Hadoop 深入浅出----HDFS（2）

最新推荐文章于 2022-03-17 15:29:17 发布

Aphelios_King

最新推荐文章于 2022-03-17 15:29:17 发布

阅读量351

点赞数 1

分类专栏：框架笔记文章标签： hadoop hdfs big data

本文链接：https://blog.csdn.net/m0_53048901/article/details/123081838

版权

笔记同时被 2 个专栏收录

25 篇文章 0 订阅

订阅专栏

框架

5 篇文章 0 订阅

订阅专栏

HDFS

1.HDFS 概述

1.1 HDFS 产出背景及定义

1.1.1 HDFS 产生背景

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。

1.1.2 HDFS 定义

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、写入和关闭之后就不需要改变。

1.2 HDFS 优缺点

1.2.1 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。

1.2.2 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。

1.3 HDFS 组成架构

1.3.1 NameNode（nn）：就是 Master ，它是一个主管，管理者。

管理HDFS 的名称空间
配置副本策略
管理数据块(Block) 映射信息
处理客户端读写请求

1.3.2 DataNode ：就是Slave 。NameNode下达命令，DataNode 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

1.3.3 Client ：就是客户端

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；
与NameNode交互，获取文件的位置信息；
与DataNode交互，读取或者写入数据；
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增删查改操作；

1.3.4 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。

辅助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。

1.4 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Hadoop2.x/3.x版本中是128M，1.x版本中是64M。

在这里插入图片描述

（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，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。

总结：HDFS块的大小设置主要取决于磁盘传输速率。

2.HDFS的Shell操作（开发重点）

2.1 基本语法

hadoop fs 具体命令 OR hdfs dfs 具体命令

两个是完全相同的。

2.2 命令大全

bin/hadoop fs 即可查看

2.3 常用命令实操

2.3.1 准备工作

启动Hadoop 集群

sbin/start-dfs.sh
sbin/start-yarn.sh

-help: 输出这个命令参数

hadoop fs -help rm
任何命令都可使用，产看命令的使用

创建一个文件夹

hadoop fs -mkdir /sanguo

2.3.2 上传

-moveFromLocal : 从本地剪切粘贴到 HDFS

hadoop fs -moveFromLocal weiguo.txt /sanguo

注意如果传送的目标的路径是个文件夹，就会传送到文件夹下，如果不是文件夹，不存在就会视为将传送的这个文件进行重命名。

-copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去

hadoop fs -copyFromLocal weiguo.txt /sanguo

moveFromLocal 和 copy 两者差不多，但是唯一的区别就是在本地是否还有原来的文件。

-put：等同于 copyFromLocal，生产环境更习惯用 put
-appendToFile：追加一个文件到已经存在的文件末尾

2.3.3 下载

-copyToLocal：从 HDFS 拷贝到本地

hadoop fs -copyToLocal  /sanguo/shuguo.txt ./

-get：等同于 copyToLocal，生产环境更习惯用 get

2.3.4 HDFS 直接操作

-ls  :显示目录信息
-cat  ：显示文件内容
-chgrp 、-chmod 、 -chown ：修改文件所属权限
-mkdir  创建文件夹
-cp   在HDFS 中将一个文件copy 到另一个文件中
-tail 显示尾部1kb 文件
-mv   操作文件    目的地址
# 如果目的地址为空就是给文件重命名  
# 如果目的地址是文件夹则会移动到文件夹内
vim  文件路径（linux 命令）
# 如果文件不存在就会创建新的文件
-cp   操作文件的路径    目的路径
# 如果目的路径存在是一个文件夹，就会cp 到文件夹下面
# 如果不存在就会以重命名的方式复制这个文件
-tail 显示文件的尾部1kb 内容
-cat 显示文件内容
-chmod   修改或添加的权限    文件路径
-chown   创建者： 组别   文件路径
设置文件组别
-rm  删除某个文件
-rm -r 递归删除文件
-du    用来查看文件占用大小   总大小
-du -s  -h  或者   -s   查看文件夹总共的大小    文件大小  总占用，两个相比就是副本数量
-du  -h  查询的是每个文件的大小
-setrep 设置HDFS中文副本数量

