大数据技术之 Hadoop（HDFS）
———————————————————————————————————————
第
1
章
HDFS
概述
1.1 HDFS
产出背景及定义
1
）
HDFS
产生背景
随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系
统管理的磁盘中，但是不方便管理和维护，迫切
需要一种系统来管理多台机器上的文件
，这
就是分布式文件管理系统。
HDFS
只是分布式文件管理系统中的一种。
2
）
HDFS
定义
HDFS
（
Hadoop Distributed File System
），它是一个文件系统
，用于存储文件，通过目
录树来定位文件；
其次，它是分布式的
，由很多服务器联合起来实现其功能，集群中的服务
器有各自的角色。
HDFS
的使用场景：适合一次写入，多次读出的场景。
一个文件经过创建、写入和关闭
之后就不需要改变。
1.2 HDFS
优缺点
HDFS
优点
1
）高容错性
➢
数据自动保存多个副本。它通过增加副本的形式，提高容错性。
2
）适合处理大数据
➢
数据规模：能够处理数据规模达到
GB
、
TB
、甚至
PB
级别的数据
；
➢
某一个副本丢失以后，它可以自动恢复。
➢
文件规模：能够处理
百万
规模以上的
文件数量
，数量相当之大。
3
）可
构建在廉价机器上
，通过多副本机制，提高可靠性。
HDFS
缺点
1
）
不适合低延时数据访问
，比如毫秒级的存储数据，是做不到的。
2
）
无法高效的对大量小文件进行存储。
➢
存储大量小文件的话，它会占用
NameNode
大量的内存来存储文件目录和
块信息。这样是不可取的，因为
NameNode
的内存总是有限的；
➢
小文件存储的寻址时间会超过读取时间，它违反了
HDFS
的设计目标。
3
）不支持并发写入、文件随机修改。
➢
一个文件只能有一个写，不允许多个线程同时写；
➢
仅支持数据
append
（追加），
不支持文件的随机修改。
1.3 HDFS
组成架构
HDFS
组成架构
1
）
NameNode
（
nn
）：就是
Master
，它
是一个主管、管理者。
（
1
）管理
HDFS
的名称空间；
（
2
）配置副本策略；
（
3
）管理数据块（
Block
）映射信息；
（
4
）处理客户端读写请求。
2
）
DataNode
：就是
Slave
。
NameNode
下达命令，
DataNode
执行实际的操作。
（
1
）存储实际的数据块；
（
2
）执行数据块的读
/
写操作。
HDFS
组成架构
3
）
Client
：就是客户端。
（
1
）文件切分。文件上传
HDFS
的时候，
Client
将文件切分成一个一个的
Block
，然后进行上传；
（
2
）与
NameNode
交互，获取文件的位置信息；
（
3
）与
DataNode
交互，读取或者写入数据；
（
4
）
Client
提供一些命令来管理
HDFS
，比如
NameNode
格式化；
（
5
）
Client
可以通过一些命令来访问
HDFS
，比如对
HDFS
增删查改操作；
4
）
Secondary NameNode
：并非
NameNode
的热备。当
NameNode
挂掉的时候，它并不
能马上替换
NameNode
并提供服务。
（
1
）辅助
NameNode
，分担其工作量，比如定期合并
Fsimage
和
Edits
，并推送给
NameNode
；
（
2
）在紧急情况下，可辅助恢复
NameNode
。
1.4 HDFS
文件块大小（面试重点）
HDFS
文件块大小
block2
2
）如果寻址时间约为
10ms
，
即查找到目标
block
的时间为
10ms
。
block1
blockn
3
）
寻址时间为传输时间的
1%
时，则为最佳状态。（专家）
因此，传输时间
=10ms/0.01=1000ms=1s
1
）集群中的
block
… …
4
）而目前磁盘的传输速率普
遍为
100MB/s
。
5 block
大小
=1s*100MB/s=100MB
HDFS
中的文件在物理上是分块存储（
Block
），块的大小可以通过配置参数
( dfs.blocksize
）来规定，
默认大小在
Hadoop2.x/3.x
版本中是
128M
，
1.x
版本中是
64M
。
第
2
章
HDFS
的
Shell
操作（开发重点）
2.1
基本语法
hadoop fs
具体命令
OR hdfs dfs
具体命令
两个是完全相同的。
2.2
命令大全
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hadoop fs
[-appendToFile <localsrc> ... <dst>]
[-cat [-ignoreCrc] <src> ...]
[-chgrp [-R] GROUP PATH...]
