alluxio union URI关联生效体现到Hive表中
hive> select * from test.test_part;
OK
1abc 2022-06-01
2def 2022-06-02
3ghi 2022-06-03
4jkl 2022-06-04
5mno 2022-06-05
6pqr 2022-06-06
Time taken: 1.624 seconds, Fetched: 6 row(s)
hive>## Step 6: 配置冷热自动分层策略
alluxio fs policy add /user/hive/test.db/test_part "ufsMigrate(olderThan(2m), UFS[hdfs1]:REMOVE, UFS[hdfs2]:STORE)" #设置策略：冷数据（本例中按生成超过2分钟的数据）自动从热存储（hdfs1）迁移到冷存储（hdfs2）
[root@ip-172-31-17-3 ~]# alluxio fs policy add /user/hive/test.db/test_part "ufsMigrate(olderThan(2m), UFS[hdfs1]:REMOVE, UFS[hdfs2]:STORE)"
Policy ufsMigrate-/user/hive/test.db/test_part is added to /user/hive/test.db/test_part. #通过Alluxio命令行查看策略设置成功与否
[root@ip-172-31-17-3 ~]# alluxio fs policy list
id: 1657700423909
name: "ufsMigrate-/user/hive/test.db/test_part"
path: "/user/hive/test.db/test_part"
created_at: 1657700423914
scope: "RECURSIVE"
condition: "olderThan(2m)"
action: "DATA(UFS[hdfs1]:REMOVE, UFS[hdfs2]:STORE)"
[root@ip-172-31-17-3 ~]##策略生效后分别查看hdfs1和hdfs2，可以观察到hdfs1里面超过2分钟的数据都迁移到hdfs2中
[root@ip-172-31-17-3 logs]# hdfs dfs -ls hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/test.db/test_part
[root@ip-172-31-17-3 logs]# hdfs dfs -ls hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part
Found 6 items
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:26 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-01
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:26 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-02
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:26 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-03
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:10 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-04
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:10 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-05
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 08:10 hdfs://ip-172-31-19-127.us-west-2.compute.internal:8020/user/hive/test.db/test_part/dt=2022-06-06
[root@ip-172-31-17-3 logs]##策略生效，冷数据自动迁移过程中和完成后查Hive都得到如下预期查询结果：
hive> select * from test.test_part;
OK
1abc 2022-06-01
2def 2022-06-02
3ghi 2022-06-03
4jkl 2022-06-04
5mno 2022-06-05
6pqr 2022-06-06
Time taken: 0.172 seconds, Fetched: 6 row(s)
hive>最后，我们将实验一的两个步骤：（1）通过Alluxio的Union URI实现跨两个HDFS存储系统的Hive表的数据联邦，和（2）通过Alluxio实现跨两个HDFS存储系统的透明数据冷热分层，在图1和图2中分别以简化示意图的方式展示，便于更好的理解实验目标、过程和结果。
图1：通过Alluxio的Union URI实现跨两个HDFS存储系统的Hive表的数据联邦的示意图
图2：通过Alluxio实现跨两个HDFS存储系统的透明数据冷热分层示意图
下一组实验只是将上一组实验设定中的两个HDFS存储系统更改成了两个异构存储系统HDFS（热存储）和Ozone（冷存储），从透明冷热分层功能层面效果是相同的。
实验二：基于Alluxio实现跨异构存储（HDFS和Ozone）的透明数据冷热分层
## step 1 ： hive 创建库、表
create database hdfsToOzone location '/user/hive/hdfsToOzone.db';
create external table hdfsToOzone.test(value string) partitioned by (dt string);#创建库
hive> create database hdfsToOzone location '/user/hive/hdfsToOzone.db';
OK
Time taken: 0.055 seconds
hive>#创建表
hive> create external table hdfsToOzone.test(value string) partitioned by (dt string);
OK
Time taken: 0.1 seconds
hive>## step 2: Alluxio Union URI实现跨HDFS/Ozone集群统一命名空间集成
alluxio fs mount \\
--option alluxio-union.hdfs.uri=hdfs://HDFS1:8020/user/hive/hdfsToOzone.db/test \\