注意：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。

3.HDFS 的 API 操作

3.1 客户端环境准备

将Window 下的依赖 hadoop-3.10 文件放在相应的路径下
配置 HADOOP_HOME 环境变量和 path 环境变量

注意：点击winutil.exe 进行运行是否正常来判断是否配置成功

创建一个 maven 工程引入相应的依赖

<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>

在项目的 src/main/resources 目录下，新建一个文件，命名为“log4j.properties”，在文件中填入,配置文件的日志

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

写一个测试类 HdfsClient

public class HdfsClient {
 @Test
 public void testMkdirs() throws IOException, URISyntaxException, 
InterruptedException {
 // 1 获取文件系统
     Configuration configuration = new Configuration();
 // FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration);
   FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration,"atguigu");
 // 2 创建目录
    fs.mkdirs(new Path("/xiyou/huaguoshan/"));
  // 3 关闭资源
    fs.close();
 } }

基本测试完成，将连接过程和关闭过程封装成工具类

	private FileSystem fileSystem;
	
	@Before
	public void init() throws URISyntaxException, IOException, InterruptedException {
		// 连接的集群 nn 的地址
		URI uri = new URI("hdfs://hadoop102:8020");
		// 创建一个配置文件
		Configuration configuration = new Configuration();
		
		// 1. 获取到客户端对象
		fileSystem = FileSystem.get(uri, configuration,"rose");
	}
	
	@After
	public void close() throws IOException {
		// 3. 关闭连接
		fileSystem.close();
	}
    /**
	 * @Test 测试方法，其中before 和 after 一个是进行前置执行，一个是进行后置的执行
	 * @throws IOException 创建Path抛出的异常，文件的IO 异常
	 */
	@Test
	public void testMkdirs() throws IOException {
		
		//init();
		// 2. 执行相关的命令
		fileSystem.mkdirs(new Path("/xiyou/huguoshan/"));
		
		//close();
	}

注意：客户端去操作 HDFS 时，是有一个用户身份的。默认情况下，HDFS 客户端 API 会从采

用 Windows 默认用户访问 HDFS，会报权限异常错误。所以在访问 HDFS 时，一定要配置

用户。

3.2 HDFS 的API 实操

3.2.1 文件上传

    /**
	 *  参数优先级
	 *   hdfs-default.xml => hdfs-set.xml => 在项目资源目录下的配置文件 => 代码里的
	 *   Configuration 中的set 方法将配置 key-value 进行填入。
	 * @throws IOException
	 */
	@Test
	public void testPut() throws IOException {
		/**
		 *  boolean delSrc, 是否删除原文件
		 *  boolean overwrite,  是否覆盖
		 *  Path src,  源文件路径
		 *  Path dst   目标路径
		 */
		fileSystem.copyFromLocalFile(true,true,
			new Path("D:\\1111\\ly.jpeg"),
			new Path("/xiyou"));
	}

注意：如果在客户端中HDFS集群进行配置，配置文件的顺序优先级一定要注意

默认的配置文件hdfs-default.xml，几乎所有的配置都在里面，都有默认值。我们都是对这个文件中的一些值进行覆盖。
hdfs-set.xml 自定义配置，在集群层面对，HDFS 集群的配置进行一个覆盖
将 hdfs-set.xml 复制到项目的resource 目录下，客户端启动的时候就会生效，对某些配置进行再次覆盖
代码中再连接客户端的时候需要创建连接对象，需要创建一个配置文件，这个配置文件就是用来，在不同的连接中作为不同的配置对原有配置进行重新。再次覆盖。

Configuration configuration = new Configuration();
// 配置hdfs 中副本的数量
configuration.set("dfs.replication", "2");

3.2.2 文件下载

@Test
public void testGet() throws IOException {
   /**
    * boolean delSrc,  是否删除hdfs 中的源文件
    * Path src,        hdfs 源文件路径
    * Path dst,        目标路径
    * boolean useRawLocalFileSystem 下载文件是否进行校验
    */
   fileSystem.copyToLocalFile(false,
      new Path("/xiyou/ly.jpeg"),
      new Path("D:\\1111"),true);
}

注意：如果执行上面代码，下载不了文件，有可能是你电脑的微软支持的运行库少，需要安装一下微软运行库。

3.2.3 HDFS文件更名和移动

/**
 *  如果在相同的文件夹中移动 则被视为修改名称
 *  如果在不同的文件夹中移动就是将文件整个进行移动
 *  如果目标的路径不存在，就会在存在的下一级目录下用不存在的名称对源文件重命名
 */
@Test
public void testMv() throws IOException {
   /**
    * path 源文件
    * path 目标路径
    */
   fileSystem.rename(new Path("/xiyou"),
      new Path("/xiyouji"));
}

