HDFS常用命令与调优总结

一、HDFS相关常用总结

1、HDFS文件块

• 默认是128M
• 寻址时间：就是指的查找到目标block的时间
• 寻址时间最佳为传输时间的1%
• 目前磁盘的传输速率普遍为100M/s
• block的大小应该为=传输时间*传输速率

HDFS块大小调节标准

• HDFS块设置太小会增加寻址时间
• HDFS块设置太大会导致磁盘传输数据时间明显大于寻址时间，导致处理很慢
• HDFS块的大小设置取决于传输速率，也就是最好=传输时间*传输速率

2、HDFS的shell命令

3．常用命令实操
（0）启动Hadoop集群（方便后续的测试）
[gklearlove@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
[gklearlove@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh
（1）-help：输出这个命令参数
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -help rm
（2）-ls: 显示目录信息
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -ls /
（3）-mkdir：在HDFS上创建目录
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir -p /sanguo/shuguo
（4）-moveFromLocal：从本地剪切粘贴到HDFS
[gklearlove@hadoop102 hadoop-2.7.2]$ touch kongming.txt
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs  -moveFromLocal  ./kongming.txt  /sanguo/shuguo
（5）-appendToFile：追加一个文件到已经存在的文件末尾
[gklearlove@hadoop102 hadoop-2.7.2]$ touch liubei.txt
[gklearlove@hadoop102 hadoop-2.7.2]$ vi liubei.txt
输入
san gu mao lu
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt
（6）-cat：显示文件内容
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -cat /sanguo/shuguo/kongming.txt
（7）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs  -chmod  666  /sanguo/shuguo/kongming.txt
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs  -chown  gklearlove:gklearlove   /sanguo/shuguo/kongming.txt
（8）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -copyFromLocal README.txt /
（9）-copyToLocal：从HDFS拷贝到本地
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./
（10）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
（11）-mv：在HDFS目录中移动文件
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/
（12）-get：等同于copyToLocal，就是从HDFS下载文件到本地
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./
（13）-getmerge：合并下载多个文件，比如HDFS的目录 /user/gklearlove/test下有多个文件:log.1, log.2,log.3,...
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -getmerge /user/gklearlove/test/* ./zaiyiqi.txt
（14）-put：等同于copyFromLocal
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -put ./zaiyiqi.txt /user/gklearlove/test/
（15）-tail：显示一个文件的末尾
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -tail /sanguo/shuguo/kongming.txt
（16）-rm：删除文件或文件夹
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -rm /user/gklearlove/test/jinlian2.txt
（17）-rmdir：删除空目录
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir /test
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -rmdir /test
（18）-du统计文件夹的大小信息
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -du -s -h /user/gklearlove/test
2.7 K  /user/gklearlove/test

[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -du  -h /user/gklearlove/test
1.3 K  /user/gklearlove/test/README.txt
15     /user/gklearlove/test/jinlian.txt
1.4 K  /user/gklearlove/test/zaiyiqi.txt
（19）-setrep：设置HDFS中文件的副本数量
[gklearlove@hadoop102 hadoop-2.7.2]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt
 
图3-3  HDFS副本数量
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相关实用概念总结

• HDFS写数据时，NameNode会判断哪个DataNode距离最近，然后写入，所以节点距离的计算方法是：两个节点到达最近的共同祖先的距离总和。

• Fsimage：NameNode内存中元数据序列化后形成的文件，包含HDFS文件系统的所有目录和文件inode的序列化信息

• Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据），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。

• NameNode启动过程：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都是最新、同步的。NameNode启动时就会将Fsimage和Edits合并

• 集群安全模式：

  • NameNode启动（此时处于安全模式）：首先将镜像文件载入内存，并执行Edits文件中的各种操作。一旦在内存中成功建立文件系统元数据的映像，则创建一个新的Fsimage文件和空的Edits日志。此时，NameNode开始监听DataNode请求。在这个过程中，NameNode一直运行在安全模式，即NameNode的文件系统对于客户端来说是只读的。

