HDFS核心工作原理
1 Namenode元数据管理要点
1)什么是元数据?
hdfs的目录结构及每一个文件的块信息(块的id,块的副本数量,块的存放位置)
2)元数据由谁负责管理?
Namenode
3)namenode把元数据记录在哪里?
Namenode的实时的完整的元数据存储在内存中;
Namenode还会在磁盘中(dfs.namenode.name.dir)存储内存元数据在某个时间点上的镜像文件;
Namenode会把引起元数据变化的客户端操作记录在edits日志文件中;
Secondarynamenode会定期从namenode上下载fsimage镜像和新生成的edits日志,然后加载fsimage镜像到内存中,然后顺序解析edits文件,对内存中的元数据对象进行修改(整合)
整合完成后,将内存元数据序列化成一个新的fsimage,并将这个fsimage镜像文件上传给namenode
上述过程叫做:checkpoint操作
电脑画图软件手绘原理图如下:
2部署yarn集群
mapreduce程序应该是在很多机器上并行启动,而且先执行map task,当众多的maptask都处理完自己的数据后,还需要启动众多的reduce task,这个过程如果用用户自己手动调度不太现实,需要一个自动化的调度平台——hadoop中就为运行mapreduce之类的分布式运算程序开发了一个自动化调度平台——YARN
yarn集群中有两个角色:
主节点:Resource Manager 1台
从节点:Node Manager N台
Resource Manager一般安装在一台专门的机器上
Node Manager应该与HDFS中的data node重叠在一起
修改配置文件:
yarn-site.xml
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hdp-04</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
这里的yarn.resourcemanager.hostname值得是设置ResourceManager的主机名或Ip
然后将配置好的yarn-site.xml文件拷贝到其他集群
然后运行yarn集群,执行/sbin/start-all.sh或/sbin/start-yarn.sh命令即可启动集群,此时访问8088端口即可看到yarn集群的相关信息。