【Hadoop】学习笔记（二）

最新推荐文章于 2024-02-26 11:23:27 发布

擅长开发Bug的Mr.NaCl

最新推荐文章于 2024-02-26 11:23:27 发布

阅读量549

点赞数 1

分类专栏： Hadoop

本文链接：https://blog.csdn.net/lushixuan12345/article/details/126128489

版权

Hadoop 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

Hadoop

二、HDFS

二、HDFS

2.1、HDFS概述

HDFS(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;其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。

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

2.2、HDFS优缺点

2.1.1、优点

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。
适合处理大数据
数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据;
文件规模:能够处理百万规模以上的文件数量，数量相当之大。
可构建在廉价机器上，通过多副本机制，提高可靠性。

2.1.2、缺点

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。
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。这样是不可取的，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。
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。

2.3 、HDFS 组成架构

在这里插入图片描述
NameNode：简称NN，就是Master，是一个管理者

● 管理HDFS的名称空间，存放文件元数据（文件名、目录结构、文件属性等）
● 配置副本策略
● 管理数据块（block）映射信息（文件与数据块的映射、数据块与数据节点的映射）
● 处理客户端读写请求

DataNode：就是Slave。根据NameNode的指令执行实际的操作

● 存储实际的数据块
● 执行数据块的读/写操作

Secondary NameNode：简称2NN。不是NameNode的热备，当NameNode宕机时，并不能马上替换NameNode提供服务

● 服务NameNode，分担其工作量，比如定期合并 Fsimage 和 Edits，并推送给NameNode
● 在紧急情况下，可辅助恢复NameNode

上面的Hadoop官方绘制的HDFS架构图中并没有2NN，因为在企业中一般会将NameNode搭建成高可用，而不是使用2NN。

Client：客户端

● 文件切分。文件上传 HDFS 时，Client将文件切分成一个个的Block然后进行上传
● 与NameNode交互，获取文件的位置信息
● 与DataNode交互，读取或写入数据
● Client提供一些命令来管理HDFS，比如NameNode格式化
● Client可以通过一些命令来访问HDFS，比如对HDFS进行增删改查操作

2.4 、 HDFS 文件块

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（位于 hdfs-default.xml中）， hadoop 2.x、hadoop 3.x 中默认大小是 128M，hadoop 1.x中默认大小是 64M。

数据块大小 128M，如果一个文件大小只有1kb，那么只会占用这个数据块中1kb大小的空间，剩余空间依然可以让其他文件进行占用。

最佳的文件块大小配置：机械硬盘的HDFS数据块最佳大小为128M，固态硬盘的HDFS数据块最大小为256M。

计算方式：

假设寻址时间为10ms，即查找到目标block的时间为10ms
根据实践，寻址时间为传输时间的 1% 时，系统为最佳状态。因此传输时间为 10ms / 0.01 = 1s。即花费10ms找到这个数据块，花费1s读完这个数据块的内容。
目前机械硬盘传输速度约 100M/s，固态硬盘 200M/s - 300M/s
所以，对于机械硬盘：1s时间可以传输 100M数据，所以数据块设置为 128M 较为合适。对于固态硬盘，数据块大小设置为256M较为合适。

数据块大小设置规则：

● 如果数据块设置的太小，会增加寻址时间，程序一直在找块的开始位置
● 如果数据块设置的太大，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比较缓慢

2.5 、 HDFS特性

主从架构：
● HDFS 集群是标准的 master/slave 主从架构集群
● 一般一个HDFS集群是由一个 NameNode 和一定数量的 DataNode组成
● NameNode 是 HDFS主节点，DataNode是 HDFS 从节点，两种角色各司其职，共同协调完成分布式的文件存储服务

分块存储：
● HDFS中的文件在物理上是分块存储（block）的，默认大小是128M，不足128M则本身就是一块
● 块的大小可以通过配置参数来规定，参数位于 hdfs-site.xml中 dfs.blocksize

副本机制：
● 文件的所有block都会有副本，副本数量可以在文件创建时指定，也可以在之后通过命令改变
● 副本数由参数 dfs.replication 控制，默认值是 3。也就是除了本身外，还会额外再复制2份。

元数据管理。
在HDFS中，NameNode管理的元数据分为两类：
● 文件自身属性信息：文件名称、权限、修改时间、文件大小、复制因子、数据块大小
● 文件块位置映射信息：记录文件块和DataNode之间的映射信息，即哪个块位于哪个节点上

namespace：
● HDFS支持传统的层次型文件组织结构。用户可以创建目录，然后将文件保存在这些目录里。文件系统名字空间的层次结构和Linux等大多数现有的文件系统类似
● NameNode负责维护文件系统的namespace名称空间，任何堆文件系统名称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。例如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

数据块存储：
● 文件的各个block具体存储管理由DataNode节点承担
● 每一个block都可以在多个datanode上存储