  • DataNode启动：系统的数据块的位置并不是由NameNode维护的，而是以块列表形式储存在DataNode中。在系统正常操作期间，NameNode会在内存中保留所有块位置的映射信息。在安全模式下，各个DataNode会向NameNode发送最新的块列表信息，NameNode了解到足够多的快位置信息后，即可高效运行文件系统

  • 安全模式退出判断：

    • 最小副本条件：整个文件系统99.9%的块都满足对小副本级别(默认值:dfs.replication.min=1)。此时NameNode会在30秒后退出安全模式。

  • HDFS刚刚格式化启动时，NameNode不会进入安全模式，因为系统没有任何数据块。

  • 相关命令：

    （1）bin/hdfs dfsadmin -safemode get （功能描述：查看安全模式状态）

    （2）bin/hdfs dfsadmin -safemode enter （功能描述：进入安全模式状态）

    （3）bin/hdfs dfsadmin -safemode leave （功能描述：离开安全模式状态）

    （4）bin/hdfs dfsadmin -safemode wait （功能描述：等待安全模式状态）

4、HDFS查看Fsimage和Edits

• oiv查看Fsimage文件

  hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

  例子：

  hdfs oiv -p XML -i fsimage_0000000000000000025
  

• oev查看Edits文件

  hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

  例子：

  hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-2.7.2/edits.xml
  

5、HDFS相关参数总结

• CheckPoint时间设置

  • 默认是一小时或操作次数达到1百万时SecondaryNameNode合并一次。一分钟检查一次操作次数

  • 修改步骤：

    • 文件hdfs-default.xml

    • 参数：

      #最大间隔合并时间
      <property>
        <name>dfs.namenode.checkpoint.period</name>
        <value>3600</value>
      </property>
      
      #最大间隔合并次数与检查时间
      <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>60</value>
      <description> 1分钟检查一次操作次数</description>
      </property >
      

• 掉线时限参数设置

  • 掉线定义：当DataNode进程死亡或者网络故障造成DataNode无法与NameNode通信时，NameNode不会立即把该节点判定为死亡，要经过一段时间，这段时间为超时时长，HDFS默认的超时时长为10分+30秒

  • 掉线时限公式：

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

  • 其中对应的hdfs-site.xml配置文件的两个参数：dfs.heartbeat.interval单位是秒，heartbeat.recheck.interval单位是毫秒

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

6、HDFS实用场景

• NameNode多目录配置：NameNode本地目录可以配置成多个，且内容相同，这样增加了可靠性，步骤如下：

  • 在hdfs-site.xml文件中增加如下内容

    <property>
        <name>dfs.namenode.name.dir</name>
    <value>file:///${hadoop.tmp.dir}/dfs/name1,file:///${hadoop.tmp.dir}/dfs/name2</value>
    </property>
    

  • 停止集群，删除data和logs中所有数据

    [gklearlove@hadoop102 hadoop-2.7.2]$ rm -rf data/ logs/
    [gklearlove@hadoop103 hadoop-2.7.2]$ rm -rf data/ logs/
    [gklearlove@hadoop104 hadoop-2.7.2]$ rm -rf data/ logs/
    

  • 格式化集群并启动

    [gklearlove@hadoop102 hadoop-2.7.2]$ bin/hdfs namenode –format
    [gklearlove@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
    

  • 查看结果

    [gklearlove@hadoop102 dfs]$ ll
    总用量 12
    drwx------. 3 gklearlove gklearlove 4096 12月 11 08:03 data
    drwxrwxr-x. 3 gklearlove gklearlove 4096 12月 11 08:03 name1
    drwxrwxr-x. 3 gklearlove gklearlove 4096 12月 11 08:03 name2
    

• NameNode故障处理

  • 方法一：将SecondaryNameNode中数据拷贝到NameNode存储数据的目录

    • kill -9 NameNode进程

    • 删除NameNode存储的数据（/opt/module/hadoop-2.7.2/data/tmp/dfs/name）

      [gklearlove@hadoop102 hadoop-2.7.2]$ rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*
      