3.2.4 HDFS 删除文件

@Test
   public void testDelete() throws IOException {
      /**
       * path 删除文件或目录
       * boolean 是否递归删除
       */
//    fileSystem.delete(new Path("/jdk-8u212-linux-x64.tar.gz"),false);
      
      fileSystem.delete(new Path("/xiyou"),true);
   }

3.2.5 HDFS 文件详情查看

@Test
public void testListFile() throws IOException {
   /**
    * Path f, 源文件的路径
    * boolean recursive   是否递归
    * @return  返回一个迭代器
    */
   RemoteIterator<LocatedFileStatus> iterator = fileSystem.listFiles(new Path("/"), true);
   
   // 进行迭代
   while (iterator.hasNext()) {
      // 获取每个文件
      LocatedFileStatus fileStatus = iterator.next();
      // 打印出每个文件的信息
      System.out.println("=========="+fileStatus.getPath()+"===========");// 路径
      System.out.println(fileStatus.getPermission()); //  权限
      System.out.println(fileStatus.getOwner());  // 创建者
      System.out.println(fileStatus.getGroup()); // 组别
      System.out.println(fileStatus.getLen());  // 大小
      System.out.println(fileStatus.getModificationTime()); // 上传时间
      System.out.println(fileStatus.getReplication());  // 副本数量
      System.out.println(fileStatus.getBlockSize());  // block 大小
      System.out.println(fileStatus.getPath().getName()); // 文件的名称
           // 获取块信息
      BlockLocation[] blockLocations = fileStatus.getBlockLocations();
      System.out.println(Arrays.toString(blockLocations)); // 具体文件块的详情
       
   }
   
}

3.2.6 HDFS文件和文件夹判断

@Test
public void testIsFile() throws IOException {
   
   FileStatus[] fileStatuses = fileSystem.listStatus(new Path("/"));
   
   for(FileStatus fileStatus : fileStatuses){
      
      if (fileStatus.isFile()) {
         System.out.println( fileStatus.getPath().getName() +"文件" );
      }else {
         System.out.println( fileStatus.getPath().getName() +"目录" );
      }
   }
}

4. HDFS 的读写流程（面试重点）

4.1 HDFS 数据的写入流程

4.1.1 文件的写入

在这里插入图片描述

（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。（重复执行 3-7 步）。

4.1.2网络拓扑-节点距离计算

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。那么这个最近距离怎么计算呢？

节点距离：两个节点到达最近的共同祖先的距离总和。

Distance(/d1/r1/n0, /d1/r1/n0)=0（同一节点上的进程）

Distance(/d1/r2/n0, /d1/r3/n2)=4（同一数据中心不同机架上的节点）

Distance(/d1/r1/n1, /d1/r1/n2)=2（同一机架上的不同节点）

Distance(/d1/r2/n1, /d2/r4/n1)=6（不同数据中心的节点）

4.1.3 机架感知（副本存储节点选择）

机架感知说明

http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication

源码说明

Crtl + n 查找 BlockPlacementPolicyDefault，在该类中查找 chooseTargetInOrder 方法。

Hadoop3.1.3 副本节点选择

第一个副本在Client所处的节点上。如果客户端在集群外，随机选一个。
第二个副本在另一个机架的随机一个节点
第三个副本在第二个副本所在机架的随机节点

4.2 HDFS 读数据流程

在这里插入图片描述

（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。

5. NameNode 和 SecondaryNameNode

5.1 NN 和 2NN工作机制

思考：NameNode 中的元数据是存储在哪里的？

首先，我们做个假设，如果存储在 NameNode 节点的磁盘中，因为经常需要进行随机访

问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在

内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的

FsImage。

这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新 FsImage，就会导

致效率过低，但如果不更新，就会发生一致性问题，一旦 NameNode 节点断电，就会产生数

据丢失。因此，引入 Edits 文件（只进行追加操作，效率很高）。每当元数据有更新或者添

加元数据时，修改内存中的元数据并追加到 Edits 中。这样，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。

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

（1）Secondary NameNode 询问 NameNode 是否需要 CheckPoint。直接带回 NameNode

是否检查结果。

（2）Secondary NameNode 请求执行 CheckPoint。

（3）NameNode 滚动正在写的 Edits 日志。

（4）将滚动前的编辑日志和镜像文件拷贝到 Secondary NameNode。

（5）Secondary NameNode 加载编辑日志和镜像文件到内存，并合并。

（6）生成新的镜像文件 fsimage.chkpoint。

（7）拷贝 fsimage.chkpoint 到 NameNode。

（8）NameNode 将 fsimage.chkpoint 重新命名成 fsimage。

5.2 Fsimage和Edits解析

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

fsimage_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION

（1）Fsimage文件：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。

（2）Edits文件：存放HDFS文件系统的所有更新操作的路径，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。