[-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
[-chown [-R] [OWNER][:[GROUP]] PATH...]
[-copyFromLocal [-f] [-p] <localsrc> ... <dst>]
[-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-count [-q] <path> ...]
[-cp [-f] [-p] <src> ... <dst>]
[-df [-h] [<path> ...]]
[-du [-s] [-h] <path> ...]
[-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-getmerge [-nl] <src> <localdst>]
[-help [cmd ...]]
[-ls [-d] [-h] [-R] [<path> ...]]
[-mkdir [-p] <path> ...]
[-moveFromLocal <localsrc> ... <dst>]
[-moveToLocal <src> <localdst>]
[-mv <src> ... <dst>]
[-put [-f] [-p] <localsrc> ... <dst>]
[-rm [-f] [-r|-R] [-skipTrash] <src> ...]
[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
<acl_spec> <path>]]
[-setrep [-R] [-w] <rep> <path> ...]
更多
Java –
大数据
–
前端
–python
人工智能资料下载，可百度访问：尚硅谷官网
HDFS
文件块大小
思考：为什么块的大小不能设置太小，也不能设置太大？
（
1
）
HDFS
的块设置
太小
，
会增加寻址时间
，程序一直在找块的开始位置；
（
2
）如果块设置的
太大
，从
磁盘传输数据的时间
会明显
大于定位这个块开
始位置所需的时间
。导致程序在处理这块数据时，会非常慢。
总结：
HDFS
块的大小设置主要取决于磁盘传输速率。
[-stat [format] <path> ...]
[-tail [-f] <file>]
[-test -[defsz] <path>]
[-text [-ignoreCrc] <src> ...]
2.3
常用命令实操
2.3.1
准备工作
1
）启动
Hadoop
集群（方便后续的测试）
[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
2
）
-help
：输出这个命令参数
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm
3
）创建
/sanguo
文件夹
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /sanguo
2.3.2
上传
1
）
-moveFromLocal
：从本地
剪切
粘贴到
HDFS
[atguigu@hadoop102 hadoop-3.1.3]$ vim shuguo.txt
输入：
shuguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./shuguo.txt
/sanguo
2
）
-copyFromLocal
：从本地文件系统中
拷贝
文件到
HDFS
路径去
[atguigu@hadoop102 hadoop-3.1.3]$ vim weiguo.txt
输入：
weiguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal weiguo.txt
/sanguo
3
）
-put
：等同于
copyFromLocal
，生产环境更习惯用
put
[atguigu@hadoop102 hadoop-3.1.3]$ vim wuguo.txt
输入：
wuguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./wuguo.txt /sanguo
4
）
-appendToFile
：追加一个文件到已经存在的文件末尾
[atguigu@hadoop102 hadoop-3.1.3]$ vim liubei.txt
输入：
liubei
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt
/sanguo/shuguo.txt
2.3.3
下载
1
）
-copyToLocal
：从
HDFS
拷贝到本地
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal
/sanguo/shuguo.txt ./
2
）
-get
：等同于
copyToLocal
，生产环境更习惯用
get
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -get
/sanguo/shuguo.txt ./shuguo2.txt
2.3.4 HDFS
直接操作
1
）
-ls:
显示目录信息
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /sanguo
2
）
-cat
：显示文件内容
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo.txt
3
）
-chgrp
、
-chmod
、
-chown
：
Linux
文件系统中的用法一样，修改文件所属权限
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -chmod 666
/sanguo/shuguo.txt
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -chown atguigu:atguigu
/sanguo/shuguo.txt
4
）
-mkdir
：创建路径
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /jinguo
5
）
-cp
：从
HDFS
的一个路径拷贝到
HDFS
的另一个路径
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo.txt
/jinguo
6
）
-mv
：在
HDFS
目录中移动文件
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/wuguo.txt /jinguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/weiguo.txt
/jinguo
7
）
-tail
：显示一个文件的末尾
1kb
的数据
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /jinguo/shuguo.txt
8
）
-rm
：删除文件或文件夹
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /sanguo/shuguo.txt
9
）
-rm -r
：递归删除目录及目录里面内容
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /sanguo
10
）
-du
统计文件夹的大小信息
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /jinguo
27 81 /jinguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -h /jinguo
14 42 /jinguo/shuguo.txt
7 21 /jinguo/weiguo.txt
6 18 /jinguo/wuguo.tx
说明：
27