--option alluxio-union.ozone.uri=o3fs://bucket.volume/hdfsToOzone.db/test \\
--option alluxio-union.priority.read=hdfs,ozone \\
--option alluxio-union.collection.create=hdfs \\
--option alluxio.underfs.hdfs.configuration=/mnt1/ozone-1.2.1/etc/hadoop/ozone-site.xml \\
/user/hive/hdfsToOzone.db/test union://HDFS_TO_OZONE/ #在Ozone中使用命令行工具创建volume、bucket
[root@ip-172-31-19-127 ~]# ozone sh volume create /v-alluxio
[root@ip-172-31-19-127 ~]# ozone sh bucket create /v-alluxio/b-alluxio
[root@ip-172-31-19-127 ~]# ozone fs -mkdir -p o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test
[root@ip-172-31-19-127 ~]# #先在Alluxio中创建实验目录，然后以 Union URI 方式挂载目录
[root@ip-172-31-17-3 ~]# alluxio fs mkdir /user/hive/hdfsToOzone.db
Successfully created directory /user/hive/hdfsToOzone.db
[root@ip-172-31-17-3 ~]# alluxio fs mount \\
> --option alluxio-union.hdfs.uri=hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/hdfsToOzone.db/test \\
> --option alluxio-union.ozone.uri=o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test \\
> --option alluxio-union.priority.read=hdfs,ozone \\
> --option alluxio-union.collection.create=hdfs \\
> --option alluxio.underfs.hdfs.configuration=/mnt1/ozone-1.2.1/etc/hadoop/ozone-site.xml \\
> /user/hive/hdfsToOzone.db/test union://HDFS_TO_OZONE/
Mounted union://HDFS_TO_OZONE/ at /user/hive/hdfsToOzone.db/test
[root@ip-172-31-17-3 ~]### step 3: 修改 Hive 表路径为 Union URI 路径，屏蔽跨异构存储的技术细节
alter table hdfsToOzone.test set location "alluxio://alluxio:19998/user/hive/hdfsToOzone.db/test"; #修改Hive表格对应的路径
hive> alter table hdfsToOzone.test set location "alluxio://ip-172-31-17-3.us-west-2.compute.internal:19998/user/hive/hdfsToOzone.db/test";
OK
Time taken: 1.651 seconds
hive> ## step 4: 模拟数据
ozone fs -put dt\\=2022-06-01..3 o3fs://b-alluxio.v-alluxio.ozone:9862/hdfsToOzone.db/test
hdfs dfs -put dt\\=2022-06-04..6 hdfs://HDFS1:8020/user/hive/hdfsToOzone.db/test#将数据存入ozone
[root@ip-172-31-19-127 ~]# ozone fs -put dt\\=2022-06-01..3 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test
2022-07-13 10:00:38,920 [main] INFO impl.MetricsConfig: Loaded properties from hadoop-metrics2.properties
2022-07-13 10:00:38,981 [main] INFO impl.MetricsSystemImpl: Scheduled Metric snapshot period at 10 second(s).
2022-07-13 10:00:38,981 [main] INFO impl.MetricsSystemImpl: XceiverClientMetrics metrics system started
2022-07-13 10:00:39,198 [main] INFO metrics.MetricRegistries: Loaded MetricRegistries class org.apache.ratis.metrics.impl.MetricRegistriesImpl#通过命令行查询ozone，确认数据存入完成
[root@ip-172-31-19-127 ~]# ozone fs -ls o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test
Found 3 items
drwxrwxrwx - root root 0 2022-07-13 10:00 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test/dt=2022-06-01
drwxrwxrwx - root root 0 2022-07-13 10:00 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test/dt=2022-06-02
drwxrwxrwx - root root 0 2022-07-13 10:00 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test/dt=2022-06-03
[root@ip-172-31-19-127 ~]##将数据存入hdfs1，并通过命令行查询hdfs1，确认数据存入完成
[root@ip-172-31-17-3 ~]# hdfs dfs -put dt\\=2022-06-04..6 hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/hdfsToOzone.db/test
