【大数据学习】HDFS(Hadoop Distributed File System，分布式文件系统）

兔兔西

已于 2024-02-23 10:10:07 修改

阅读量987

点赞数

文章标签：大数据 hadoop 学习

于 2020-01-09 21:53:25 首次发布

本文链接：https://blog.csdn.net/SunshineTan/article/details/103913742

版权

1，概念

HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。
HDFS 内部的所有通信都基于标准的 TCP/IP 协议。

1）场景：大数据存储

在多台计算机上的存储系统。
HDFS中文件在物理上是分块存储（ block 的，块的大小可以通过配置参数来规定，默认大小在 hadoop2.x 版本中是 128M 。
HDFS 是设计成适应一次写入，多次读出的场景，且不支持文件的修改。

2，架构：master/slave

hadoopV2版本及以后都是HA架构。以下为hadoop1架构，仅供学习。
在这里插入图片描述

Active NameNode：主节点

主 Master（只有一个），管理 HDFS 的名称空间，管理数据块映射信息；配置副本策略；处理客户端读写请求。
负责维护文件系统的名字空间，任何对文件系统名字空间或属性的修改都将被 Namenode 记录下来。
HDFS会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件。
我们把目录结构及文件分块位置信息叫做元数据。 Namenode 负责维护整个hdfs 文件系统的目录树结构，以及每一个文件所对应的 block 块信息（ block 的id ，及所在的 datanode 服务器）。

Secondary NameNode

NameNode 的热备；定期合并 fsimage 和 fsedits，推送给 NameNode；当 Active NameNode 出现故障时，快速切换为新的 Active NameNode。

Datanode ：从节点

Slave（有多个）；存储实际的数据块；执行数据块读 / 写。
文件的各个block 的具体存储管理由 datanode 节点承担。每一个 block 都可以在多个 datanode 上。 Datanode 需要定时向 Namenode 汇报自己持有的 block信息。存储多个副本（副本数量也可以通过参数设置dfs.replication ，默认是 3 )。
副本机制：为了容错，文件的所有block 都会有副本。

Client

与 NameNode 交互，获取文件位置信息；与 DataNode 交互，读取或者写入数据；管理 HDFS、访问 HDFS。

3，原理

存储原理

如果客户机想将文件写到 HDFS 上，首先需要将该文件缓存到本地的临时存储。如果缓存的数据大于所需的 HDFS 块大小，创建文件的请求将发送给 NameNode。NameNode 将以 DataNode 标识和目标块响应客户机。同时也通知将要保存文件块副本的 DataNode。当客户机开始将临时文件发送给第一个 DataNode 时，将立即通过管道方式将块内容转发给副本 DataNode。客户机也负责创建保存在相同 HDFS名称空间中的校验和（checksum）文件。
在最后的文件块发送之后，NameNode 将文件创建提交到它的持久化元数据存储（在 EditLog 和 FsImage 文件）。

block块设置过小会出现什么问题？

存放大量小文件会占用NameNode中大量内存来存储元数据，而NameNode的内存是有限的，不可取；
文件块过小，寻址时间增大，导致程序一直在找block的开始位置。

因而，块适当设置的大一些，减少寻址时间，传输一个由多个块组成的文件的时间主要取决于磁盘的传输速率。一般设置为128M。

4，HA集群

概念

在一个典型的HA集群中，每个NameNode是一台独立的服务器。hadoopV2版本及以后都是HA架构。

单节点故障转移

主节点故障，从节点转为主节点。
hadoop1的不可靠在于可能存在单节点故障转移；
hadoop2.2.0（HA）中HDFS的高可靠指的是可以同时启动2个NameNode。其中一个处于工作状态，另一个处于随时待命状态。这样，当一个NameNode所在的服务器宕机时，可以在数据不丢失的情况下，手工或者自动切换到另一个NameNode提供服务。

脑裂

一个集群中多个管理者数据不一致。
多个NameNode之间共享数据，可以通过Nnetwork File System或者Quorum Journal Node以防止脑裂产生。前者是通过Linux共享的文件系统，属于操作系统的配置；后者是Hadoop自身的东西，属于软件的配置。

JournalNode Service

JournalNode服务器：运行的JournalNode进程非常轻量，可以部署在其他的服务器上。注意：必须允许至少3个节点。当然可以运行更多，但是必须是奇数个，如3、5、7、9个等等。当运行N个节点时，系统可以容忍至少(N-1)/2(N至少为3)个节点失败而不影响正常运行。