表示文件大小；
81
表示
27*3
个副本；
/jinguo
表示查看的目录
11
）
-setrep
：设置
HDFS
中文件的副本数量
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /jinguo/shuguo.txt
这里设置的副本数只是记录在
NameNode
的元数据中，是否真的会有这么多副本，还得
看
DataNode
的数量。因为目前只有
3
台设备，最多也就
3
个副本，只有节点数的增加到
10
台时，副本数才能达到
10
。
第
3
章
HDFS
的
API
操作
3.1
客户端环境准备
1
）找到资料包路径下的
Windows
依赖文件夹，拷贝
hadoop-3.1.0
到非中文路径（比如
d:\
）。
2
）配置
HADOOP_HOME
环境变量
3
）配置
Path
环境变量。
注意：如果环境变量不起作用，可以重启电脑试试。
验证
Hadoop
环境变量是否正常。双击
winutils.exe
，如果报如下错误。说明缺少微软运
行库（正版系统往往有这个问题）。再资料包里面有对应的微软运行库安装包双击安装即可。
4
）在
IDEA
中创建一个
Maven
工程
HdfsClientDemo
，并导入相应的依赖坐标
+
日志添加
<dependencies>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>
hadoop-client
</artifactId>
<version>
3.1.3
</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>
junit
</artifactId>
<version>4.12</version>
</dependency>
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>
slf4j-log4j12
</artifactId>
<version>1.7.30</version>
</dependency>
</dependencies>
在项目的
src/main/resources
目录下，新建一个文件，命名为“
log4j.properties
”，在文件
中填入
log4j.rootLogger=
INFO
, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
5
）创建包名：
com.atguigu.hdfs
6
）创建
HdfsClient
类
public class HdfsClient {
@Test
public void testMkdirs() throws IOException, URISyntaxException,
InterruptedException {
// 1
获取文件系统
Configuration configuration = new Configuration();
// FileSystem fs = FileSystem.get(new
URI("hdfs://hadoop102:8020"), configuration);
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
configuration,"
atguigu
");
// 2
创建目录
fs.mkdirs(new Path("/xiyou/huaguoshan/"));
// 3
关闭资源
fs.close();
}
}
7
）执行程序
客户端去操作
HDFS
时，是有一个用户身份的。默认情况下，
HDFS
客户端
API
会从采
用
Windows
默认用户访问
HDFS
，会报权限异常错误。所以在访问
HDFS
时，一定要配置
用户。
org.apache.hadoop.security.AccessControlException:
Permission
denied:
user=56576, access=WRITE,
inode="/xiyou/huaguoshan":atguigu:supergroup:drwxr-xr-x
3.2 HDFS
的
API
案例实操
3.2.1 HDFS
文件上传（测试参数优先级）
1
）编写源代码
@Test
public void testCopyFromLocalFile() throws IOException,
InterruptedException, URISyntaxException {
// 1
获取文件系统
Configuration configuration = new Configuration();
configuration.set("dfs.replication", "2");
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
configuration, "atguigu");
// 2
上传文件
fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new
Path("/xiyou/huaguoshan"));
// 3
关闭资源
fs.close();
｝
2
）将
hdfs-site.xml
拷贝到项目的
resources
资源目录下
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
3
）参数优先级
参数优先级排序：（
1
）客户端代码中设置的值
>
（
2
）
ClassPath
下的用户自定义配置文
件
>
（
3
）然后是服务器的自定义配置（
xxx-site.xml
）
>
（
4
）服务器的默认配置（
xxx-default.xml
）
3.2.2 HDFS
文件下载
@Test
public void testCopyToLocalFile() throws IOException,
InterruptedException, URISyntaxException{
// 1
获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
configuration, "atguigu");
// 2
执行下载操作
// boolean delSrc
指是否将原文件删除
// Path src
指要下载的文件路径
// Path dst
指将文件下载到的路径
// boolean useRawLocalFileSystem
是否开启文件校验
fs.copyToLocalFile(false, new
Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("d:/sunwukong2.txt"),
true);
// 3
关闭资源
fs.close();
}
注意：如果执行上面代码，下载不了文件，有可能是你电脑的微软支持的运行库少，需
要安装一下微软运行库。
3.2.3 HDFS
文件更名和移动
@Test
public void testRename() throws IOException, InterruptedException,
URISyntaxException{
// 1
获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
configuration, "atguigu");
// 2
修改文件名称
fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"), new
Path("/xiyou/huaguoshan/meihouwang.txt"));
// 3
关闭资源
fs.close();
}
3.2.4 HDFS
删除文件和目录
@Test
public void testDelete() throws IOException, InterruptedException,
URISyntaxException{
// 1
获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