[root@ip-172-31-17-3 ~]# hdfs dfs -ls hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/hdfsToOzone.db/test
Found 3 items
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 10:06 hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/hdfsToOzone.db/test/dt=2022-06-04
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 10:06 hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/hdfsToOzone.db/test/dt=2022-06-05
drwxr-xr-x - root hdfsadmingroup 0 2022-07-13 10:06 hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/hdfsToOzone.db/test/dt=2022-06-06
[root@ip-172-31-17-3 ~]##通过Alluxio命令行查询，再次确认数据存入hdfs1和ozone，以及Union URI跨存储关联生效
[root@ip-172-31-17-3 ~]# alluxio fs ls /user/hive/hdfsToOzone.db/test
drwxrwxrwx root root 0 PERSISTED 07-13-2022 10:00:40:670 DIR /user/hive/hdfsToOzone.db/test/dt=2022-06-02
drwxrwxrwx root root 0 PERSISTED 07-13-2022 10:00:38:691 DIR /user/hive/hdfsToOzone.db/test/dt=2022-06-01
drwxr-xr-x root hdfsadmingroup 0 PERSISTED 07-13-2022 10:06:29:206 DIR /user/hive/hdfsToOzone.db/test/dt=2022-06-06
drwxr-xr-x root hdfsadmingroup 0 PERSISTED 07-13-2022 10:06:29:186 DIR /user/hive/hdfsToOzone.db/test/dt=2022-06-05
drwxr-xr-x root hdfsadmingroup 0 PERSISTED 07-13-2022 10:06:29:161 DIR /user/hive/hdfsToOzone.db/test/dt=2022-06-04
drwxrwxrwx root root 0 PERSISTED 07-13-2022 10:00:40:762 DIR /user/hive/hdfsToOzone.db/test/dt=2022-06-03
[root@ip-172-31-17-3 ~]# ## step 5: 刷新Hive表元数据
MSCK REPAIR TABLE hdfsToOzone.test;
hive> MSCK REPAIR TABLE hdfsToOzone.test;
OK
Partitions not in metastore: test:dt=2022-06-01 test:dt=2022-06-02 test:dt=2022-06-03 test:dt=2022-06-04 test:dt=2022-06-05 test:dt=2022-06-06
Repair: Added partition to metastore hdfsToOzone.test:dt=2022-06-01
Repair: Added partition to metastore hdfsToOzone.test:dt=2022-06-02
Repair: Added partition to metastore hdfsToOzone.test:dt=2022-06-03
Repair: Added partition to metastore hdfsToOzone.test:dt=2022-06-04
Repair: Added partition to metastore hdfsToOzone.test:dt=2022-06-05
Repair: Added partition to metastore hdfsToOzone.test:dt=2022-06-06
Time taken: 0.641 seconds, Fetched: 7 row(s)
hive>#通过select方式观察到hive元数据刷新后，alluxio union URI关联生效体现到hive表中
hive> select * from hdfsToOzone.test ;
OK
1abc 2022-06-01
2def 2022-06-02
3ghi 2022-06-03
4jkl 2022-06-04
5mno 2022-06-05
6pqr 2022-06-06
Time taken: 0.156 seconds, Fetched: 6 row(s)
hive>## step 6: 配置策略
alluxio fs policy add /user/hive/hdfsToOzone.db/test" ufsMigrate(olderThan(2m), UFS[hdfs]:REMOVE, UFS[ozone]:STORE)" #设置策略：冷数据（本例中按生成超过2分钟的数据）自动从热存储（hdfs1）迁移到冷存储（ozone）
[root@ip-172-31-17-3 ~]# alluxio fs policy add /user/hive/hdfsToOzone.db/test/ "ufsMigrate(olderThan(2m), UFS[hdfs]:REMOVE, UFS[ozone]:STORE)"
Policy ufsMigrate-/user/hive/hdfsToOzone.db/test is added to /user/hive/hdfsToOzone.db/test.#通过Alluxio命令行查看策略设置成功与否
[root@ip-172-31-17-3 ~]# alluxio fs policy list
id: 1657707130843
name: "ufsMigrate-/user/hive/hdfsToOzone.db/test"
path: "/user/hive/hdfsToOzone.db/test"
created_at: 1657707130843
scope: "RECURSIVE"
condition: "olderThan(2m)"
action: "DATA(UFS[hdfs]:REMOVE, UFS[ozone]:STORE)"
[root@ip-172-31-17-3 ~]# #策略生效后分别查看hdfs1和ozone，可以观察到hdfs1里面超过2分钟的数据都迁移到ozone中