（3）seen_txid文件保存的是一个数字，就是最后一个edits_的数字

（4）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。

5.2.1 oiv 查看 Fsimage 文件

查看 oiv 和 oev 命令

@hadoop102 current]$ hdfs
oiv apply the offline fsimage viewer to an fsimage
oev apply the offline edits viewer to an edits file

基本语法

hdfs oiv -p 文件类型 -i 镜像文件 -o 转换后文件输出路径

案例实操

 @hadoop102 current]$ hdfs oiv -p XML -i
 fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml
 @hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml

将显示的 xml 文件内容拷贝到 Idea 中创建的 xml 文件中，并格式化。部分显示结果如下。

<?xml version="1.0"?>

<INodeSection><lastInodeId>16419</lastInodeId><numInodes>25</numInodes><inode><id>16385</id><type>DIRECTORY</type><name></name><mtime>1638753923839</mtime><permission>rose:supergroup:0755</permission><nsquota>9223372036854775807</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16386</id><type>DIRECTORY</type><name>input</name><mtime>1637046199094</mtime><permission>rose:supergroup:0755</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16387</id><type>FILE</type><name>word.txt</name><replication>3</replication><mtime>1637046199085</mtime><atime>1637046197550</atime><preferredBlockSize>134217728</preferredBlockSize><permission>rose:supergroup:0644</permission><blocks><block><id>1073741825</id><genstamp>1001</genstamp><numBytes>38</numBytes></block>
</blocks>
<storagePolicyId>0</storagePolicyId></inode>
<inode><id>16389</id><type>DIRECTORY</type><name>tmp</name><mtime>1637046924176</mtime><permission>rose:supergroup:0700</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16390</id><type>DIRECTORY</type><name>hadoop-yarn</name><mtime>1637046924176</mtime><permission>rose:supergroup:0700</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16391</id><type>DIRECTORY</type><name>staging</name><mtime>1637047747817</mtime><permission>rose:supergroup:0700</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16392</id><type>DIRECTORY</type><name>rose</name><mtime>1637046924176</mtime><permission>rose:supergroup:0700</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16393</id><type>DIRECTORY</type><name>.staging</name><mtime>1637046924380</mtime><permission>rose:supergroup:0700</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16394</id><type>DIRECTORY</type><name>job_1637045801160_0001</name><mtime>1637046924793</mtime><permission>rose:supergroup:0700</permission><xattrs><xattr><ns>SYSTEM</ns><name>hdfs.erasurecoding.policy</name><val>\0000;\0000;\0000;\000b;replication</val></xattr></xattrs><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16395</id><type>FILE</type><name>job.jar</name><replication>10</replication><mtime>1637046924642</mtime><atime>1637046924457</atime><preferredBlockSize>134217728</preferredBlockSize><permission>rose:supergroup:0644</permission><blocks><block><id>1073741828</id><genstamp>1004</genstamp><numBytes>316382</numBytes></block>
</blocks>
<storagePolicyId>0</storagePolicyId></inode>
<inode><id>16396</id><type>FILE</type><name>job.split</name><replication>10</replication><mtime>1637046924744</mtime><atime>1637046924709</atime><preferredBlockSize>134217728</preferredBlockSize><permission>rose:supergroup:0644</permission><blocks><block><id>1073741829</id><genstamp>1005</genstamp><numBytes>108</numBytes></block>
</blocks>
<storagePolicyId>0</storagePolicyId></inode>
<inode><id>16397</id><type>FILE</type><name>job.splitmetainfo</name><replication>3</replication><mtime>1637046924788</mtime><atime>1637046924747</atime><preferredBlockSize>134217728</preferredBlockSize><permission>rose:supergroup:0644</permission><blocks><block><id>1073741830</id><genstamp>1006</genstamp><numBytes>43</numBytes></block>
</blocks>
<storagePolicyId>0</storagePolicyId></inode>
<inode><id>16398</id><type>FILE</type><name>job.xml</name><replication>3</replication><mtime>1637046924987</mtime><atime>1637046924793</atime><preferredBlockSize>134217728</preferredBlockSize><permission>rose:supergroup:0644</permission><blocks><block><id>1073741831</id><genstamp>1007</genstamp><numBytes>184985</numBytes></block>
</blocks>
<storagePolicyId>0</storagePolicyId></inode>
