【大数据】Hadoop_HDFS

---

前言

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

---

一、概述

1. HDFS定义

🧰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；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。

2. 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

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。某一个副本丢失以后，它可以自动恢复。
2. 适合处理大数据：数据规模大，能够处理数据规模达到GB、TB、甚至PB级别的数据；文件规模大，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，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

3. HDFS组成架构

点此👉查看不同版本的hadoop文档

🧰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。

🧰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。

🧰Client：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。

🧰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。

4. HDFS文件块大小

🧰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

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，不利于并发运算，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。

HDFS块的大小设置主要取决于磁盘传输速率（由读写速度决定）

二、HDFS的Shell相关操作（开发重点）

1. 基本语法

🧰hadoop fs [选项] [对象] 或 hdfs dfs [选项] [对象]
🧰hadoop fs / hdfs dfs：查看命令大全，hadoop fs -help 命令 对应命令的用法

# 启动hadoop集群
sbin/start-dfs.sh
# 创建测试文件夹/sanguo
hadoop fs -mkdir /sanguo

2. 上传（本地 --> HDFS）：

🧰hadoop fs -moveFromLocal 要传的文件 要传入的目录下/文件名从本地剪切文件到HDFS路径去
🧰hadoop fs -put/copyFromLocal 要传的文件 要传入的目录下/文件名 从本地复制文件到HDFS路径去
🧰hadoop fs -appendToFile 要追加的文件 要追加进的文件中/文件名追加一个文件到已经存在的文件末尾

# 先在本地创建txt文件
touch shuguo.txt
echo "hello,shuguo" >> shuguo.txt

# 上传至/sanguo目录下（直接移动过去）
hadoop fs -moveFromLocal shuguo.txt /sanguo
# 复制过去
hadoop fs -put weiguo.txt /sanguo/caowei.txt
# 追加到末尾
hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt

3. 下载（HDFS --> 本地）

🧰hadoop fs -copyToLocal/get 要下载的文件 要下载的目录下/文件名

# 将shuguo.txt拷贝回本地，并更名为shu.txt
hadoop fs -get /sanguo/shuguo.txt shu.txt

4. HDFS直接操作

选项	功能	例子
-ls	显示目录信息	hadoop fs -ls /
-cat	显示文件内容	hadoop fs -cat /sanguo/shuguo.txt
-chmod	变更文件rwx	hadoop fs -chmod 777 /sanguo/shuguo.txt
-chgrp	改属组	hadoop fs -charp ygy:ygy /sanguo/shuguo.txt
-chown	改属主	hadoop fs -charp root:ygy /sanguo/shuguo.txt
-mkdir	创建路径	hadoop fs -mkdir /jinguo
-cp	在HDFS的某路径拷贝到另一个路径	hadoop fs -cp /shuguo/shuguo.txt /jinguo
-mv	在HDFS目录中移动文件	hadoop fs -mv /sanguo/weiguo.txt /jinguo
-tail	显示文件末尾1kb的数据（最后最新）	hadoop fs -tail /jinguo/shuguo.txt
-rm	删除文件或文件夹	hadoop -rm /sanguo/shuguo.txt
-rm -r	递归删除目录以及包含其中的文件	hadoop fs -rm -r /sanguo
-du	统计文件夹大小信息	hadoop fs -du -s -h /jinguo，-s只显示总和，-h阅读友好
-setrep	设置HDFS中文件的副本数量	hadoop fs -setrep 10 /jinguo/shuguo.txt

🧰注意：

# -du查看文件夹大小信息
hadoop fs -du -sh /jinguo
# 报错😇
-du: Illegal option -sh
# -sh不像shell中可以合起来写,但功能一致
hadoop fs -du -s -h /jinguo

# 输出
  182           546       /sanguo
#文件大小  文件大小*副本数  查看的目录

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

三、HDFS的客户端API（1%重要）

上面是在hadoop集群内部用shell操控，我们希望在windows上对远程集群进行客户端访问

🧰操作步骤：
1️⃣点此👉下载Windows依赖，将bin目录解压至一个英文文件中，随后打开系统属性➡环境变量➡系统变量➡新建➡变量名HADOOP_HOME，变量值(bin目录所在路径)➡在Path里新建%HADOOP_HOME%\bin➡回到\bin，点击winutils.exe，有短暂闪烁启动窗口即可