    • 拷贝SecondaryNameNode中数据到原NameNode存储数据目录

      [gklearlove@hadoop102 dfs]$ scp -r gklearlove@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/
      

    • 重新启动NameNode

      [gklearlove@hadoop102 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenodebk
      

  • 方法二：使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。

    • 修改hdfs-site.xml中的

      <property>
        <name>dfs.namenode.checkpoint.period</name>
        <value>120</value>
      </property>
      
      <property>
        <name>dfs.namenode.name.dir</name>
        <value>/opt/module/hadoop-2.7.2/data/tmp/dfs/name</value>
      </property>
      

    • kill -9 NameNode进程

    • 删除NameNode存储的数据

      rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*
      

    • 如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件

      [gklearlove@hadoop102 dfs]$ scp -r gklearlove@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary ./
      
      [gklearlove@hadoop102 namesecondary]$ rm -rf in_use.lock
      
      [gklearlove@hadoop102 dfs]$ pwd
      /opt/module/hadoop-2.7.2/data/tmp/dfs
      
      [gklearlove@hadoop102 dfs]$ ls
      data  name  namesecondary
      

    • 导入检查点数据（等待一会ctrl+c结束掉）

      bin/hdfs namenode -importCheckpoint
      

    • 启动NameNode

      sbin/hadoop-daemon.sh start namenode
      

• 服役新数据节点

  • 随着业务增长，数据量增大，原来的数据节点已经无法满足，所以要增加数据节点

  • 步骤：

    • 机器准备

      1. 克隆一台相同的机器
      2. 修改IP地址和主机名称
      3. 删除原来HDFS文件系统留存的文件（/opt/module/hadoop-2.7.2/data和log）
      4. source一下配置文件

    • 配置步骤

      1. 启动DataNode:

         [gklearlove@hadoop105 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode
         [gklearlove@hadoop105 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
         

      2. 上传文件测试

         hadoop fs -put /opt/module/hadoop-2.7.2/LICENSE.txt /
         

      3. 如果数据不均衡，用命令实现集群的再平衡

         ./start-balancer.sh
         

• 退役旧数据节点

  • 添加白名单形式：在白名单内的主机节点，允许访问NameNode，不在白名单的主机节点都会被退出。配置白名单如下：

    • 在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts文件

      vi dfs.hosts
      将不需要退出的节点写入，比如hadoop4是需要退出的，那么就写1 2 3 
      hadoop1
      hadoop2
      hadoop3
      

    • 在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性

      <property>
      <name>dfs.hosts</name>
      <value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts</value>
      </property>
      

    • 配置文件分发

      xsync hdfs-site.xml
      

    • 刷新NameNode

      hdfs dfsadmin -refreshNodes
      

    • 更新ResourceManager节点

      yarn rmadmin -refreshNodes
      

    • 如果数据不均衡，就使用命令实现均衡

      ./start-balancer.sh
      

  • 添加黑名单形式：在黑名单的节点都会被强制退出，步骤如下：

    • 在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件

      [gklearlove@hadoop102 hadoop]$ pwd
      /opt/module/hadoop-2.7.2/etc/hadoop
      [gklearlove@hadoop102 hadoop]$ touch dfs.hosts.exclude
      

    • 添加需要退出的主机名

      比如这里需要让hadoop4退出
      vi dfs.hosts.exclude
      
      hadoop4
      

    • 在hdfs-site.xml配置文件中增加dfs.hosts.exclude属性

      <property>
      <name>dfs.hosts.exclude</name>
            <value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts.exclude</value>
      </property>
      