configuration, "atguigu");
// 2
执行删除
fs.delete(new Path("/xiyou"), true);
// 3
关闭资源
fs.close();
}
3.2.5 HDFS
文件详情查看
查看文件名称、权限、长度、块信息
@Test
public void testListFiles() throws IOException, InterruptedException,
URISyntaxException {
// 1
获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
configuration, "atguigu");
// 2
获取文件详情
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"),
true);
while (listFiles.hasNext()) {
LocatedFileStatus fileStatus = listFiles.next();
System.out.println("========" + fileStatus.getPath() + "=========");
System.out.println(fileStatus.getPermission());
System.out.println(fileStatus.getOwner());
System.out.println(fileStatus.getGroup());
System.out.println(fileStatus.getLen());
System.out.println(fileStatus.getModificationTime());
System.out.println(fileStatus.getReplication());
System.out.println(fileStatus.getBlockSize());
System.out.println(fileStatus.getPath().getName());
//
获取块信息
BlockLocation[] blockLocations = fileStatus.getBlockLocations();
System.out.println(Arrays.toString(blockLocations));
}
// 3
关闭资源
fs.close();
}
3.2.6 HDFS
文件和文件夹判断
@Test
public void testListStatus() throws IOException, InterruptedException,
URISyntaxException{
// 1
获取文件配置信息
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
configuration, "atguigu");
// 2
判断是文件还是文件夹
FileStatus[] listStatus = fs.listStatus(new Path("/"));
for (FileStatus fileStatus : listStatus) {
//
如果是文件
if (fileStatus.isFile()) {
System.out.println("f:"+fileStatus.getPath().getName());
}else {
System.out.println("d:"+fileStatus.getPath().getName());
}
}
// 3
关闭资源
fs.close();
}
第
4
章
HDFS
的读写流程（面试重点）
4.1 HDFS
写数据流程
4.1.1
剖析文件写入
1
向
NameNode
请求上传文件
/user/atguigu/ss.avi
2
响应可以上传文件
3
请求上传第一个
Block
（
0-128M
），请返回
DataNode
4
返回
dn1
，
dn2
，
dn3
节点，表示采用这三个节点存储数据
NameNode
客户端
元数据
DataNode1
DataNode2
DataNode3
ss.avi
0-128m
200m
5
请求建立
Block
传输通道
Bytebuffer
Bytebuffer
Bytebuffer
6 dn1
应答成功
6 dn3
应答成功
6 dn2
应答成功
5
请求建立通道
5
请求建立通道
7
传输数据
Packet
（
64k
）
packet
（
chunk512byte+chunksum4byte
）
7 blk_1
7 blk_1
7 blk_1
HDFS
的写数据流程
8
传输数据完成
Distributed
FileSystem
FSDataOu
tputStream
HDFS
client
create
write
close
检查目录树是否可以创建文件
2.1
检查权限；
2.2
检查目录结构（目录是否存在）
副本存储节点选择
4.1
本地节点
4.2
其他机架一个节点
4.3
其他机架另一个节点
（
1
）客户端通过
Distributed FileSystem
模块向
NameNode
请求上传文件，
NameNode
检
查目标文件是否已存在，父目录是否存在。
（
2
）
NameNode
返回是否可以上传。
（
3
）客户端请求第一个
Block
上传到哪几个
DataNode
服务器上。
（
4
）
NameNode
返回
3
个
DataNode
节点，分别为
dn1
、
dn2
、
dn3
。
（
5
）客户端通过
FSDataOutputStream
模块请求
dn1
上传数据，
dn1
收到请求会继续调用
dn2
，然后
dn2
调用
dn3
，将这个通信管道建立完成。
（
6
）
dn1
、
dn2
、
dn3
逐级应答客户端。
（
7
）客户端开始往
dn1
上传第一个
Block
（先从磁盘读取数据放到一个本地内存缓存），
以
Packet
为单位，
dn1
收到一个
Packet
就会传给
dn2
，
dn2
传给
dn3
；
dn1
每传一个
packet
会放入一个应答队列等待应答
。
（
8
）当一个
Block
传输完成之后，客户端再次请求
NameNode
上传第二个
Block
的服务
器。（重复执行
3-7
步）。
4.1.2
网络拓扑
-
节点距离计算
在
HDFS
写数据的过程中，
NameNode
会选择距离待上传数据最近距离的
DataNode
接
收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。
网络拓扑
-
节点距离计算
Distance(/d1/r1/n0, /d1/r1/n0)=0
（同一节点上的进程）
Distance(/d1/r2/n0, /d1/r3/n2)=4
（同一数据中心不同机架上的节点）
Distance(/d1/r1/n1, /d1/r1/n2)=2
（同一机架上的不同节点）
Distance(/d1/r2/n1, /d2/r4/n1)=6
（不同数据中心的节点）
例如，假设有数据中心
d1
机架
r1
中的节点
n1
。该节点可以表示为
/d1/r1/n1
。利用这种
标记，这里给出四种距离描述。
大家算一算每两个节点之间的距离。
4.1.3
机架感知（副本存储节点选择）
1
）
机架感知说明
（
1
）官方说明
http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication
For the common case, when the replication factor is three, HDFS’s
placement policy is to put
one replica on the local machine
if the writer
is on a datanode, otherwise on a random datanode,
another replica on a
node in a different (remote) rack
, and
the last on a different node in
the same remote rack.