<inode><id>16399</id><type>DIRECTORY</type><name>history</name><mtime>1637047747836</mtime><permission>rose:supergroup:0770</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16400</id><type>DIRECTORY</type><name>done</name><mtime>1637047747817</mtime><permission>rose:supergroup:0770</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16401</id><type>DIRECTORY</type><name>done_intermediate</name><mtime>1637047747836</mtime><permission>rose:supergroup:1777</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16402</id><type>DIRECTORY</type><name>sanguo</name><mtime>1638719991917</mtime><permission>rose:supergroup:0755</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16404</id><type>FILE</type><name>jinguo</name><replication>3</replication><mtime>1638615591935</mtime><atime>1638719932404</atime><preferredBlockSize>134217728</preferredBlockSize><permission>rose:rose:0666</permission><blocks><block><id>1073741833</id><genstamp>1012</genstamp><numBytes>14</numBytes></block>
</blocks>
<storagePolicyId>0</storagePolicyId></inode>
<inode><id>16405</id><type>FILE</type><name>chuguo.txt</name><replication>3</replication><mtime>1638615429716</mtime><atime>1638661727465</atime><preferredBlockSize>134217728</preferredBlockSize><permission>rose:supergroup:0644</permission><blocks><block><id>1073741834</id><genstamp>1010</genstamp><numBytes>7</numBytes></block>
</blocks>
<storagePolicyId>0</storagePolicyId></inode>
<inode><id>16409</id><type>FILE</type><name>liubei.txt</name><replication>3</replication><mtime>1638662948574</mtime><atime>1638719816869</atime><preferredBlockSize>134217728</preferredBlockSize><permission>rose:supergroup:0644</permission><blocks><block><id>1073741837</id><genstamp>1014</genstamp><numBytes>14</numBytes></block>
</blocks>
<storagePolicyId>0</storagePolicyId></inode>
<inode><id>16410</id><type>FILE</type><name>weiguo.txt</name><replication>3</replication><mtime>1638663106009</mtime><atime>1638719915759</atime><preferredBlockSize>134217728</preferredBlockSize><permission>rose:supergroup:0644</permission><blocks><block><id>1073741838</id><genstamp>1015</genstamp><numBytes>7</numBytes></block>
</blocks>
<storagePolicyId>0</storagePolicyId></inode>
<inode><id>16416</id><type>DIRECTORY</type><name>xiyouji</name><mtime>1638719992170</mtime><permission>rose:supergroup:0755</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16417</id><type>DIRECTORY</type><name>huguoshan</name><mtime>1638719992170</mtime><permission>rose:supergroup:0755</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16418</id><type>DIRECTORY</type><name>xiyou</name><mtime>1638753923840</mtime><permission>rose:supergroup:0755</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
<inode><id>16419</id><type>DIRECTORY</type><name>huguoshan</name><mtime>1638753923840</mtime><permission>rose:supergroup:0755</permission><nsquota>-1</nsquota><dsquota>-1</dsquota></inode>
</INodeSection>
<INodeReferenceSection></INodeReferenceSection><SnapshotSection><snapshotCounter>0</snapshotCounter><numSnapshots>0</numSnapshots></SnapshotSection>
<INodeDirectorySection><directory><parent>16385</parent><child>16405</child><child>16386</child><child>16404</child><child>16402</child><child>16389</child><child>16418</child><child>16416</child></directory>
<directory><parent>16386</parent><child>16387</child></directory>
<directory><parent>16389</parent><child>16390</child></directory>
<directory><parent>16390</parent><child>16391</child></directory>
<directory><parent>16391</parent><child>16399</child><child>16392</child></directory>
<directory><parent>16392</parent><child>16393</child></directory>
<directory><parent>16393</parent><child>16394</child></directory>
<directory><parent>16394</parent><child>16395</child><child>16396</child><child>16397</child><child>16398</child></directory>
<directory><parent>16399</parent><child>16400</child><child>16401</child></directory>
<directory><parent>16402</parent><child>16409</child><child>16410</child></directory>
<directory><parent>16416</parent><child>16417</child></directory>
<directory><parent>16418</parent><child>16419</child></directory>
</INodeDirectorySection>
<FileUnderConstructionSection></FileUnderConstructionSection>
<SecretManagerSection><currentId>0</currentId><tokenSequenceNumber>0</tokenSequenceNumber><numDelegationKeys>0</numDelegationKeys><numTokens>0</numTokens></SecretManagerSection><CacheManagerSection><nextDirectiveId>1</nextDirectiveId><numDirectives>0</numDirectives><numPools>0</numPools></CacheManagerSection>
</fsimage>

