HDFS基础架构
HDFS的基础架构如下图所示。
注:图片来源网易云课堂
HDFS主要包含两中类型的节点:NameNode和DataNode
NameNode称为管理节点,主要作用:
- 负责名称空间管理
- 负责文件到数据块的映射以及数据块与存储节点的对应关系
DataNode称为数据存储节点主要作用:
- 向管理节点汇报数据块信息;
- 存储节点之间通过复制操作来实现数据均衡和备份
- 与客户端交互,执行数据读写请求
图中可知,存储节点放置在不同的机架上(副本放置策略),数据被切分成了特定大小的数据块,分发到不同的存储节点。数据块在不同存储节点之间通过复制来实现。
HDFS的副本放置策略由Namenode来决定,NameNode根据配置好的机架感知信息来选择特定的节点列表。
HDFS默认是3副本放置策略:优先放置离写入客户端最近的DataNode节点;然后是该节点同机架上的一个节点;最后是与该节点在不同机架的一个节点
HDFS读流程
- 客户端向NameNode发起读请求
- NameNode返回请求文件的数据块所在的存储节点列表
- 客户端根据返回的节点列表,优先选择最近的节点访问
- 客户端直接与DataNode节点连接读取相应的Block数据,读完这个Block后关闭连接
- 客户端再次选择下一个Block所在的节点重复上述过程
HDFS写流程
- 客户端向Namenode发起写请求
- NameNode返回需要写入文件的数据块所在的存储节点列表
- 客户端根据返回的存储节点列表,优先选择最近的节点创建链接,如果客户端在DataNode节点上,则优先写本地节点
- 客户端与第一个DataNode节点建立TCP链接,然后DataNode节点会根据客户端传递过来的节点信息,依次创建下一个DataNode节点的链接以及第二个到第三个DataNode节点的链接。这个过程称为创建DataNode管道
- 客户端先写一个数据包,待第一个节点收到该数据包后,向其下一个节点发送这个数据包,直至第三个节点
- 在最后一个节点完成数据包的接收后,向第二个节点发送确认信息,第二个节点收到确认信息后,将自己的确认信息发给第一个节点,然后第一个节点将确认信息发送给客户端。客户端收到这个数据包的确认信息后,才会发送下一个数据包,如此反复
- 当一个数据块写完之后,客户端关闭这个DataNode管道,开始新的一个Block的DataNode管道并开始写入数据
- 当数据写完后,关闭客户端
HDFS安装
Hadoop的版本有Apache开源版,Cloudera、Hortonworks、MapR等,本文以Apache版本为例,介绍三个节点的安装流程
三个节点分别为bigdata0、bigdata1、bigdata2(可以修改成自己的IP)
二进制包下载地址Hadoop
涉及到的参数列表
参数名 | 参数含义 |
---|---|
fs.defaultFS | HDFS的名称空间地址 |
dfs.blocksize | 块大小,默认是64M |
dfs.replication | 备份数,默认是3 |
dfs.reservedsize | 磁盘保留空间,默认未开启 |
dfs.namenode.edit.dir | Namenode的edit日志存放路径 |
dfs.namenode.name.dir | Namenode的image文件存放路径 |
dfs.datanode.data.dir | DataNode的数据存储目录 |
dfs.namenode.rpc-address | NameNode的RPC服务端口号 |
dfs.namenode.http-address | Nameode HTTP服务端口号 |
dfs.datanode.address | DataNode的RPC服务端口号 |
dfs.datanode.http.address | DataNode HTTP服务端口号 |
fs.trash.interval | 开启回收站 |
HDFS安装涉及到的配置文件有:core-site.xml hdfs-site.xml
每个节点上执行如下流程。
1、解压hadoop安装包
tar -zxvf hadoop-2.7.6.tar.gz
如图所示
2、创建软链接,软连接用来配置环境变量,创建软连接的目的是在更改hadoop版本的时候,软连接名称可以不用改,环境变量也就不用修改了。
ln -s hadoop-2.7.6 hadoop-current
3、修改环境变量,把hadoop加入当前环境变量中
vim .bashrc
export PATH=/home/hadoop/hadoop-current/bin:/home/hadoop/hadoop-current/sbin:$PATH
4、配置hadoop 的JDK环境变量
修改配置文件hadoop-current/etc/hadoop/hadoop-env.sh
export JAVA_HOME=/user/lib/jvm/java-1.8.0-openjdk
5、配置namenode地址
修改配置文件hadoop-current/etc/hadoop/core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://bigdata0:50000</value>
</property>
</configuration>
6、配置namenode、datanode相关参数
修改配置文件hadoop-current/etc/hadoop/hdfs-site.xml
注:bigdata1、bigdata2上配置要改成bigdata1(bigdata2)的地址
<configuration>
<property>
<name>dfs.datanode.address</name>
<value>bigdata0:50010</value>
</property>
<property>
<name>dfs.datanode.http.address</name>
<value>bigdata0:50075</value>
</property>
<property>
<name>dfs.datanode.ipc.address</name>
<value>bigdata0:50020</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/home/hadoop/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/home/hadoop/data/0,/home/hadoop/data/1,/home/hadoop/data/2</value>
</property>
</configuration>
7、启动HDFS
首先执行namenode格式化操作(首次启动)
hdfs namenode -format
启动namenode(daemon形式启动)
hadoop-daemon.sh start namenode
启动datanode
hadoop-daemon.sh start datanode
启动成功之后,就可以进行测试。
hdfs相关的命令:查看文件列表、上传文件、下载文件
#查看目录
hadoop fs -ls /
#创建目录
hadoop fs -lmkdir /tmp
hadoop fs -lmkdir /user/hadoop/input
#本地上传文件到hdfs
hadoop fs -put *.txt /user/hadoop/input
hadoop fs -ls /user/hadoop/input
#查看文件
hadoop fs -text /user/hadoop/input/LICENSE.txt
#文件下载(从HDFS下载到本地)
hadoop fs -get /user/hadoop/input/LICENSE.txt test.file
执行结果如下图所示。