This policy cuts the inter-rack write traffic which
generally improves write performance. The chance of rack failure is far
less than that of node failure; this policy does not impact data
reliability and availability guarantees. However, it does reduce the
aggregate network bandwidth used when reading data since a block is
placed in only two unique racks rather than three. With this policy, the
replicas of a file do not evenly distribute across the racks. One third
of replicas are on one node, two thirds of replicas are on one rack, and
the other third are evenly distributed across the remaining racks. This
policy improves write performance without compromising data reliability
or read performance.
（
2
）源码说明
Crtl + n
查找
BlockPlacementPolicyDefault
，在该类中查找
chooseTargetInOrder
方法。
2
）
Hadoop3.1.3
副本节点选择
4.2 HDFS
读数据流程
1
请求下载文件
/user/atguigu/ss.avi
2
返回目标文件的元数据
NameNode
元数据
DataNode1
DataNode2
DataNode3
ss.avi
0-128m
200m
3
请求读数据
blk_1
4
传输数据
7 blk_1
HDFS
的读数据流程
/user/atguigu/ss.avi
{[blk_1,blk_2],[blk_1,blk_2],[blk_1,blk_2]}
7 blk_2
5
请求读数据
blk_2
6
传输数据
7 blk_2
7 blk_1
7 blk_2
7 blk_1
客户端
Distributed
FileSystem
FSDataInpu
tStream
HDFS
client
create
read
close
（
1
）客户端通过
DistributedFileSystem
向
NameNode
请求下载文件，
NameNode
通过查
询元数据，找到文件块所在的
DataNode
地址。
（
2
）挑选一台
DataNode
（就近原则，然后随机）服务器，请求读取数据。
（
3
）
DataNode
开始传输数据给客户端（从磁盘里面读取数据输入流，以
Packet
为单位
来做校验）。
（
4
）客户端以
Packet
为单位接收，先在本地缓存，然后写入目标文件。
Hadoop3.1.3
副本节点选择
第一个副本在
Client
所处的节点上。
如果客户端在集群外，随机选一个。
第二个副本在另一个机架的随机
一个节点
第三个副本在第二个副本所在机架的
随机节点
第
5
章
NameNode
和
SecondaryNameNode
5.1 NN
和
2NN
工作机制
思考：
NameNode
中的元数据是存储在哪里的？
首先，我们做个假设，如果存储在
NameNode
节点的磁盘中，因为经常需要进行随机访
问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在
内存中，一旦断电，元数据丢失，整个集群就无法工作了。
因此产生在磁盘中备份元数据的
FsImage
。
这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新
FsImage
，就会导
致效率过低，但如果不更新，就会发生一致性问题，一旦
NameNode
节点断电，就会产生数
据丢失。
因此，引入
Edits
文件（只进行追加操作，效率很高）。每当元数据有更新或者添
加元数据时，修改内存中的元数据并追加到
Edits
中。
这样，一旦
NameNode
节点断电，可
以通过
FsImage
和
Edits
的合并，合成元数据。
但是，如果长时间添加数据到
Edits
中，会导致该文件数据过大，效率降低，而且一旦
断电，恢复元数据需要的时间过长。因此，需要定期进行
FsImage
和
Edits
的合并，如果这
个操作由
NameNode
节点完成，又会效率过低。
因此，引入一个新的节点
SecondaryNamenode
，
专门用于
FsImage
和
Edits
的合并。
2
元数据的增删改请求
/user/atguigu/ss.avi
client
Secondary NameNode
NameNode
edits_inprogress_001
fsimage
内存
128G
4
内存数据增删改
1
加载编辑
日志和镜像
文件到内存
3
记录操作日志、
更新滚动日志
1
请求是否需
要
CheckPoint
2
请求执行
CheckPoint
3
滚动正在写的
Edits
edits_001
edits_inprogress_002
fsimage
edits_001
4
拷贝到
2nn
内存
5
加载到内存
并合并
fsimage.chkpoint
7
拷贝到
nn
8
重命名成
Fsimage
6
生成新的
Fsimage
CheckPoint
触发条件：
1
）定时时间到
2
）
Edits
中的数据满了
NameNode
工作机制
fsimage.chkpoint
（每个
Block
占元数据
150byte
）
1
）第一阶段：
NameNode
启动
（
1
）第一次启动
NameNode
