HDFS中的概念解析

1 HDFS block块

• HDFS3.x上的文件，以128M（不足128M的以实际大小存储）为单位，切分成一个个block，分散的存储在集群的不同数据节点datanode上

• 采用的是3副本技术

• 设置指定文件（例如：test）副本数

hdfs dfs -setrep -R 4 /test

• 查看文件的块信息

hdfs fsck /test -files -blocks -locations

2 HDFS体系架构

HDFS有metadata(元数据)，其存储在nameNode的内存中。

• 管理节点(nameNode)，负责管理文件系统和命名空间，存放HDFS的元数据。
• 元数据：文件系统树、所有的文件和目录、每个文件的块列表、块所在的dataNode等信息。
• 文件、block、目录占用大概150Byte的元数据，所以HDFS适合存储大文件，不适合存储小文件。
• 元数据信息以命名空间镜像文件fsimage和编辑日志(edits log)的方式保存；其中，fsimage是指元数据镜像文件，保存了文件系统的目录树信息以及文件和块的对应关系；edits log是日志文件，保存文件系统的更改记录。
  

3 HDFS副本存储策略

第一副本：存储在上传文件的DataNode上；如果是集群外上传，则随机挑选一台磁盘不太慢、CPU不太忙的DataNode节点上；

第二副本：存储在与第一个副本不同的机架的节点上；

第三副本：存储在与第二个副本相同机架的不同节点上；

如果还有更多的副本：随机放在节点中；

注意

• HDFS中存储的文件的副本数由上传文件时设置的副本数决定。无论以后怎么更改系统副本系数，这个文件的副本数都不会改变。
• 在上传文件时优先使用CLI中指定的副本数，如果CLI没有指定则使用hdfs-site.xml中dfs.replication设置的默认值。

4 HDFS机制

4.1 HDFS心跳机制

HDFS心跳机制的工作原理

• master启动的时候，会开启一个ipc server。
• slave启动后连接master，每隔3秒钟向master发送一个“心跳”并携带状态信息。
• master通过这个心跳的返回值，向slave节点传达指令。

HDFS心跳机制的作用

• NameNode负责数据块的复制，它周期性的接收集群中的每个DataNode发送过来的心跳信号和块状态报告(Blockreport)。NameNode可以接收到DataNode的心跳信号，则意味着该DataNode节点工作正常。块状态报告包含DataNode上所有数据块的列表。
• DataNode启动成功后注册到NameNode上，注册成功后，DataNode周期性(1小时)的向NameNode上报所有块列表。DataNode每3秒向NameNode发送一次心跳，同时返回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NameNode超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。
• hadoop集群刚启动时，会进入安全模式（99.9%=启动的block个数/全部的block个数），这时就用到了心跳机制。

元数据存储在NameNode的内存中，其带来的问题的解决办法

Secondary NameNode 从Primary NameNode取回fsimage和edits，然后将两者合并成fsimage.ckpt文件并传输到Primary NameNode中，然后把fsimage.ckpt文件持久化到Primary NameNode的硬盘上成为fsimage文件，新发生的edits也会持久化到硬盘上。如果Primary NameNode发生宕机重启后会把两者都加载到其内存，从而保证元数据的不丢失。

4.2 HDFS负载均衡

负载均衡简介

Hadoop的HDFS集群非常容易出现机器与机器之间磁盘利用率不平衡的情况，例如：当集群内新增、删除节点，或者某个节点机器内硬盘存储达到饱和值。当数据不平衡时，Map任务可能会分配到没有存储数据的机器，这将导致网络带宽的消耗，也无法很好的进行本地计算。当HDFS负载不均衡时，需要对HDFS进行数据的负载均衡调整，即对各节点机器上数据的存储分布进行调整。从而，让数据均匀的分布在各个DataNode上，均衡IO性能，防止热点的发生。进行数据的负载均衡调整，必须要满足如下原则：

• 数据平衡不能导致数据块减少，数据块备份丢失
• 管理员可以中止数据平衡进程
• 每次移动的数据量以及占用的网络资源，必须是可控的
• 数据均衡过程，不能影响namenode的正常工作

HDFS数据负载均衡原理

数据均衡过程的核心是一个数据均衡算法，该数据均衡算法将不断迭代数据均衡逻辑，直至集群内数据均衡为止。该数据均衡算法每次迭代的逻辑步骤如下：

• 数据均衡服务（Rebalancing Server）首先要求 NameNode 生成 DataNode 数据分布分析报告,获取每个DataNode磁盘使用情况。
• Rebalancing Server汇总需要移动的数据分布情况，计算具体数据块迁移路线图。数据块迁移路线图，确保网络内最短路径。
• 开始数据块迁移任务，Proxy Source Data Node复制一块需要移动的数据块。
• 将复制的数据块复制到目标DataNode上。
• 删除原始数据块。
• 目标DataNode向Proxy Source Data Node确认该数据块迁移完成。
• Proxy Source Data Node向Rebalancing Server确认本次数据块迁移完成。然后继续执行这个过程，直至集群达到数据均衡标准。

DataNode分组

在上述的第2步中，HDFS会把当前的DataNode节点,根据阈值的设定情况划分到Over、Above、Below、Under四个组中。在移动数据块的时候，Over组、Above组中的块向Below组、Under组移动。四个组定义如下：

• Over组 ：此组中的DataNode的均满足DataNode_usedSpace_percent > Cluster_usedSpace_percent + threshold
• Above组 ：此组中的DataNode的均满足Cluster_usedSpace_percent + threshold > DataNode_ usedSpace _percent >Cluster_usedSpace_percent
• Below组 ：此组中的DataNode的均满足Cluster_usedSpace_percent > DataNode_ usedSpace_percent > Cluster_ usedSpace_percent – threshold
• Under组 ：此组中的DataNode的均满足Cluster_usedSpace_percent – threshold > DataNode_usedSpace_percent

HDFS 数据自动平衡脚本使用方法

在Hadoop中，包含一个start-balancer.sh脚本，通过运行这个工具，启动HDFS数据均衡服务。该工具可以做到热插拔，即无须重启计算机和 Hadoop 服务。$HADOOP_HOME/sbin/目录下的start−balancer.sh脚本就是数据均衡服务的启动脚本。启动命令为：$HADOOP_HOME/sbin/start-balancer.sh，该命令的使用实例如下：

#启动数据均衡，默认阈值为 10%
$Hadoop_home/sbin/start-balancer.sh
 
#启动数据均衡，阈值 5%
$Hadoop_home/sbin/start-balancer.sh –threshold 5
 
#停止数据均衡
$Hadoop_home/bin/stop-balancer.sh

• 影响Balancer的几个参数

  • -threshold

    • 默认设置：10，参数取值范围：0-100
    • 参数含义：判断集群是否平衡的阈值。理论上，该参数设置的越小，整个集群就越平衡

  • dfs.balance.bandwidthPerSec

    • 默认设置：1048576（1M/S）
    • 参数含义：Balancer运行时允许占用的带宽

• 在hdfs-site.xml文件中可以设置数据均衡占用的网络带宽限制

<property>
    <name>dfs.balance.bandwidthPerSec</name>
    <value>1048576</value>
    <description> Specifies the maximum bandwidth that each datanode can utilize for the balancing purpose in term of the number of bytes per second. </description>
</property>

欢迎关注我的微信公众号，不定期更新文章和大家一起学习共勉-