[root@ip-172-31-17-3 ~]# ozone fs -ls o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test
Found 6 items
drwxrwxrwx - root root 0 2022-07-13 10:00 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test/dt=2022-06-01
drwxrwxrwx - root root 0 2022-07-13 10:00 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test/dt=2022-06-02
drwxrwxrwx - root root 0 2022-07-13 10:00 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test/dt=2022-06-03
drwxrwxrwx - root root 0 2022-07-13 10:21 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test/dt=2022-06-04
drwxrwxrwx - root root 0 2022-07-13 10:21 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test/dt=2022-06-05
drwxrwxrwx - root root 0 2022-07-13 10:21 o3fs://b-alluxio.v-alluxio/hdfsToOzone.db/test/dt=2022-06-06
[root@ip-172-31-17-3 ~]# hdfs dfs -ls hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/user/hive/hdfsToOzone.db/test
[root@ip-172-31-17-3 ~]# #策略生效，冷数据自动迁移过程中和完成后查hive都得到如下预期查询结果：
hive> select * from hdfsToOzone.test ;
OK
1abc 2022-06-01
2def 2022-06-02
3ghi 2022-06-03
4jkl 2022-06-04
5mno 2022-06-05
6pqr 2022-06-06
Time taken: 0.144 seconds, Fetched: 6 row(s)
hive> 4. 实验小结
可以看出，实验二的执行过程和效果展示和实验一几乎是如出一辙，除了冷数据存储系统从hdfs2切换成了一个异构存储系统Ozone。
通过实验，我们充分验证了Alluxio数据编排是如何成功将上层应用 (比如基于Hive的数仓建设) 与底层数据持久化策略 (使用hdfs或者Ozone, 是否进行冷热分层等) 解耦合的。同时也体现了Alluxio对于异构存储系统的通用性和易用性。
最后希望这篇文章对各位如何使用Alluxio经济化数据存储策略有所启迪。
附录
Alluxio集成Hive及HDFS的方式
Alluxio 配置
echo 'export ALLX_HOME=/mnt1/alluxio' >> ~/.bashrc
echo 'export PATH=$PATH:$ALLX_HOME/bin' >> ~/.bashrc
alluxio.master.hostname=ip-172-31-17-3.us-west-2.compute.internal
alluxio.underfs.address=hdfs://ip-172-31-30-130.us-west-2.compute.internal:8020/alluxio
alluxio.worker.tieredstore.level0.dirs.path=/alluxio/ramdisk
alluxio.worker.memory.size=4G
alluxio.worker.tieredstore.levels=1
alluxio.worker.tieredstore.level0.alias=MEM
alluxio.user.file.readtype.default=CACHE
alluxio.user.file.writetype.default=ASYNC_THROUGH
alluxio.security.login.impersonation.username=_HDFS_USER_
alluxio.master.security.impersonation.yarn.groups=*
alluxio.master.security.impersonation.hive.groups=*
alluxio.user.metrics.collection.enabled=true
alluxio.user.block.size.bytes.default=64MB
######## Explore ########
alluxio.user.block.write.location.policy.class=alluxio.client.block.policy.DeterministicHashPolicy
alluxio.user.ufs.block.read.location.policy=alluxio.client.block.policy.DeterministicHashPolicy
alluxio.user.ufs.block.read.location.policy.deterministic.hash.shards=1
alluxio.user.file.persist.on.rename=true
alluxio.master.persistence.blacklist=.staging,_temporary,.tmp
alluxio.user.file.passive.cache.enabled=false Hive 客户端core-site.xml
cp /hadoop_home/etc/hadoop/core-site.xml /hive_home/conf
## 拷贝 jar分别到hadoop和hive home下的lib子目录中
cp /<PATH_TO_ALLUXIO>/client/alluxio-enterprise-2.8.0-1.0-client.jar /hadoop_home/share/lib
cp /<PATH_TO_ALLUXIO>/client/alluxio-enterprise-2.8.0-1.0-client.jar /hive_home/lib## 配置alluxio文件系统
vim /hive_home/conf/core-site.xml
<property>
<name>fs.alluxio.impl</name>
<value>alluxio.hadoop.FileSystem</value>
</property>
<property>
<name>alluxio.master.rpc.addresses</name>