Primary NameNode、Standby NameNode

即 Active NameNode。
ha集群的任一时刻，只有一个NameNode处于active状态，另一个处于standby状态。其中，active状态的NameNode负责所有的客户端操作，standby状态的NameNode处于从属地位，维护着数据状态，随时准备切换。
在HA集群中，主从互换后，从节点变为主节点，主节点即使被拉起也会作为从节点。
在HA集群中，standby状态的NameNode可以完成checkpoint操作，因此没必要配置Secondary NameNode、CheckpointNode、BackupNode。如果真的配置了，还会报错。

如何解决启动多个NameNode时保证同一时刻只有一个NameNode工作避免脑裂发生

使用Zookeeper完成高可用。
在这里插入图片描述在HA集群中，如果zk与NameNode(active) 出现网络延迟这种情况时，zk会自动切换NameNode(standy) 为活跃节点，这个时候集群中就出现了多个NameNode active，进而出现脑裂问题。
Hadoop Journal Node可以解决脑裂问题，它有两个作用：

负责NameNode中edits同步
隔离机制。保证在这一时刻只能有一个NameNode active 使用ssh登录到NameNode节点上。

对于namenode是HA高可用集群时，客户端远程访问hdfs有两种实现方法

1> 将所有namenode ha相关的参数写入Configuration对象中

为了保证HDFS服务的高可用,生产环境是必须要开启NameNode HA的,此时应该用nameservices作为统一的logical name连接HDFS。
首先在Ambari UI上查看custom hdfs-site配置. 注意端口号要配成rpc的端口号（8020）,而不能是http/https的。

import java.net.URI;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
 
public class HADemo {
 
    public static void main(String[] args) {
        // TODO Auto-generated method stub
        Configuration conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://HACluster");
        conf.set("dfs.nameservices", "HACluster");
        conf.set("dfs.ha.namenodes.HACluster", "nn1,nn2");
        conf.set("dfs.namenode.rpc-address.HACluster.nn1", "namenode1_ip:8020");
        conf.set("dfs.namenode.rpc-address.HACluster.nn2", "namenode2_ip:8020");
        conf.set("dfs.client.failover.proxy.provider.HACluster",
                "org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider");
        try {
            FileSystem fs = FileSystem.get(new URI("hdfs://HACluster"), conf,"root");
            boolean b=fs.mkdirs(new Path("/tmp/a"));
            fs.copyFromLocalFile(new Path("D:\\test\\a.txt"), new Path("/tmp/a/a.txt"));
            fs.close();
        } catch (Exception e) {
            System.out.println(e);
        }
    }
}

2> 将配置文件core-site.xml和hdfs-site.xml文件复制到项目的目录下

WebHDFS访问

通过WebHDFS访问HA集群时，就没有rpc方式那么方便了，有以下方式解决：

每次访问之前都从zookeeper中拿当前Active NameNode的地址

/**
	 * ͨ通过zookeeper获取active namenode地址
	 * @param ZOOKEEPER_IP ip地址
	 * @param ZOOKEEPER_PORT 端口
	 * @param ZOOKEEPER_TIMEOUT 超时时间 
	 * @return 地址
	 */
	public static String getHostname(String ZOOKEEPER_IP, int ZOOKEEPER_PORT,
			int ZOOKEEPER_TIMEOUT,String DATA_DIR) {
		String hostname = null;
		Watcher watcher = new Watcher() {
			public void process(org.apache.zookeeper.WatchedEvent event) {
				log.info("event:"+event.toString());
			}
		};
		ZooKeeper zk = null;
		byte[] data1 = null;
		String[] iparr = ZOOKEEPER_IP.split(";");
		for (String ip : iparr) {
			try {
				zk = new ZooKeeper(ip + ":" + ZOOKEEPER_PORT,
						ZOOKEEPER_TIMEOUT, watcher);
				data1 = zk.getData(DATA_DIR,
						true, new Stat());
			} catch (Exception e) {
				// TODO Auto-generated catch block
				log.info("This ip is not active..."+ip);
				continue;
			}
			if (data1 != null) {
				log.info("This ip is normal..."+ip);
				ActiveNodeInfo activeNodeInfo=null;
				try {
					activeNodeInfo = HAZKInfoProtos.ActiveNodeInfo.parseFrom(data1);
				} catch (InvalidProtocolBufferException e) {
					// TODO Auto-generated catch block
					log.error(e);
				} 
				hostname = activeNodeInfo.getHostname();
				return hostname;
			} 
		}
		return hostname;
	}

