1、HDFS 前言
HDFS:Hadoop Distributed File System Hadoop 分布式文件系统,主要用来解决海量数据的存 储问题
1、 设计思想 分而治之:将大文件,大批量文件,分布式的存放于大量服务器上。以便于采取分而治 之的方式对海量数据进行运算分析
2、 在大数据系统架构中的应用 为各类分布式运算框架(MapReduce,Spark,Tez,Flink,…)提供数据存储服务
3、 重点概念:数据块/副本,负载均衡,心跳机制,副本存放策略,元数据/元数据管理, 安全模式,机架感知…
2、HDFS 相关概念和特性
2.1、HDFS 设计思路
HDFS 被设计成用来使用低廉的服务器来进行海量数据的存储,那是怎么做到的呢?
1、 大文件被切割成小文件,使用分而治之的思想让很多服务器对同一个文件进行联合管理
2、 每个小文件做冗余备份,并且分散存到不同的服务器,做到高可靠不丢失
2.2、HDFS 架构
主节点 Namenode:集群老大,掌管文件系统目录树,处理客户端读且请求 SecondaryNamenode:严格说并不是 namenode 备份节点,主要给 namenode 分担压力之用 从节点 Datanode:存储整个集群所有数据块,处理真正数据读写
2.3、概念和特性
首先,它是一个文件系统,用于存储文件,通过统一的命名空间——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,集群中的服务器都有各自清晰的 角色定位
重要特性如下:
1、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 版本中是 128M,老版本中是 64M
2、HDFS 文件系统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,形 如:hdfs://namenode:port/dir-a/dir-b/dir-c/file.data hdfs://hadoop02:9000/soft/hadoop-2.6.5-centos-6.7.tar.gz
3、目录结构及文件分块位置信息(元数据)的管理由 namenode 节点承担 namenode 是 HDFS 集群主节点,负责维护整个 hdfs 文件系统的目录树,以及每一个路径(文 件)所对应的 block 块信息(block 的 id,及所在的 datanode 服务器)
4、文件的各个 block 的存储管理由 datanode 节点承担 datanode 是 HDFS 集群从节点,每一个 block 都可以在多个 datanode 上存储多个副本(副本 数量也可以通过参数设置 dfs.replication,默认是 3)
5、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
(PS:适合用来做数据分析,并不适合用来做网盘应用,因为,不便修改,延迟大,网络开 销大,成本太高)
3、HDFS 优缺点
3.1、HDFS 优点
可构建在廉价机器上
通过多副本提高可靠性,提供了容错和恢复机制 高容错性
数据自动保存多个副本,副本丢失后,自动恢复 适合批处理
移动计算而非数据,数据位置暴露给计算框架 适合大数据处理
GB、TB、甚至 PB 级数据,百万规模以上的文件数量,10K+节点规模 流式文件访问
一次性写入,多次读取,保证数据一致性
3.2、HDFS 缺点
不适于以下操作:
低延迟数据访问
比如毫秒级 低延迟与高吞吐率
小文件存取
占用 NameNode 大量内存 150b* 1000W = 15E,1.5G 寻道时间超过读取时间
并发写入、文件随机修改
一个文件只能有一个写者 仅支持 append
HDFS 不适合存储小文件
元信息存储在 NameNode 内存中
一个节点的内存是有限的
存取大量小文件消耗大量的寻道时间
类比拷贝大量小文件与拷贝同等大小的一个大文件
NameNode 存储 block 数目是有限的
一个 block 元信息消耗大约 150 byte 内存
存储 1 亿个 block,大约需要 20GB 内存
如果一个文件大小为 10K,则 1 亿个文件大小仅为 1TB(但要消耗掉 NameNode 20GB
内存)
4、HDFS 的 shell(命令行客户端)操作
HDFS 提供 shell 命令行客户端,使用方法如下:
HDFS 支持的其他命令行参数如下:
[-appendToFile <localsrc> ... <dst>]
[-cat [-ignoreCrc] <src> ...]
[-checksum <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>]
[-createSnapshot <snapshotDir> [<snapshotName>]]
[-deleteSnapshot <snapshotDir> <snapshotName>]