基于Hadoop的海量小文件存儲性能優(yōu)化研究.pdf

1、在這個云計算和大數(shù)據(jù)飛速發(fā)展的時代，每天都有不計其數(shù)的數(shù)據(jù)產(chǎn)生，其中小文件比例相當(dāng)高。許多大型的公司使用Hadoop來進行海量數(shù)據(jù)的分布式存儲和計算，而當(dāng)集群中存在大量小文件時，Hadoop的性能十分低下。本文針對Hadoop在存儲小文件時的問題，提出了一種結(jié)合Hbase和文件合并索引來對不同特征小文件進行處理的方案，并設(shè)計了基于多隊列置換算法的緩存，并通過實驗驗證，減少了Namendoe內(nèi)存占用以及讀寫大量小文件的耗時，優(yōu)化了存儲性能

2、。
　　本文首先分析了Hadoop存儲海量小文件的研究現(xiàn)狀，并介紹了Hadoop的框架結(jié)構(gòu)，接著對分布式文件系統(tǒng)HDFS、分布式計算框架MapReduce以及分布式數(shù)據(jù)庫Hbase的工作機理進行了深入研究，重點分析了HDFS的架構(gòu)以及讀寫文件的流程，總結(jié)出HDFS在存儲海量小文件時Namenode內(nèi)存占用高及讀寫效率低的原因。
　　然后，本文對小文件存儲中存在的問題進行分析，對小文件的存儲方案進行整體設(shè)計，對不同特征的小文件

3、文件采用不同處理方法。針對大量Namenode內(nèi)存占用的問題，本文采用根據(jù)文件類型特征進行合并的方案，從而使文件數(shù)量大大減少，并提高文件寫入效率。對于小文件讀取性能低下的問題，本文為小文件設(shè)計了基于單詞查找樹的索引，保證小文件可以完整高效的從合并后的大文件中取回，為了進一步提高文件讀取效率，應(yīng)對部分熱點數(shù)據(jù)的頻繁讀取，在Datanode中設(shè)計了基于多隊列置換算法的緩存，避免了熱點數(shù)據(jù)大量頻繁的請求磁盤，導(dǎo)致讀取性能差的問題。
　　

4、由于文件合并后需要將索引存儲在內(nèi)存中，如果存在大量的超小文件，會使索引文件過大，導(dǎo)致檢索性能下降。本文提出在文件寫入集群時，對文件進行篩選識別處理，將超小文件存儲到設(shè)計好的Hbase表中，使超小文件的文件的存儲便捷高效，提高超小文件的檢索性能，而且避免了Hbase對較大文件處理時的低效。而普通的小文件則采用合并索引緩存的流程處理，使方案可以在不同文件分布的場景下，都能表現(xiàn)出較高的性能。
　　最后，本文搭建Hadoop集群，將設(shè)計的