走进HDFS

HDFS是Hadoop的分布式文件系统，也是Hadoop能够经久不衰的原因

一、为什么Hadoop在创立的时候没有引用其他的分布式文件系统？

这里不得不提到Hadoop的四大特点，即分而治之、并行计算、计算向数据移动以及数据本地化读取。Hadoop为了确保可以更好地支持其分布式计算，就诞生了HDFS。

二、HDFS

2.1 存储模型

• 文件线性按字节切割成块(block)，具有offset，id
• 文件与文件的block大小可以不一样
• 一个文件除最后一个block，其他block大小一致
• block的大小依据硬件的I/O特性调整
• block被分散存放在集群的节点中，具有location
• Block具有副本(replication)，没有主从概念，副本不能出现在同一个节点
• 副本是满足可靠性和性能的关键
• 文件上传可以指定block大小和副本数，上传后只能修改副本数
• 一次写入多次读取，不支持修改
• 支持追加数据
  

2.2 架构设计

• HDFS是一个主从(Master/Slaves)架构
• 由一个NameNode和一些DataNode组成
• 面向文件包含：文件数据(data)和文件元数据(metadata)
• NameNode负责存储和管理文件元数据，并维护了一个层次型的文件目录树
• DataNode负责存储文件数据(block块)，并提供block的读写
• DataNode与NameNode维持心跳，并汇报自己持有的block信息
• Client和NameNode交互文件元数据和DataNode交互文件block数据
  -

2.3 角色功能

NameNode

- 完全基于内存存储文件元数据、目录结构、文件block的映射
- 需要持久化方案保证数据可靠性
- 提供副本放置策略

DataNode

- 基于本地磁盘存储block(文件的形式)
- 并保存block的校验和数据保证block的可靠性
- 与NameNode保持心跳，汇报block列表状态

2.4 元数据持久化

• 任何对文件系统元数据产生修改的操作，Namenode都会使用一种称为EditLog的事务日志记录下来
• 使用FsImage存储内存所有的元数据状态
• 使用本地磁盘保存EditLog和FsImage
• EditLog具有完整性，数据丢失少，但恢复速度慢，并有体积膨胀风险
• FsImage具有恢复速度快，体积与内存数据相当，但不能实时保存，数据丢失多
• NameNode使用了FsImage+EditLog整合的方案：
  • 滚动将增量的EditLog更新到FsImage，以保证更近时点的FsImage和更小的EditLog体积

2.5 安全模式

• HDFS搭建时会格式化，格式化操作会产生一个空的FsImage
• 当Namenode启动时，它从硬盘中读取Editlog和FsImage
• 将所有Editlog中的事务作用在内存中的FsImage上
• 并将这个新版本的FsImage从内存中保存到本地磁盘上
• 然后删除旧的Editlog，因为这个旧的Editlog的事务都已经作用在FsImage上了
• Namenode启动后会进入一个称为安全模式的特殊状态。
• 处于安全模式的Namenode是不会进行数据块的复制的。
• Namenode从所有的 Datanode接收心跳信号和块状态报告。
• 每当Namenode检测确认某个数据块的副本数目达到这个最小值，那么该数据块就会被认为是副本安全(safely replicated)的。
• 在一定百分比（这个参数可配置）的数据块被Namenode检测确认是安全之后（加上一个额外的30秒等待时间），Namenode将退出安全模式状态。
• 接下来它会确定还有哪些数据块的副本没有达到指定数目，并将这些数据块复制到其他Datanode上。
• HDFS中的SNN
  • SecondaryNameNode（SNN）
    • 在非Ha模式下，SNN一般是独立的节点，周期完成对NN的EditLog向FsImage合并，减少EditLog大小，减少NN启动时间
    • 根据配置文件设置的时间间隔fs.checkpoint.period 默认3600秒 （一小时）
    • 根据配置文件设置edits log大小 fs.checkpoint.size 规定edits文件的最大值默认是64MB
      

2.6 副本放置策略

• 第一个副本：放置在上传文件的DN；如果是集群外提交，则随机挑选一台磁盘不太满，CPU不太忙的节点。
• 第二个副本：放置在于第一个副本不同的 机架的节点上。
• 第三个副本：与第二个副本相同机架的节点。
• 更多副本：随机节点。

2.7 读写流程

HDFS写流程

1. Client和NN连接创建文件元数据
2. NN判定元数据是否有效
3. NN处发副本放置策略，返回一个有序的DN列表
4. Client和DN建立Pipeline连接
5. Client将块切分成packet（64KB），并使用chunk（512B）+chucksum（4B）填充
6. Client将packet放入发送队列dataqueue中，并向第一个DN发送
7. 第一个DN收到packet后本地保存并发送给第二个DN
8. 第二个DN收到packet后本地保存并发送给第三个DN
9. 这一个过程中，上游节点同时发送下一个packet
10. 生活中类比工厂的流水线：结论：流式其实也是变种的并行计算
11. Hdfs使用这种传输方式，副本数对于client是透明的
12. 当block传输完成，DN们各自向NN汇报，同时client继续传输下一个block
13. 所以，client的传输和block的汇报也是并行的

HDFS读流程

• 为了降低整体的带宽消耗和读取延时，HDFS会尽量让读取程序读取离它最近的副本。
• 如果在读取程序的同一个机架上有一个副本，那么就读取该副本。
• 如果一个HDFS集群跨越多个数据中心，那么客户端也将首先读本地数据中心的副本。
• 语义：下载一个文件：
  • Client和NN交互文件元数据获取fileBlockLocation
  • NN会按距离策略排序返回
  • Client尝试下载block并校验数据完整性
• 语义：下载一个文件其实是获取文件的所有的block元数据，那么子集获取某些block应该成立
  • Hdfs支持client给出文件的offset自定义连接哪些block的DN，自定义获取数据
  • 这个是支持计算层的分治、并行计算的核心

2.8 安全策略

• 冗余副本策略
• 机架策略
• 心跳机制
• 安全模式
• 校验和
• 回收站
• 元数据保护
• 快照机制

拓展阅读 https://cloud.tencent.com/developer/article/2066694