<value>ip-172-31-17-3.us-west-2.compute.internal:19998</value>
</property> HDFS授权
## 查看hdfs 超级用户
vim /hadoop_home/etc/hadoop/hdfs-site.xml
<property>
<name>dfs.permissions.superusergroup</name>
<value>hdfsadmingroup</value>
</property>## 将用户 Alluxio 增加到supergroup
groupadd hdfsadmingroup
usermod -a -G hdfsadmingroup root## 同步系统的权限信息到 HDFS
su - hdfs -s /bin/bash -c "hdfs dfsadmin -refreshUserToGroupsMappings"## 开启hdfs acl
vim /hadoop_home/etc/hadoop/hdfs-site.xml
<property>
<name>dfs.permissions.enabled</name>
<value>true</value>
</property>
<property>
<name>dfs.namenode.acls.enabled</name>
<value>true</value>
</property>
su - hdfs -s /bin/bash -c "hdfs dfs -setfacl -R -m user:root:rwx /"Ozone 部署
配置文件
wget https://dlcdn.apache.org/ozone/1.2.1/ozone-1.2.1.tar.gz
echo 'export OZONE_HOME=/mnt1/ozone-1.2.1' >> ~/.bashrc
echo 'export PATH=$PATH:$OZONE_HOME/bin:$OZONE_HOME/sbin' >> ~/.bashrc ##在ozone-site.xml中加入必要配置信息
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<configuration>
<property>
<name>ozone.om.address</name>
<value>ip-172-31-19-127.us-west-2.compute.internal:9862</value>
</property>
<property>
<name>ozone.metadata.dirs</name>
<value>/mnt/ozone-1.2.1/metadata/ozone</value>
</property>
<property>
<name>ozone.scm.client.address</name>
<value>ip-172-31-19-127.us-west-2.compute.internal:9860</value>
</property>
<property>
<name>ozone.scm.names</name>
<value>ip-172-31-19-127.us-west-2.compute.internal</value>
</property>
<property>
<name>ozone.scm.datanode.id.dir</name>
<value>/mnt/ozone-1.2.1/metadata/ozone/node</value>
</property>
<property>
<name>ozone.om.db.dirs</name>
<value>/mnt/ozone-1.2.1/metadata/ozone/omdb</value>
</property>
<property>
<name>ozone.scm.db.dirs</name>
<value>/mnt/ozone-1.2.1/metadata/ozone/scmdb</value>
</property>
<property>
<name>hdds.datanode.dir</name>
<value>/mnt/ozone-1.2.1/datanode/data</value>
</property>
<property>
<name>ozone.om.ratis.enable</name>
<value>false</value>
</property>
<property>
<name>ozone.om.http-address</name>
<value>ip-172-31-19-127.us-west-2.compute.internal:9874</value>
</property>
<property>
<name>ozone.s3g.domain.name</name>
<value>s3g.internal</value>
</property>
<property>
<name>ozone.replication</name>
<value>1</value>
</property>
</configuration> 初始化与启动（按照顺序）
ozone scm --init
ozone --daemon start scm
ozone om --init
ozone --daemon start om
ozone --daemon start datanode
ozone --daemon start s3g ozone使用操作
#创建名称为v-alluxio的volume
[root@ip-172-31-19-127 ~]# ozone sh volume create /v-alluxio
[root@ip-172-31-19-127 ~]##在v-alluxio下创建名为b-alluxio的bucket
[root@ip-172-31-19-127 ~]# ozone sh bucket create /v-alluxio/b-alluxio
[root@ip-172-31-19-127 ~]##查看bucket的相关信息
[root@ip-172-31-19-127 ~]# ozone sh bucket info /v-alluxio/b-alluxio
"metadata" : ,
"volumeName" : "v-alluxio",
"name" : "b-alluxio",
"storageType" : "DISK",
"versioning" : false,
"usedBytes" : 30,
"usedNamespace" : 6,
"creationTime" : "2022-07-13T09:11:37.403Z",
"modificationTime" : "2022-07-13T09:11:37.403Z",
"quotaInBytes" : -1, 以上是关于6W+字记录实验全过程 | 探索Alluxio经济化数据存储策略的主要内容，如果未能解决你的问题，请参考以下文章
Alluxio与北京大学计算机学院签署合作框架协议，推动产学研深度融合
Meta公司新探索 | 利用Alluxio数据缓存降低Presto延迟
导师男团来袭 | 开源之夏2022，与Alluxio一起探索数据编排的奇妙世界