每次访问轮询两个namenode

因为不确定主备节点哪个可以访问成功，那么每次轮询访问。

YARN ResourceManager HA

ResourceManager HA存在与NameNode HA类似的问题,能否通过统一的logical name访问RM的REST API呢? 答案是暂时不支持.
目前YARN只能支持standy RM把请求重定向到Active RM上. 也就是说假如主备RM都活着,当客户端向standby RM发HTTP请求时,standby RM会重定向到active RM上,但是如果standby RM不幸挂掉了,而Active RM还正常工作,此时请求就会失败.
解决方法其实也很简单,就是在调用RM REST API时轮询两个RM.

5，windows本地安装HDFS

1）操作环境

win10
jdk8
hadoop-3.1.3.tar.gz
apache-hadoop-3.1.3-winutils-master.zip

2）hadoop安装

下载并解压hadoop-3.1.3.tar.gz、apache-hadoop-3.1.3-winutils-master.zip
将hadoop-3.1.3放入指定目录：D:\software
将apache-hadoop-3.1.3-winutils-master中的文件：hadoop.dll、winutils.exe放入hadoop-3.1.3\bin目录下
配置环境变量：

环境变量名称	值	备注
HADOOP_HOME	`D:\software\hadoop-3.1.3`
Path	`;%HADOOP_HOME%\bin;%HADOOP_HOME%\sbin`
JAVA_HOME	C:\Progra~1\Java\jdk1.8.0_221	注意一定要用波浪线代替Program Files，hadoop不能识别空格

配置数据目录
hadoop-3.1.3下新建data；data下新建：namenode，datanode
进入etc/hadoop目录，修改配置文件

i>core-site.xml

<configuration>
	<property>
	    <name>fs.default.name</name>
	  <value>hdfs://localhost:9000</value>
	 </property>
	 <property>
	  <name>hadoop.tmp.dir</name>
	  <value>/D://software//hadoop-3.1.3//data//temp</value>
	 </property>
</configuration>

ii>mapred-site.xml

<configuration>
	<property>       
	<name>mapreduce.framework.name</name>       
	<value>yarn</value>   
	</property>
</configuration>

iii>yarn-site.xml

<configuration>
<!-- Site specific YARN configuration properties -->
	<property>
    	<name>yarn.nodemanager.aux-services</name>
    	<value>mapreduce_shuffle</value>
   </property>
   <property>
      	<name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>  
		<value>org.apache.hadoop.mapred.ShuffleHandler</value>
   </property>
</configuration>

v>hdfs-site.xml

<configuration>
   <!-- 这个参数设置为1，因为是单机版hadoop -->
   <property>
	   <name>dfs.replication</name>
	   <value>1</value>
   </property>
   	<property> 
        <name>dfs.permissions</name> 
        <value>false</value> 
     </property>
      <property>
          <name>dfs.namenode.name.dir</name>
          <value>/D://software//hadoop-3.1.3//data//namenode</value>
      </property>
      <property>
   		<name>fs.checkpoint.dir</name>
   		<value>/D://software//hadoop-3.1.3//data//snn</value>
   	</property>
   	<property>
   		<name>fs.checkpoint.edits.dir</name>
   		<value>/D://software//hadoop-3.1.3//data//snn</value>
   	</property>
   	   <property>
          <name>dfs.datanode.data.dir</name>
          <value>/D://software//hadoop-3.1.3//data//datanode</value>
      </property>
</configuration>

配置hadoop使用的jdk
etc\hadoop\hadoop-env.cmd

set JAVA_HOME=%JAVA_HOME%

cmd检测安装成功
java检测：java -version
hadoop检测：hadoop -version
启动hadoop
双击：D:\software\hadoop-3.1.3\sbin\start-all.cmd
IDEA使用和调试
无需重启电脑，重启IDEA即可（×掉所有，重新打开；restart是不会生效的）。
要模拟linux，可设置目录：D:\opt… namenode\opt…

兔兔西

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
【大数据学习】HDFS(Hadoop Distributed File System，分布式文件系统）

1，概念HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。HDFS 内部的所有通信都基于标准的 TCP/IP ...
复制链接

扫一扫