思考：可以看出，Fsimage 中没有记录块所对应 DataNode，为什么？

在集群启动后，要求 DataNode 上报数据块信息，并间隔一段时间后再次上报。

5.2.2 oev 查看 edits 文件

（1）基本语法

hdfs oev -p 文件类型 -i 编辑日志 -o 转换后文件输出路径

（2）案例实操

[jack@hadoop102 current]$ hdfs oev -p XML -i
edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml
[jack@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml

将显示的 xml 文件内容拷贝到 Idea 中创建的 xml 文件中，并格式化。显示结果如下。

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<EDITS>
  <EDITS_VERSION>-64</EDITS_VERSION>
  <RECORD>
    <OPCODE>OP_START_LOG_SEGMENT</OPCODE>
    <DATA>
      <TXID>210</TXID>
    </DATA>
  </RECORD>
  <RECORD>
    <OPCODE>OP_END_LOG_SEGMENT</OPCODE>
    <DATA>
      <TXID>211</TXID>
    </DATA>
  </RECORD>
</EDITS>

NameNode 如何确定下次开机启动的时候合并哪些 Edits？

edits 中的记录的操作是全的，而fsimage 保存的数据不是完整的，从fsimage 开始记录开始合并 edits 文件的操作。

5.3 CheckPoint 时间设置

通常情况下，SecondaryNameNode每隔一小时执行一次。

[hdfs-default.xml]

<property>
 <name>dfs.namenode.checkpoint.period</name>
 <value>3600s</value>
</property>

一分钟检查一次操作次数，当操作次数达到 1 **百万时，**SecondaryNameNode 执行一次。

<property>
	<name>dfs.namenode.checkpoint.txns</name>
 	<value>1000000</value>
	<description>操作动作次数</description>
</property>
<property>
 	<name>dfs.namenode.checkpoint.check.period</name>
 	<value>60s</value>
	<description> 1 分钟检查一次操作次数</description>
</property>

6. DataNode

6.1DataNode 工作机制

在这里插入图片描述

（1）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。

（2）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。

DN 向 NN 汇报当前解读信息的时间间隔，默认 6 小时；

<property>
	<name>dfs.blockreport.intervalMsec</name>
	<value>21600000</value>
	<description>Determines block reporting interval in milliseconds.</description>
</property>

DN 扫描自己节点块信息列表的时间，默认 6 小时

<property>
	<name>dfs.datanode.directoryscan.interval</name>
	<value>21600s</value>
	<description>Interval in seconds for Datanode to scan data
        directories and reconcile the difference between blocks in memory and on the disk.
Support multiple time unit suffix(case insensitive), as described
in dfs.heartbeat.interval.
	</description>
</property>

（3）心跳是每 3 秒一次，心跳返回结果带有 NameNode 给该 DataNode 的命令如复制块

数据到另一台机器，或删除某个数据块。如果超过 10 分钟没有收到某个 DataNode 的心跳，

则认为该节点不可用。

（4）集群运行中可以安全加入和退出一些机器。

6.2 数据完整性

思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），

但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理 DataNode 节点上的数据

损坏了，却没有发现，是否也很危险，那么如何解决呢？

如下是 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。

6.3 掉线时限参数设置

1、DataNode进程死亡或者网络故障造成DataNode无法与NameNode通信

2、NameNode不会立即把该节点判定为死亡，要经过一段时间，这段时间暂称作超时时长。

3、HDFS默认的超时时长为10分钟+30秒。

4、如果定义超时时间为TimeOut，则超时时长的计算公式为：

TimeOut = 2 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval。

而默认的dfs.namenode.heartbeat.recheck-interval 大小为5分钟，dfs.heartbeat.interval默认为3秒。

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。

<property>
	 <name>dfs.namenode.heartbeat.recheck-interval</name>
	 <value>300000</value>
</property>
<property>
	 <name>dfs.heartbeat.interval</name>
 	 <value>3</value>
</property>

Aphelios_King

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Hadoop 深入浅出----HDFS（2）

Hadoop( HDFS )1.HDFS 概述1.1 HDFS 产出背景及定义1.1.1 HDFS 产生背景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。1.1.2 HDFS 定义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；
复制链接

扫一扫