    • 刷新NameNode、刷新ResourceManager

      hdfs dfsadmin -refreshNodes
      
      yarn rmadmin -refreshNodes
      

    • 通过Web服务器查看退役状态：decommission in progress表示退役中，decommissioned表示退役成功

    • 退役成功后，停掉它的datanode和nodemanager

       sbin/hadoop-daemon.sh stop datanode
       
       sbin/yarn-daemon.sh stop nodemanager
      

    • 如果数据不均衡，就要使用命令来让集群平衡

       sbin/start-balancer.sh 
      

• DataNode多目录配置

  • DataNode也可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本

  • 具体配置如下：

    • 修改hdfs-site.xml

      <property>
              <name>dfs.datanode.data.dir</name>
      <value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>
      </property>
      

• 实现两个Hadoop集群之间的递归数据复制

  • bin/hadoop distcp
    hdfs://haoop102:9000/user/gklearlove/hello.txt hdfs://hadoop103:9000/user/gklearlove/hello.txt
    

• 小文件存档

  • HDFS存储小文件弊端：每个文件按块存储，每个块的元数据存储在NameNode的内存中，因此存储小文件会非常低效，因为存储大量小文件的元数据会耗尽NameNode中的大部分内存

  • 但是，存储小文件所需要的磁盘容量和数据块的大小无关：也就是说1M的数据使用128M的块存储，实际使用的仍然是1M磁盘空间而不是128M。

  • 解决方法：使用HDFS存档文件或叫做HAR文件。

    • HDFS存档文件(HARwenjian )：一个更高效的文件存档工具，在逻辑上将多个小文件变成一个整体。具体来说就是HDFS的小文件还是一个一个的独立文件，但是对于NameNode来说却是一个整体，也就是中间人的作用，减少了NameNode的内存。

    • 归档后的har文件不可修改，如果需要修改则需要重新归档

    • 使用步骤：

      1. 启动YARN进程

         start-yarn.sh
         

      2. 归档文件：将小文件归档称一个以.har后缀的归档文件。

         #这里把/user/gklearlove/input的所有小文件归档称一个叫做input.har的归档文件，放到/user/gklearlove/output下,注意这里都是hdfs文件系统上
         bin/hadoop archive -archiveName input.har –p  /user/gklearlove/input   /user/gklearlove/output
         

      3. 查看归档

         hadoop fs -lsr /user/gklearlove/output/input.har
         
         hadoop fs -lsr har:///user/gklearlove/output/input.har
         

      4. 解归档文件（如果只是需要归档则不需要这一步）

         hadoop fs -cp har:///user/gklearlove/output/input.har/*    /user/gklearlove
         

• 回收站：可以将删除的文件在不超时的情况下，恢复原数据。

  • 开启方式：

    • 在core-site.xml设置两个参数

      1. fs.trash.interval=文件在回收站的存活时间，默认值=0
      2. fs.trash.checkpoint.interval=检查回收站的间隔时间，默认是=0
      3. 一般来说：fs.trash.checkpoint.interval<fs.trash.interval

      数据值是分钟
      <property>
         <name>fs.trash.interval</name>
      <value>10</value>
      </property>
      <property>
         <name>fs.trash.checkpoint.interval</name>
      <value>1</value>
      </property>
      

    • 查看回收站

      路径在：

      HDFS的文件路径
      /user/gklearlove/.Trash/….
      

    • 修改访问垃圾回收站用户名称，默认是dr.who，在 core-site.xml

      <property>
        <name>hadoop.http.staticuser.user</name>
        <value>gklearlove</value>
      </property>
      

  • 使用方法

    • 在程序中删除文件不会经过回收站，需要调用moveToTrash()才进入回收站

      Trash trash = New Trash(conf);
      trash.moveToTrash(path);
      

    • 恢复回收站数据

      hadoop fs -mv
      /user/gklearlove/.Trash/Current/user/gklearlove/input    /user/gklearlove/input
      

    • 清空回收站

      hadoop fs -expunge
      

• 快照管理：快照相当于做一个备份，但不会立即复制所有文件，而是记录文件的变化

• 开启/禁用指定目录的快照功能

  开启：
  hdfs dfsadmin -allowSnapshot /user/gklearlove/input
  禁用：
  hdfs dfsadmin -disallowSnapshot /user/gklearlove/input
  