2️⃣点击下载Maven并配置环境👉Maven

环境变量的修改可能要重启电脑才行

3️⃣在 pom.xml里的</project>上面加上以下代码（对应版本要做修改）：

<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>

然后点击右上角的刷新标志，将报错消去

4️⃣在项目的src/main/resources目录下创建log4j.properties文件（file），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

5️⃣在src/main/java里创建包com.ygy.hdfs，并创建HdfsClient类，调用API操控hdfs

package com.ygy.hdfs;

省略导包...

/**
 * 客户端代码常用套路：
 * 1. 获取一个客户端对象
 * 2. 执行相关的操作命令
 * 3. 关闭资源
 * 其中1、3步相同重复操作多次，可以封装起来，提高复用
 */

public class HdfsClient {
    private FileSystem fs;
    
    // 执行顺序：before => test => after，不会有空指针异常
    @Before
    public void init() throws IOException, InterruptedException, URISyntaxException {

        // 连接集群nn地址
        URI uri = new URI("hdfs://hadoop102:8020");
        
        // 创建一个配置文件
        Configuration configuration = new Configuration();
        configuration.set("dfs.replication", "2"); 
        // 修改副本数为2（代码里面的配置，优先级最高）
        
        // 用户
        String user = "root";
        // 1. 获取到了客户端对象
        fs = FileSystem.get(uri, configuration, user);
    }
		// 2.执行相关操作
		// ...
		
    @After
    public void close() throws IOException {
        // 3. 关闭资源
        fs.close();
    }

🧰创建目录：

    // 创建目录
    @Test
    public void testMkdir() throws URISyntaxException, IOException, InterruptedException {
        
        // 2. 创建一个文件夹 
        fs.mkdirs(new Path("/xiyou/huaguoshang"));
        
    }

🧰上传文件：

    // 上传
     @Test
    public void testPut() throws IOException {
        fs.copyFromLocalFile(false, true, new Path("F:\\sunwukong.txt"), new Path("/xiyou/huaguoshang/"));
    }

参数解读：
参数一是否删除原数据
参数二表示是否允许覆盖
参数三表示原数据路径（本地）
参数四表示目的地路径

🧰参数优先级(低 => 高)：hdfs-default.xml => hdfs-site.xml => 在项目资源目录下的配置文件 => 代码里面的配置

例如：
将hdfs-sitc.xml拷贝到项目的resources资源目录下，修改生成副本数dfs.replication为1，上传一个文件，副本数优先看在项目资源目录下hdfs-sitc.xml中，即为1

🧰文件下载：

	// 文件下载
	  @Test
    public void testGet() throws IOException {
        fs.copyToLocalFile(false, new Path("/xiyou/huaguoshang"), new Path("F:\\"), false);
    }

参数解读:
参数一是否表示删除原数据
参数二：原文件路径HDFS
参数三：目标地址路径windows
参数四：是否开启本地校验（通过.crc文件校验）

🧰文件删除：

    // 删除
    @Test
    public void testRm() throws IOException {
    // 删除文件
        fs.delete(new Path("/xiyou/huaguoshang/sunwukong.txt"), false); 

	// 删除空目录
	fs.delete(new Path("/xiyou"),false);
		
	// 删除非空目录(非递归无法删除)
	fs.delete(new Path("/jinguo"),true);
    }

参数解读：
参数一：要删除的路径
参数二：是否递归删除

🧰文件更名和移动：

    @Test
    public void testMv() throws IOException {

        // 移动
        fs.rename(new Path("/sunwukong.txt"), new Path("/xiyou/huaguoshang/sunwukong.txt"));

        // 重命名
        fs.rename(new Path("/xiyou/huaguoshang/sunwukong.txt"), new Path("/xiyou/huaguoshang/wukong.txt"));
    }

🧰获取文件详情

	// 获取文件详细信息
    @Test
    public void testListFiles() throws IOException {
		// 获取所有文件信息
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
        // 遍历文件
        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.getAccessTime());
            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));
        }
    }