格式化后，创建
Fsimage
和
Edits
文件。如果不是第一次启
动，直接加载编辑日志和镜像文件到内存。
（
2
）客户端对元数据进行增删改的请求。
（
3
）
NameNode
记录操作日志，更新滚动日志。
（
4
）
NameNode
在内存中对元数据进行增删改。
2
）第二阶段：
Secondary NameNode
工作
（
1
）
Secondary NameNode
询问
NameNode
是否需要
CheckPoint
。直接带回
NameNode
是否检查结果。
（
2
）
Secondary NameNode
请求执行
CheckPoint
。
（
3
）
NameNode
滚动正在写的
Edits
日志。
（
4
）将滚动前的编辑日志和镜像文件拷贝到
Secondary NameNode
。
（
5
）
Secondary NameNode
加载编辑日志和镜像文件到内存，并合并。
（
6
）生成新的镜像文件
fsimage.chkpoint
。
（
7
）拷贝
fsimage.chkpoint
到
NameNode
。
（
8
）
NameNode
将
fsimage.chkpoint
重新命名成
fsimage
。
5.2 Fsimage
和
Edits
解析
Fsimage
和
Edits
概念
NameNode
被格式化之后，将在
/opt/module/hadoop-3.1.3/data/tmp/dfs/name/current
目录中产生如下文件
fsimage_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION
（
1
）
Fsimage
文件：
HDFS
文件系统元数据的一个
永久性的检查点
，其中包含
HDFS
文件系统的所有目
录和文件
inode
的序列化信息。
（
2
）
Edits
文件：存放
HDFS
文件系统的所有更新操作的路径，文件系统客户端执行的所有写操作首先
会被记录到
Edits
文件中。
（
3
）
seen_txid
文件保存的是一个数字，就是最后一个
edits_
的数字
（
4
）每 次
NameNode
启动的时候
都会将
Fsimage
文件读入内存，加 载
Edits
里面的更新操作，保证内存
中的元数据信息是最新的、同步的，可以看成
NameNode
启动的时候就将
Fsimage
和
Edits
文件进行了合并。
1
）
oiv
查看
Fsimage
文件
（
1
）查看
oiv
和
oev
命令
[atguigu@hadoop102 current]$ hdfs
oiv
apply the offline fsimage viewer to an fsimage
oev
apply the offline edits viewer to an edits file
2
）基本语法
hdfs oiv -p
文件类型
-i
镜像文件
-o
转换后文件输出路径
3
）案例实操
[atguigu@hadoop102 current]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/name/current
[atguigu@hadoop102 current]$ hdfs oiv -p XML -i
fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml
[atguigu@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml
将显示的
xml
文件内容拷贝到
Idea
中创建的
xml
文件中，并格式化。部分显示结果如
下。
<inode>
<id>16386</id>
<type>
DIRECTORY
</type>
<name>
user
</name>
<mtime>1512722284477</mtime>
<permission>atguigu:supergroup:rwxr-xr-x</permission>
<nsquota>-1</nsquota>
<dsquota>-1</dsquota>
</inode>
<inode>
<id>16387</id>
<type>
DIRECTORY
</type>
<name>
atguigu
</name>
<mtime>1512790549080</mtime>
<permission>atguigu:supergroup:rwxr-xr-x</permission>
<nsquota>-1</nsquota>
<dsquota>-1</dsquota>
</inode>
<inode>
<id>16389</id>
<type>
FILE
</type>
<name>
wc.input
</name>
<replication>
3
</replication>
<mtime>1512722322219</mtime>
<atime>1512722321610</atime>
<perferredBlockSize>134217728</perferredBlockSize>
<permission>atguigu:supergroup:rw-r--r--</permission>
<blocks>
<block>
<id>
1073741825
</id>
<genstamp>1001</genstamp>
<numBytes>59</numBytes>
</block>
</blocks>
</inode >
思考：可以看出，
Fsimage
中没有记录块所对应
DataNode
，为什么？
在集群启动后，要求
DataNode
上报数据块信息，并间隔一段时间后再次上报。
2
）
oev
查看
Edits
文件
（
1
）基本语法
hdfs oev -p
文件类型
-i
编辑日志
-o
转换后文件输出路径
（
2
）案例实操
[atguigu@hadoop102 current]$ hdfs oev -p XML -i
edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-
