HDFS

HDFS前言

• 设计思想 分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析；
• 在大数据系统中作用： 为各类分布式运算框架（如：mapreduce，spark，tez，……）提供数据存储服务
• 重点概念：文件切块，副本存放，元数据

HDFS的概念和特性

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，集群中的服务器有各自的角色；

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

（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

(注：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)

HDFS基本操作

• -help
  功能：输出这个命令参数手册
• -ls
  功能：显示目录信息
  示例： hadoop fs -ls hdfs://hadoop-server01:9000/
  备注：这些参数中，所有的hdfs路径都可以简写
  –>hadoop fs -ls / 等同于上一条命令的效果
• -mkdir
  功能：在hdfs上创建目录
  示例：hadoop fs -mkdir -p /aaa/bbb/cc/dd
• -moveFromLocal
  功能：从本地剪切粘贴到hdfs
  示例：hadoop fs -moveFromLocal /home/a.txt /aaa/bbb/cc/dd
• -moveToLocal
  功能：从hdfs剪切粘贴到本地
  示例：hadoop fs -moveToLocal /aaa/bbb/cc/dd /home/a.txt
  提示：moveToLocal: Option ‘-moveToLocal’ is not implemented yet.
• -appendToFile
  功能：追加一个文件到已经存在的文件末尾
  示例：hadoop fs -appendToFile ./hello.txt hdfs://hadoop-server01:9000/hello.txt
  可以简写为：
  Hadoop fs -appendToFile ./hello.txt /hello.txt
• -cat
  功能：显示文件内容
  示例：hadoop fs -cat /hello.txt
• -tail
  功能：显示一个文件的末尾
  示例：hadoop fs -tail /weblog/access_log.1
• -text
  功能：以字符形式打印一个文件的内容
  示例：hadoop fs -text /weblog/access_log.1
• -chgrp
  -chmod
  -chown
  功能：linux文件系统中的用法一样，对文件所属权限
  示例：
  hadoop fs -chmod 666 /hello.txt
  hadoop fs -chown someuser:somegrp /hello.txt
• -copyFromLocal
  功能：从本地文件系统中拷贝文件到hdfs路径去
  示例：hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/
• -copyToLocal
  功能：从hdfs拷贝到本地
  示例：hadoop fs -copyToLocal /aaa/jdk.tar.gz
• -cp
  功能：从hdfs的一个路径拷贝hdfs的另一个路径
  示例： hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
• -mv
  功能：在hdfs目录中移动文件
  示例： hadoop fs -mv /aaa/jdk.tar.gz /
• -get
  功能：等同于copyToLocal，就是从hdfs下载文件到本地
  示例：hadoop fs -get /aaa/jdk.tar.gz
  -
  功能：合并下载多个文件
  示例：比getmerge 如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,…
  hadoop fs -getmerge /aaa/log.* ./log.sum
• -put
  功能：等同于copyFromLocal
  示例：hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
• -rm
  功能：删除文件或文件夹
  示例：hadoop fs -rm -r /aaa/bbb/
• -rmdir
  功能：删除空目录
  示例：hadoop fs -rmdir /aaa/bbb/ccc
• -df
  功能：统计文件系统的可用空间信息
  示例：hadoop fs -df -h /
• -du
  功能：统计文件夹的大小信息
  示例：
  hadoop fs -du -s -h /aaa/*
• -count
  功能：统计一个指定目录下的文件节点数量
  示例：hadoop fs -count /aaa/
• -setrep
  功能：设置hdfs中文件的副本数量
  示例：hadoop fs -setrep 3 /aaa/jdk.tar.gz

补充：查看dfs集群工作状态的命令
hdfs dfsadmin -report

HDFS原理

（工作机制的学习主要是为加深对分布式系统的理解，以及增强遇到各种问题时的分析解决能力，形成一定的集群运维能力）

注：很多不是真正理解hadoop技术体系的人会常常觉得HDFS可用于网盘类应用，但实际并非如此。要想将技术准确用在恰当的地方，必须对技术有深刻的理解

1. HDFS集群分为两大角色：NameNode、DataNode (Secondary Namenode)
2. NameNode负责管理整个文件系统的元数据
3. DataNode 负责管理用户的文件数据块
4. 文件会按照固定的大小（blocksize）切成若干块后分布式存储在若干台datanode上
5. 每一个文件块可以有多个副本，并存放在不同的datanode上
6. Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量
7. HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行

HDFS写数据流程

客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block的副本

1、根namenode通信请求上传文件，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、client请求第一个 block该传输到哪些datanode服务器上
4、namenode返回3个datanode服务器ABC
5、client请求3台dn中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将真个pipeline建立完成，逐级返回客户端
6、client开始往A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，A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答
7、当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。

HDFS读数据流程

客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件

1、跟namenode通信查询元数据，找到文件块所在的datanode服务器
2、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流
3、datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）
4、客户端以packet为单位接收，现在本地缓存，然后写入目标文件

Hadoop的split和block的区别和联系

hadoop在默认的情况下，split和hdfs的block的大小是一样的，这样容易造成误解认为两者是一样的，下面说下两者的区别和联系：

1. split是MapReduce里的概念，是切片的概念，split是逻辑切片 ；而block是hdfs中切块的大小，block是物理切块；
2. split的大小在默认的情况下和HDFS的block切块大小一致，为了是MapReduce处理的时候减少由于split和block之间大小不一致，可能会完成多余的网络之间的传输。

可以通过配置文件进行设置：
–minsize 默认大小为1mapreduce.input.fileinputformat.split.minsize
–maxsize 默认大小为Long.MAXValue mapreduce.input.fileinputformat.split.maxsize

在mapreduce的FileInputFormat类中有个getSplits() 方法对文件进行split，算法如下：
Math.max(minSize,Math.min(maxSize, blockSize));其中maxSize是取得longValueMax的值

1. 如果blockSize小于maxSize && blockSize 大于 minSize之间，那么split就是blockSize；
2. 如果blockSize小于maxSize && blockSize 小于 minSize之间，那么split就是minSize；
3. 如果blockSize大于maxSize && blockSize 大于 minSize之间，那么split就是maxSize；