• 对目录创建快照

  创建快照(不指定名称)
  hdfs dfs -createSnapshot /user/gklearlove/input
  创建快照(指定名称)
  hdfs dfs -createSnapshot /user/gklearlove/input  快照名称
  
  查看指定目录快照
  hdfs dfs -lsr /user/gklearlove/input/.snapshot/
  

• 重命名快照

  hdfs dfs -renameSnapshot /user/gklearlove/input/  旧名称 新名称
  

• 列出当前用户所有可快照目录

  hdfs lsSnapshottableDir
  

• 比较两个快照目录的不同之处

  hdfs snapshotDiff
   /user/gklearlove/input/  .  .snapshot/gklearlove170508	
  

• 恢复快照

  hdfs dfs -cp
  /user/gklearlove/input/.snapshot/s20170708-134303.027 /user
  

• HDFS-HA高可用（需要做的事情如下，理论上）

  • 元数据管理方式需要改变
    1. 内存中各自保存一份元数据；
    2. Edits日志只有Active状态的NameNode节点可以做写操作；
    3. 两个NameNode都可以读取Edits；
    4. 共享的Edits放在一个共享存储中管理（qjournal和NFS两个主流实现）；
  • 需要一个状态管理功能模块
    • 实现了一个zkfailover，常驻在每一个namenode所在的节点，每一个zkfailover负责监控自己所在NameNode节点，利用zk进行状态标识，当需要进行状态切换时，由zkfailover来负责切换，切换时需要防止brain split现象的发生。
  • 必须保证两个NameNode之间能够ssh无密码登录
  • 隔离（Fence），即同一时刻仅仅有一个NameNode对外提供服务

• HDFS-HA高可用配置（手动转移）（在配置好ZooKeeper的基础上）：

  • 在opt目录下创建一个ha文件夹

    mkdir ha
    

  • 将/opt/app/下的 hadoop-2.7.2拷贝到/opt/ha目录下

    cp -r hadoop-2.7.2/ /opt/ha/
    

  • 配置hadoop-env.sh

    export JAVA_HOME=/opt/module/jdk1.8.0_144
    

  • 配置core-site.xml

    <configuration>
    <!-- 把两个NameNode）的地址组装成一个集群mycluster -->
    		<property>
    			<name>fs.defaultFS</name>
            	<value>hdfs://mycluster</value>
    		</property>
    
    		<!-- 指定hadoop运行时产生文件的存储目录 -->
    		<property>
    			<name>hadoop.tmp.dir</name>
    			<value>/opt/ha/hadoop-2.7.2/data/tmp</value>
    		</property>
    </configuration>
    

  • 配置hdfs-site.xml

    <configuration>
    	<!-- 完全分布式集群名称 -->
    	<property>
    		<name>dfs.nameservices</name>
    		<value>mycluster</value>
    	</property>
    
    	<!-- 集群中NameNode节点都有哪些 -->
    	<property>
    		<name>dfs.ha.namenodes.mycluster</name>
    		<value>nn1,nn2</value>
    	</property>
    
    	<!-- nn1的RPC通信地址 -->
    	<property>
    		<name>dfs.namenode.rpc-address.mycluster.nn1</name>
    		<value>hadoop102:9000</value>
    	</property>
    
    	<!-- nn2的RPC通信地址 -->
    	<property>
    		<name>dfs.namenode.rpc-address.mycluster.nn2</name>
    		<value>hadoop103:9000</value>
    	</property>
    
    	<!-- nn1的http通信地址 -->
    	<property>
    		<name>dfs.namenode.http-address.mycluster.nn1</name>
    		<value>hadoop102:50070</value>
    	</property>
    
    	<!-- nn2的http通信地址 -->
    	<property>
    		<name>dfs.namenode.http-address.mycluster.nn2</name>
    		<value>hadoop103:50070</value>
    	</property>
    
    	<!-- 指定NameNode元数据在JournalNode上的存放位置 -->
    	<property>
    		<name>dfs.namenode.shared.edits.dir</name>
    	<value>qjournal://hadoop102:8485;hadoop103:8485;hadoop104:8485/mycluster</value>
    	</property>
    