3.1.3/edits.xml
[atguigu@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml
将显示的
xml
文件内容拷贝到
Idea
中创建的
xml
文件中，并格式化。显示结果如下。
<?xml version="1.0" encoding="UTF-8"?>
<EDITS>
<EDITS_VERSION>-63</EDITS_VERSION>
<RECORD>
<OPCODE>OP_START_LOG_SEGMENT</OPCODE>
<DATA>
<TXID>129</TXID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>
OP_ADD
</OPCODE>
<DATA>
<TXID>130</TXID>
<LENGTH>0</LENGTH>
<INODEID>16407</INODEID>
<PATH>
/hello7.txt
</PATH>
<REPLICATION>2</REPLICATION>
<MTIME>1512943607866</MTIME>
<ATIME>1512943607866</ATIME>
<BLOCKSIZE>134217728</BLOCKSIZE>
<CLIENT_NAME>DFSClient_NONMAPREDUCE_-
1544295051_1</CLIENT_NAME>
<CLIENT_MACHINE>192.168.10.102</CLIENT_MACHINE>
<OVERWRITE>true</OVERWRITE>
<PERMISSION_STATUS>
<USERNAME>atguigu</USERNAME>
<GROUPNAME>supergroup</GROUPNAME>
<MODE>420</MODE>
</PERMISSION_STATUS>
<RPC_CLIENTID>908eafd4-9aec-4288-96f1-
e8011d181561</RPC_CLIENTID>
<RPC_CALLID>0</RPC_CALLID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>
OP_ALLOCATE_BLOCK_ID
</OPCODE>
<DATA>
<TXID>131</TXID>
<BLOCK_ID>1073741839</BLOCK_ID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_SET_GENSTAMP_V2</OPCODE>
<DATA>
<TXID>132</TXID>
<GENSTAMPV2>1016</GENSTAMPV2>
</DATA>
</RECORD>
<RECORD>
<OPCODE>
OP_ADD_BLOCK
</OPCODE>
<DATA>
<TXID>133</TXID>
<PATH>/hello7.txt</PATH>
<BLOCK>
<BLOCK_ID>1073741839</BLOCK_ID>
<NUM_BYTES>0</NUM_BYTES>
<GENSTAMP>1016</GENSTAMP>
</BLOCK>
<RPC_CLIENTID></RPC_CLIENTID>
<RPC_CALLID>-2</RPC_CALLID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>
OP_CLOSE
</OPCODE>
<DATA>
<TXID>134</TXID>
<LENGTH>0</LENGTH>
<INODEID>0</INODEID>
<PATH>/hello7.txt</PATH>
<REPLICATION>2</REPLICATION>
<MTIME>1512943608761</MTIME>
<ATIME>1512943607866</ATIME>
<BLOCKSIZE>134217728</BLOCKSIZE>
<CLIENT_NAME></CLIENT_NAME>
<CLIENT_MACHINE></CLIENT_MACHINE>
<OVERWRITE>false</OVERWRITE>
<BLOCK>
<BLOCK_ID>1073741839</BLOCK_ID>
<NUM_BYTES>25</NUM_BYTES>
<GENSTAMP>1016</GENSTAMP>
</BLOCK>
<PERMISSION_STATUS>
<USERNAME>atguigu</USERNAME>
<GROUPNAME>supergroup</GROUPNAME>
<MODE>420</MODE>
</PERMISSION_STATUS>
</DATA>
</RECORD>
</EDITS >
思考：
NameNode
如何确定下次开机启动的时候合并哪些
Edits
？
5.3 CheckPoint
时间设置
1
）通常情况下，
SecondaryNameNode
每隔一小时执行一次。
[hdfs-default.xml]
<property>
<name>dfs.namenode.checkpoint.period</name>
<value>
3600s
</value>
</property>
2
）一分钟检查一次操作次数，当操作次数达到
1
百万时，
SecondaryNameNode
执行一次。
<property>
<name>dfs.namenode.checkpoint.txns</name>
<value>
1000000
</value>
<description>
操作动作次数
</description>
</property>
<property>
<name>dfs.namenode.checkpoint.check.period</name>
<value>
60s
</value>
<description>
1
分钟检查一次操作次数
</description>
</property>
第
6
章
DataNode
6.1 DataNode
