经常做数据处理的伙伴们肯定会有这样一种体会：最近一周内的数据会被经常使用到，而比如最近几周的数据使用率会有下降，每周仅仅被访问几次;在比如3月以前的数据使用率会大幅下滑，存储的数据可能一个月才被访问几次。这就产生了一种热和冷数据，对需要频繁访问的数据我们称之为“热”数据，反之我们称之为”冷”数据，而处于中间的数据我们称之为”温”数据。在数据被视为公司资产的时代，每个公司基本都会保存最近数年的数据，而这些数据尤其是冷数据的累积也给存储平台带来了甜蜜的负担。下面就来分享下如何解决这些“负担”。

首先如何定义数据为冷热数据呢，eBay公司根据数据年龄和使用频率来定义不失为一种办法，下图为eBay关于数据温度的定义

从hadoop2.6开始，HDFS更好的支持了这种冷热数据的分离存储，我们可以按HDFS路径指定其存储策略，目前HDFS支持的存储策略有：HOT、WARM、COLD、All_SSD、One_SSD、Lazy_Persist,我们着重介绍SSD相关的存储策略，具体如下：

1. 使用[DISK]file:///dfs/dn来标识这个存储位置为普通硬盘

2. 使用[SSD]file:/// dfs/dn来标识这个存储位置为SSD硬盘

　　此外，默认情况下的存储格式为DISK。

　　下面介绍设置存储策略命令：

　　hdfsstoragepolicies -setStoragePolicy -path -policy

　　相应的获取存储策略命令为：

　　hdfs storagepolicies -getStoragePolicy -path

总结下：我们可以在一个限定的Hadoop集群中进行设置不同的磁盘使用不同的存储策略，还可以利用API将数据存储到不同的存储层。HDFS设计的详细存储类型和存储策略如下表，有兴趣的同学可以看看：

1. 使用[DISK]file:///dfs/dn来标识这个存储位置为普通硬盘

2. 使用[SSD]file:/// dfs/dn来标识这个存储位置为SSD硬盘

　　此外，默认情况下的存储格式为DISK。

　　下面介绍设置存储策略命令：

　　hdfsstoragepolicies -setStoragePolicy -path -policy

　　相应的获取存储策略命令为：

　　hdfs storagepolicies -getStoragePolicy -path

总结下：我们可以在一个限定的Hadoop集群中进行设置不同的磁盘使用不同的存储策略，还可以利用API将数据存储到不同的存储层。HDFS设计的详细存储类型和存储策略如下表，有兴趣的同学可以看看：