大數(shù)據(jù)Hadoop環(huán)境網(wǎng)絡(luò)特性

    Hadoop集群中的各節(jié)點(diǎn)通過網(wǎng)絡(luò)連接起來，而且MapReduce中的以下過程會在網(wǎng)絡(luò)中傳輸數(shù)據(jù)。

    （1） 寫數(shù)據(jù)。當(dāng)向HDFS寫入初始數(shù)據(jù)或者大塊數(shù)據(jù)時(shí)，會發(fā)生數(shù)據(jù)寫入過程。寫入的數(shù)據(jù)塊需要備份到其他節(jié)點(diǎn)，需要在網(wǎng)絡(luò)中傳輸這些數(shù)據(jù)。

    （2） 作業(yè)執(zhí)行。

    1） Map階段。在算法的Map階段，幾乎不需要在網(wǎng)絡(luò)中傳輸數(shù)據(jù)。在Map開始階段，當(dāng)HDFS數(shù)據(jù)沒有本地性（數(shù)據(jù)塊不在本地存儲，需要從其他節(jié)點(diǎn)拷貝）時(shí)，才需在網(wǎng)絡(luò)中傳輸數(shù)據(jù)。

    2） Shuffle階段。這是作業(yè)執(zhí)行中在網(wǎng)絡(luò)中傳輸數(shù)據(jù)的階段，數(shù)據(jù)傳輸?shù)某潭纫蕾囉谧鳂I(yè)。Mapper階段的輸出內(nèi)容，會在這個(gè)時(shí)候傳輸?shù)絉educer進(jìn)行排序。

    3） Reduce階段。因?yàn)镽educer需要的數(shù)據(jù)已經(jīng)從Shufle階段傳來，所以此階段不需要網(wǎng)絡(luò)傳輸數(shù)據(jù)。

    4） Output復(fù)制。MapReduce的輸出作為文件存儲在HDFS上。當(dāng)將輸出結(jié)果寫入HDFS時(shí)，產(chǎn)生的備份會在網(wǎng)絡(luò)中傳輸。

    （3） 讀數(shù)據(jù)。當(dāng)應(yīng)用程序如網(wǎng)站、索引或者SQL數(shù)據(jù)庫從HDFS讀取數(shù)據(jù)時(shí)，會發(fā)生數(shù)據(jù)讀取的過程。

    另外，網(wǎng)絡(luò)對Hadoop的控制層非常重要，比如HDFS的信令和運(yùn)維操作，以及MapReduce架構(gòu)都受到網(wǎng)絡(luò)影響。

    五種網(wǎng)絡(luò)特性

    針對Hadoop集群環(huán)境下的網(wǎng)絡(luò)環(huán)境進(jìn)行測試，測試結(jié)果顯示，一個(gè)有彈性的網(wǎng)絡(luò)對Hadoop集群非常重要；對Hadoop集群具有重要影響的網(wǎng)絡(luò)特性，以其影響程度從大到小依次排序?yàn)椋壕W(wǎng)絡(luò)可用性和彈性、Burst流量突發(fā)處理和隊(duì)列深度、網(wǎng)絡(luò)過載比、Datanode網(wǎng)絡(luò)接入和網(wǎng)絡(luò)延遲。

    （1） 網(wǎng)絡(luò)可用性和彈性。要部署一個(gè)高冗佘性和可擴(kuò)展的網(wǎng)絡(luò)，支持Hadoop集群的增長。在Datanode之間部署多條鏈路的技術(shù)要比那些有單點(diǎn)失效或兩點(diǎn)失效的技術(shù)要好。交換機(jī)和路由器已經(jīng)在業(yè)界被證明能夠?yàn)榉?wù)器提供網(wǎng)絡(luò)可用性。

    （2） Burst流量突發(fā)處理和隊(duì)列深度。HDFS的有些操作和MapReduce Job會產(chǎn)生突發(fā)流量，如向HDFS加載文件或者把結(jié)果文件寫入HDFS都需要通過網(wǎng)絡(luò)。網(wǎng)絡(luò)如果處理不了突發(fā)流量，就會丟棄數(shù)據(jù)包，所以適當(dāng)?shù)木彺婵梢跃徑馔话l(fā)流量的影響。確保選擇使用緩存和隊(duì)列的交換機(jī)和路由器，來有效處理流量突發(fā)。

    （3） 網(wǎng)絡(luò)過載比。一個(gè)好的網(wǎng)絡(luò)設(shè)計(jì)需要考慮到網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)的擁塞情況。一個(gè)ToR交換機(jī)從服務(wù)器接收20Gbps的數(shù)據(jù)，但是只有2個(gè)1Gbps的上聯(lián)口會造成數(shù)據(jù)包丟失（10:1的過載比），嚴(yán)重影響集群的性能。過度配置的網(wǎng)絡(luò)的價(jià)格又非常昂貴。一般情況下，服務(wù)器接入層可以接受的過載比在4:l左右，接入層和匯聚層之間，或者核心層的過載比在2:l左右。

    （4） Datanode網(wǎng)絡(luò)接入。要基于集群工作負(fù)荷來推薦帶寬配置。一般集群中的節(jié)點(diǎn)有1到2根1GB的上聯(lián)12.是否選擇10Gbps的服務(wù)器要權(quán)衡價(jià)格和性能。

    （5） 網(wǎng)絡(luò)延遲。交換機(jī)和路由器延遲的變化對集群性能的影響有限。相比網(wǎng)絡(luò)延遲，應(yīng)用層延遲對任務(wù)的影響比例更大。但是網(wǎng)絡(luò)的延遲會對應(yīng)用系統(tǒng)造成潛在的影響，例如造成不必要的應(yīng)用切換等。