    	<!-- 配置隔离机制，即同一时刻只能有一台服务器对外响应 -->
    	<property>
    		<name>dfs.ha.fencing.methods</name>
    		<value>sshfence</value>
    	</property>
    
    	<!-- 使用隔离机制时需要ssh无秘钥登录-->
    	<property>
    		<name>dfs.ha.fencing.ssh.private-key-files</name>
    		<value>/home/gklearlove/.ssh/id_rsa</value>
    	</property>
    
    	<!-- 声明journalnode服务器存储目录-->
    	<property>
    		<name>dfs.journalnode.edits.dir</name>
    		<value>/opt/ha/hadoop-2.7.2/data/jn</value>
    	</property>
    
    	<!-- 关闭权限检查-->
    	<property>
    		<name>dfs.permissions.enable</name>
    		<value>false</value>
    	</property>
    
    	<!-- 访问代理类：client，mycluster，active配置失败自动切换实现方式-->
    	<property>
      		<name>dfs.client.failover.proxy.provider.mycluster</name>
    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
    	</property>
    </configuration>
    

  • 拷贝配置好的hadoop环境到其他节点

  • 启动HDFS-HA集群

    • 在各个JournalNode节点上，输入以下命令启动journalnode服务

      sbin/hadoop-daemon.sh start journalnode
      

    • 在[nn1]上，对其进行格式化，并启动

      	bin/hdfs namenode -format
      	sbin/hadoop-daemon.sh start namenode
      

    • 在[nn2]上，同步nn1的元数据信息

      bin/hdfs namenode -bootstrapStandby
      

    • 启动nn2

      sbin/hadoop-daemon.sh start namenode
      

    • 查看web页面显示，如图所示

- 在[nn1]上，启动所有datanode

  ```shell
  	sbin/hadoop-daemons.sh start datanode
  ```

- 将[nn1]切换为Active

  ```shell
  bin/hdfs haadmin -transitionToActive nn1
  ```

- 查看是否Active

  ```shell
  bin/hdfs haadmin -getServiceState nn1
  ```

• HDFS-HA自动故障转移工作机制

  • 自动故障转移工作机制就是指的当现役的NameNode故障时，会自动转移到备用的NameNode。部署自动故障转移需要两个新的东西：ZooKeeper和ZKFailoverController（ZKFC）进程。也就是说自动故障转移依赖ZooKeeper的故障检测功能，和现役NameNode选择功能。
    • ZooKeeper做的事情是：
      1. 故障检测：集群中的每个NameNode在ZooKeeper中维护了一个持久会话，如果机器崩溃，ZooKeeper中的会话将终止，ZooKeeper通知另一个NameNode需要触发故障转移。
      2. 现役NameNode选择：ZooKeeper提供了一个简单的机制用于唯一的选择一个节点为active状态。如果目前现役NameNode崩溃，另一个节点可能从ZooKeeper获得特殊的排外锁以表明它应该成为现役NameNode。
    • ZKFC（每个NameNode都会运行的进程，是ZooKeeper的客户端，也监视和管理NameNode的状态）做的事情是：
      1. 健康监测：ZKFC使用一个健康检查命令定期地ping与之在相同主机的NameNode，只要该NameNode及时地回复健康状态，ZKFC认为该节点是健康的。如果该节点崩溃，冻结或进入不健康状态，健康监测器标识该节点为非健康的。
      2. ZooKeeper会话管理：当本地NameNode是健康的，ZKFC保持一个在ZooKeeper中打开的会话。如果本地NameNode处于active状态，ZKFC也保持一个特殊的znode锁，该锁使用了ZooKeeper对短暂节点的支持，如果会话终止，锁节点将自动删除。
      3. 基于ZooKeeper的选择：如果本地NameNode是健康的，且ZKFC发现没有其它的节点当前持有znode锁，它将为自己获取该锁。如果成功，则它已经赢得了选择，并负责运行故障转移进程以使它的本地NameNode为Active。故障转移进程与前面描述的手动故障转移相似，首先如果必要保护之前的现役NameNode，然后本地NameNode转换为Active状态。