🧰文件和文件夹判断

    @Test
    public void testFiles() throws IOException {

        FileStatus[] fileStatuses = fs.listStatus(new Path("/"));
        for (FileStatus fileStatus: fileStatuses) {
            if (fileStatus.isFile()) System.out.println("文件：" + fileStatus.getPath().getName());
            else System.out.println("文件目录：" + fileStatus.getPath().getName());
        }
    }
}

四、HDFS的读写流程

1. 写数据流程（上传）

🧰HDFS写数据流程图：

流程解析：

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

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。

🧰网路拓扑–节点距离计算：节点距离即两个节点到达最近的共同祖先的距离之和

如上图出框线距离才加1

🧰机架感知（副本存储节点选择）：官方说明文档点此👉前往

2. 读数据流程（下载）

🧰读数据流程图：

流程解析：

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

五、NN和2NN

1.NN和2NN的工作机制

NameNode元数据存储：
💡FsImage镜像文件，在磁盘中备份元数据，采用不更新用Edits追加的方式，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

🧰NameNode工作机制：

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

第二阶段：Secondary NameNode 工作

5. Secondary NameNode 询问 NameNode 是否需要 CheckPoint。直接带回 NameNode是否检查结果
6. Secondary NameNode 请求执行 CheckPoint。
7. NameNode 滚动正在写的 Edits 日志。将滚动前的编辑日志和镜像文件拷贝到 Secondary NameNode
8. Secondary NameNode 加载编辑日志和镜像文件到内存，并合并。生成新的镜像文件 fsimage.chkpoint
9. 拷贝 fsimage.chkpoint 到 NameNode。NameNode 将 fsimage.chkpoint 重新命名成 fsimage

2. Fsimage和Edits解析

NameNode被格式化之后，将在/opt/module/hadoop-3.1.3/data/dfs/name/current目录中产生如下文件

🧰Fsimage文件：是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

🧰Edits文件：存放HDFS文件系统的所有更新操作的路径（一切追加操作），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

🧰seen_txid文件：保存的是一个数字，就是最后一个edits_的数字

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

🧰oiv查看Fsimage 文件：hdfs oiv -p 文件类型 -i 镜像文件 -o 转换后文件输出路径

# 查看fsimage_0000000000000000025的内容
hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop/fsimage.xml
cat /opt/module/hadoop/fsimage.xml

# 再打开一个cmd，执行
sftp root@hadoop102
# 切换至要保存到本地的文件夹
lcd F:\
# 切换至要下载文件的所在位置
cd /opt/module/hadoop/fsimage.xml
# 下载到本地F盘
get fsimage.xml

存储有NN的镜像数据，文件信息等，但是没有文件块信息（其他服务器上），其他服务器DateNode会跟NN报告文件块

🧰oev查看Edits文件：hdfs oev -p 文件类型 -i 编辑日志 -o 转换后文件输出路径

# 下载过程
hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop/edits.xml
sftp root@hadoop102
lcd F:\
cd /opt/module/hadoop/edits.xml
get edits.xml

查看HDFS默认配置文件more /opt/module/hadoop/share/doc/hadoop/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml

六、Datanode

1. DataNode工作机制

流程解析：

1. DataNode启动后向NameNode注册
2. 注册成功后向DataNode返回信号
3. DN开始每周期（6小时）上报所有块信息
4. 心跳每3秒一次（两者通讯），心跳返回结果带有NameNode给DataNode的命令
5. 超过10分钟+30秒没有收到DN的心跳，NN则认为该节点不可用

🧰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。

3个6小时：

1. 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；
2. DN 向 NN 汇报当前解读信息的时间间隔，默认 6 小时；
3. DN 扫描自己节点块信息列表的时间，默认 6 小时

2. 数据完整性

🧰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

🧰校验法图例：

3. 掉线时限参数

🧰掉线时限说明：

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

🌰让hadoop104的DN挂掉，经过10min➕30s后：

# 重启hadoop104的DN即可恢复正常，Last contact不超过3s
hdfs --daemon start datanode

---

总结

重点掌握HDFS中shell命令部分，大概了解了HDFS，下一篇👉MapReduce