不开玩笑，Hadoop集群容量还可以这样扩展
说起Hadoop
它的大名在IT圈已是
让用户可以在不了解
分布式底层细节的情况下
开发分布式程序
同时还能充分利用集群的威力
进行高速运算和存储
就好比蚂蚁赛大象
但另一方面
越来越多客户
不断缩短Hadoop节点的购买周期
原因就是存储空间不足！
而如果按容量需求购买大量服务器
则会有大量计算资源被浪费
因此，面对突如其来的海量数据，我们是沿用原有的横向扩展node方式还是纵向扩展存储呢？如果采用存储纵向扩展方式，那该如何连接？用什么存储？是否会带来管理复杂度？是否会影响性能？架构如何搭建？ Hadoop分布式架构+存储 不是开玩笑！
听到Hadoop分布式架构+存储这一概念，相信会有很多人质疑这种架构，也会有人认为小编不懂Hadoop，没有互联网基因。哈哈，不管了，提起Hadoop横向扩展的全分布式架构，几乎90%以上的用户应该都是横向对等的扩展node（即服务器），很少有人会在Hadoop架构下联想存储的使用方法。
其实小编最初也是一样的想法，Hadoop用什么存储？用什么存储看起来都不完美，原谅我对机房的布局有强迫症，不喜欢那种不对称的布局。但随着Hadoop客户的不断壮大，他们面临的现实需求却在不断地敲打着我。
虽然很多客户对Hadoop架构下使用存储抱有抵触的思想，但也有不少客户在尝试，逐步认识到Hadoop架构下使用一些特定存储并没有破坏Hadoop的全分布式结构，也没有改变Hadoop对磁盘的管理。只是我们在不断横向扩展节点的同时，适时的也可以关注一下存储磁盘的纵向扩展。
Hadoop的出现，也让软件定义存储的使用达到了一个前所未有的高度，在一些互联网类的企业里，少则十几个节点，多则几千个节点的Hadoop集群拔地而起，应用场景越来越丰富，数据量也带来了几何倍数的增长。
从开头的话题我们知道，面对海量数据，如果继续沿用横向扩展node方式扩展，必然会造成浪费，因此本文就来分享一些客户在Hadoop环境下使用JBOD存储，从而减低整体成本的使用方法。
JBOD（Justa bunch of disk）俗称硬盘扩展柜。也就是说，这套存储并没有控制器单元，也没有配置CPU/内存等部件，也没有对磁盘的RAID管理，它非常简单，也非常经典。正因为JBOD本身不配置任何逻辑管理，将全部磁盘管理都交由Hadoop，所以JBOD能和Hadoop完美融合。
下面，我们就来介绍JBOD是如何让Hadoop集群变得更经济、更环保。
一波三折的扩展磁盘方式
首先，Hadoop中除了应用的组件之外，主要有两种node是我们经常关注的，一个是Master node，一个是Data node，如下图所示，客户的Master node继续沿用R640/R630的1U服务器节点，Data node沿用戴尔易安信R740/R730服务器。通过Edge node与Client端（Hadoop Component Client）进行通讯。
随着业务不断的发展，Hadoop集群也需要不断的扩展，此时细心的客户运维人员发现，最近几次的节点扩展都是因为磁盘容量不够造成的，其实节点内的CPU/内存占用率并不高。所以能否有一种只扩展磁盘的简单方式呢？
▐ 开始总会走一些弯路。我们推荐了带有控制器的智能存储设备，想用智能存储的功能替代Hadoop的管理，结果使用效果不好。
Hadoop想全控磁盘，而智能存储对磁盘又有自己的理解，所以造成两种结果，要么是将一部分业务分拆出来，单独用存储提供数据服务；要么是将智能存储放在Hadoop架构使用，很多高级功能又不能发挥作用。
▐ 于是我们换第二种方案，用低端的带有控制器的存储设备，通过FC/iSCSI方式将磁盘映射给Data node使用。
结果在测试过程中，发现条带化后的磁盘，在Hadoop架构下，反而降低了性能，同时HDFS（Hadoop的文件系统）所提供的节点间数据复制技术已满足数据备份需求，无需使用RAID的冗余机制。因此这种方案也被否定。
这样看来，只有最简单的JBOD可以再次尝试一下，这是一个不带任何逻辑管理的磁盘组，他没有带控制器存储的RAID条带技术。尽管RAID条带化技术(RAID 0)被广泛用户提升性能，但是其速度仍然比用在HDFS里的JBOD配置慢。
JBOD在所有磁盘之间循环调度HDFS块。RAID 0的读写操作受限于磁盘阵列中最慢盘片的速度，而JBOD的磁盘操作均独立，因而平均读写速度高于最慢盘片的读写速度。需要强调的是，各个磁盘的性能在实际使用中总存在相当大的差异，即使对于相同型号的磁盘。在一个测试(Gridmix)中，JBOD比RAID 0 快10%；在另一测试（HDFS写吞吐量）中，JBOD比RAID 0 快30%。
好了，既然JBOD本身性能不差，那么接口会不会慢呢？
接口当然是4通道的12Gb SAS，转换一下单位，每个接口可以达到6GB/s左右的速率，要知道每一块7200转的机械磁盘实际读写速率基本上在100MB/s左右。而一个84盘位的JBOD可以提供6个12Gb SAS接口，理论上可以同时连接6个Data node进行数据访问，并发带宽理论上可以达到36GB/s的接口速率。（实际不可能用到这么大带宽，毕竟后端的磁盘数量是有限的，所以瓶颈不在接口）。
性能看来不是问题，那么Data node上要做什么改变呢？
是否需要很复杂的驱动程序？是否会影响Data node上的组件运行？答案其实很简单，只需要在Data node上安装最常用的12Gb SAS卡即可，Linux操作系统下，其驱动也是极其轻量的安装程序，并不会对上层的组件有任何影响。
于是，就有了上图。在一个10PB+的Hadoop集群中，已然发现了JBOD的身影，通过JBOD的引入，极大降低了Data node的扩展，从而让机柜空间降低了65%，功耗降低了37%，总体成本降低了35%！对客户来说，这可都是真金白银的成本节省啊。
最后，来介绍一下戴尔易安信的JBOD家族吧
目前，戴尔易安信PowerVault存储系列有MD1400、MD1420和ME484三款JBOD扩展机柜选项，可与第13代和第14代PowerEdge服务器配合使用，借助丰富的盘柜选项、硬盘类型和操作系统选项帮助用户实现轻松扩展，并以灵活的设计方案满足用户的特定需求。同时节省在空间、电力和冷却方面的支出。
扩展Hadoop集群容量，这里还有经济又实用的方式！
文章来源：戴尔易安信解决方案 作者：赵建宁