HDFS quota 設定

http://fenriswolf.me/2012/04/04/hdfs-quota-%E8%A8%AD%E5%AE%9A/

 

在多人共用的狀況下，quota 的設定非常重要。尤其是在 Hadoop 處理大量資料的環境，不小心就容易把所有的空間用完造成別人無法存取

Hadoop quota 的設定是針對目錄，而不是針對帳號。所以在管理上最好讓每個帳號只能寫入某一個目錄(例如 /user/fenriswolf)，然後對各別目錄加上 quota 設定
設定方式有兩種

• Name Quotas : 等於 ulimit 裡的 hard limit，也就是設定某個目錄下檔案及目錄的總數
• Space Quotas : 設定某個目錄下使用的空間大小

預設是沒有任何 quota 限制的，可以用 hadoop fs -count 來看

1	hadoop fs -count -q /user/fenriswolf

 

以下是結果，none 及 inf 表示沒有設定

1	QUOTA            REMAINING_QUOTA  SPACE_QUOTA      REMAINING_SPACE_QUOTA  DIR_COUNT   FILE_COUNT    CONTENT_SIZE  FILE_NAME

2	none             inf              none             inf                    6           15            2598367       hdfs://localhost:9000/user/fenriswolf

 

1. Name Quotas
計算公式為
QUOTA – (DIR_COUNT + FILE_COUNT) = REMAINING_QUOTA

設定方式，這裡的 10000 是指 DIR_COUNT + FILE_COUNT = 10000
最大值為 Long.Max_Value

1	hadoop dfsadmin -setQuota 10000 /user/fenriswolf/

 

用 hadoop fs -count 來看現在的設定

1	QUOTA            REMAINING_QUOTA  SPACE_QUOTA      REMAINING_SPACE_QUOTA  DIR_COUNT   FILE_COUNT    CONTENT_SIZE  FILE_NAME

2	10000            9000             none             inf                    60          940           45343100      hdfs://localhost:9000/user/fenriswolf

 

如果要寫入的檔案數已經超過設定值會看到下面的錯誤訊息

1	put: org.apache.hadoop.hdfs.protocol.NSQuotaExceededException: The NameSpace quota (directories and files) of directory /user/fenriswolf is exceeded: quota=10000 file count=10001

 

清除設定

1	hadoop dfsadmin -clrQuota /user/fenriswolf/

 

2. Space Quotas
計算公式為
SPACE_QUOTA – CONTENT_SIZE = REMAINING_SPACE_QUOTA

設定方式，這裡的 1g 是指 1GB，可用 m, g, t 來代表 MB, GB, TB

1	hadoop dfsadmin -setSpaceQuota 1g /user/fenriswolf/

 

這裡要特別注意的是，space quota 的設定所看的不是上傳的檔案大小，是寫入 HDFS 的所有 block size
假設一個檔案要寫入 2 個 blocks，在 core-site.xml 裡設定 dfs.block.size 為 64MB，dfs.replication 為 3
那所需要的空間為 2 x 64MB x 3 = 384MB

還有一件另人困擾的地方是，就算只存入一個小檔案，例如 1KB，實際寫入 HDFS 並不會占滿整個 block
但 Hadoop 的 validation rule 仍然是用 1 x 64MB x 3 = 192MB 的方式去做計算

用 hadoop fs -count 來看現在的設定

1	QUOTA            REMAINING_QUOTA  SPACE_QUOTA      REMAINING_SPACE_QUOTA  DIR_COUNT   FILE_COUNT    CONTENT_SIZE  FILE_NAME

2	10000            9000             1073741824       1028398724             60          940           45343100      hdfs://localhost:9000/user/fenriswolf

 

如果要寫入的檔案數已經超過設定值會看到下面的錯誤訊息

01

12/03/19 05:44:51 ERROR hdfs.DFSClient: Exception closing file /user/fenriswolf/hive/lib/py/queryplan/ttypes.py : org.apache.hadoop.hdfs.protocol.DSQuotaExceededException: org.apache.hadoop.hdfs.protocol.DSQuotaExceededException: The DiskSpace quota of /user/fenriswolf is exceeded: quota=1073741824 diskspace consumed=1.5g

02	org.apache.hadoop.hdfs.protocol.DSQuotaExceededException: org.apache.hadoop.hdfs.protocol.DSQuotaExceededException: The DiskSpace quota of /user/fenriswolf is exceeded: quota=1073741824 diskspace consumed=1.5g

03	at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)

04	at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:39)

05	at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:27)

06	at java.lang.reflect.Constructor.newInstance(Constructor.java:513)

07	at org.apache.hadoop.ipc.RemoteException.instantiateException(RemoteException.java:95)

08	at org.apache.hadoop.ipc.RemoteException.unwrapRemoteException(RemoteException.java:57)

09	at org.apache.hadoop.hdfs.DFSClient$DFSOutputStream.locateFollowingBlock(DFSClient.java:3558)

10	at org.apache.hadoop.hdfs.DFSClient$DFSOutputStream.nextBlockOutputStream(DFSClient.java:3421)

11	at org.apache.hadoop.hdfs.DFSClient$DFSOutputStream.access$2100(DFSClient.java:2627)

12	at org.apache.hadoop.hdfs.DFSClient$DFSOutputStream$DataStreamer.run(DFSClient.java:2822)

 

清除設定

1	hadoop dfsadmin -clrSpaceQuota /user/fenriswolf/

 

4. 其他
Quota 的設定是跟著目錄走的，目錄如果改名字設定依然會存在
麻煩的是，設定之後如果超過限制，雖然檔案寫不進 HDFS，但是檔案名稱卻已經存在，只是 size 為 0。造成加大 quota 還要先把已存在的檔案砍掉才能再寫入
另外如果設定的 quota 值小於該目錄既存的 Name Quotas 及 Space Quotas 並不會出錯
例如

1	hadoop dfsadmin -setQuota 100 /user/fenriswolf

 

只是從 hadoop fs -count 會看到 REMAINING_QUOTA 變負值，當然也就無法再寫資料進去

1	QUOTA            REMAINING_QUOTA  SPACE_QUOTA      REMAINING_SPACE_QUOTA  DIR_COUNT   FILE_COUNT    CONTENT_SIZE  FILE_NAME

2	100              -900             1073741824       1028398724             60          940           45343100      hdfs://localhost:9000/user/fenriswolf

 

 
 
執行環境
CentOS 6.2
JDK 1.6.0_31
Cloudera CDH3U3

參考資料
HDFS Quotas Guide

<!--EndFragment-->