工作机制
DataNode
工作机制
数据、
数据长度、校验和、
时间戳
Block1
数据、
数据长度、校验和、
时间戳
Block2
数据、
数据长度、校验和、
时间戳
Block1
数据、
数据长度、校验和、
时间戳
Block2
数据、
数据长度、校验和、
时间戳
Block3
数据、
数据长度、校验和、
时间戳
Block3
NameNode
元数据
1 DataNode
启动后向
NameNode
注册。
2
注册成功
2 DataNode
注册成功
3
以后每周期（
6
小时）上报所
有块信息。
4
心跳每
3
秒一
次，
心跳返回
结果带有
NameNode
给
该
DataNode
的
命令
DataNode2
DataNode3
DataNode1
5
超过
10
分钟
+30
秒没有
收到
DataNode2
的心跳，
则认为该节点不可用
（
1
）一个数据块在
DataNode
上以文件形式存储在磁盘上，包括两个文件，一个是数据
本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。
（
2
）
DataNode
启动后向
NameNode
注册，通过后，周期性（
6
小时）的向
NameNode
上
报所有的块信息。
DN
向
NN
汇报当前解读信息的时间间隔，默认
6
小时；
<property>
<name>dfs.blockreport.intervalMsec</name>
<value>
21600000
</value>
<description>Determines block reporting interval in
milliseconds
.</description>
</property>
DN
扫描自己节点块信息列表的时间，默认
6
小时
<property>
<name>dfs.datanode.directoryscan.interval</name>
<value>
21600s
</value>
<description>Interval in seconds for Datanode to scan data
directories and reconcile the difference between blocks in memory and on
the disk.
Support multiple time unit suffix(case insensitive), as described
in dfs.heartbeat.interval.
</description>
</property>
（
3
）心跳是每
3
秒一次，心跳返回结果带有
NameNode
给该
DataNode
的命令如复制块
数据到另一台机器，或删除某个数据块。如果超过
10
分钟没有收到某个
DataNode
的心跳，
则认为该节点不可用。
（
4
）集群运行中可以安全加入和退出一些机器。
6.2
数据完整性
思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（
1
）和绿灯信号（
0
），
但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理
DataNode
节点上的数据
损坏了，却没有发现，是否也很危险，那么如何解决呢？
如下是
DataNode
节点保证数据完整性的方法。
（
1
）当
DataNode
读取
Block
的时候，它会计算
CheckSum
。
（
2
）如果计算后的
CheckSum
，与
Block
创建时值不一样，说明
Block
已经损坏。
（
3
）
Client
读取其他
DataNode
上的
Block
。
（
4
）常见的校验算法
crc
（
32
），
md5
（
128
），
sha1
（
160
）
（
5
）
DataNode
在其文件创建后周期验证
CheckSum
。
数据完整性
0100 0001
0
奇偶校验位
待传输数据
0100 1001
1
奇偶校验位
待传输数据
0100 00
1
1
0
奇偶校验位
待传输数据
0100 1001
1
奇偶校验位
待传输数据
网络传输
原始数据封装
对接收到的数据重新校验
0100 1001
110
crc
校验位
待传输数据
0100 1001
110
待传输数据
crc
校验位
对原始数据重新
crc
计算，然后
和传输过来的
crc
校验位比较
，看是否一致
6.3
掉线时限参数设置
需要注意的是
hdfs-site.xml
配置文件中的
heartbeat.recheck.interval
的单位为
毫秒
，
dfs.heartbeat.interval
的单位为
秒
。
<property>
<name>dfs.namenode.heartbeat.recheck-interval</name>
<value>300000</value>
</property>
<property>
<name>dfs.heartbeat.interval</name>
<value>3</value>
</property>
DataNode
掉线时限参数设置
TimeOut = 2 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval
。
而默认的
dfs.namenode.heartbeat.recheck-interval
大小为
5
分钟，
dfs.heartbeat.interval
默认为
3
秒。
DataNode
NameNode
1
、
DataNode
进程死亡或
者网络故障造成
DataNode
无法与
NameNode
通信
2
、
NameNode
不会立即把该节点判定
为死亡，要经过一段时间，这段时间
暂称作超时时长。
3
、
HDFS
默认的超时时长为
10
分钟
+30
秒。
4
、如果定义超时时间为
TimeOut
，则超时时长的计算公式为：
6424
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