• 配置HDFS-HA自动故障转移（在手动基础上）

  • 在hdfs-site.xml中增加

    <property>
    	<name>dfs.ha.automatic-failover.enabled</name>
    	<value>true</value>
    </property>
    

  • 在core-site.xml文件中增加

    <property>
    	<name>ha.zookeeper.quorum</name>xml
    	<value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value>
    </property>
    

  • 启动

    • 关闭所有HDFS服务

      sbin/stop-dfs.sh
      

    • 启动Zookeeper集群

      bin/zkServer.sh start
      

    • 初始化HA在Zookeeper中状态

      bin/hdfs zkfc -formatZK
      

    • 启动HDFS服务

      sbin/start-dfs.sh
      

    • 在各个NameNode节点上启动DFSZK Failover Controller，先在哪台机器启动，哪个机器的NameNode就是Active NameNode

      sbin/hadoop-daemin.sh start zkfc
      

  • 验证

    • 将Active NameNode进程kill

      kill -9 namenode的进程id
      

    • 将Active NameNode机器断开网络

      service network stop
      

• 配置YARN-HA集群

  • 配置yarn-site.xml文件

    <configuration>
    
        <property>
            <name>yarn.nodemanager.aux-services</name>
            <value>mapreduce_shuffle</value>
        </property>
    
        <!--启用resourcemanager ha-->
        <property>
            <name>yarn.resourcemanager.ha.enabled</name>
            <value>true</value>
        </property>
     
        <!--声明两台resourcemanager的地址-->
        <property>
            <name>yarn.resourcemanager.cluster-id</name>
            <value>cluster-yarn1</value>
        </property>
    
        <property>
            <name>yarn.resourcemanager.ha.rm-ids</name>
            <value>rm1,rm2</value>
        </property>
    
        <property>
            <name>yarn.resourcemanager.hostname.rm1</name>
            <value>hadoop102</value>
        </property>
    
        <property>
            <name>yarn.resourcemanager.hostname.rm2</name>
            <value>hadoop103</value>
        </property>
     
        <!--指定zookeeper集群的地址--> 
        <property>
            <name>yarn.resourcemanager.zk-address</name>
            <value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value>
        </property>
    
        <!--启用自动恢复--> 
        <property>
            <name>yarn.resourcemanager.recovery.enabled</name>
            <value>true</value>
        </property>
     
        <!--指定resourcemanager的状态信息存储在zookeeper集群--> 
        <property>
            <name>yarn.resourcemanager.store.class</name>     <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
    </property>
    
    </configuration>
    

  • 同步更新其他节点的配置信息

  • 启动HDFS

    1. 在各个JournalNode节点上，输入以下命令启动journalnode服务：

       sbin/hadoop-daemon.sh start journalnode
       

    2. 在[nn1]上，对其进行格式化，并启动：

       bin/hdfs namenode -format
       sbin/hadoop-daemon.sh start namenode
       

    3. 在[nn2]上，同步nn1的元数据信息

       bin/hdfs namenode -bootstrapStandby
       

    4. 启动[nn2]

       sbin/hadoop-daemon.sh start namenode
       

    5. 启动所有DataNode

       sbin/hadoop-daemons.sh start datanode
       

    6. 将[nn1]切换为Active

       bin/hdfs haadmin -transitionToActive nn1
       

  • 启动YARN

    • 在hadoop102中执行：

      sbin/yarn-daemon.sh start resourcemanager
      

    • 在hadoop103中执行

      sbin/yarn-daemon.sh start resourcemanager
      

    • 查看服务状态

      bin/yarn rmadmin -getServiceState rm1
      

• HDFS Federation架构设计

  • 提出的原因：

    • NameNode架构的局限性

      1. Namespace的限制：

         由于NameNode在内存中存储所有的元数据（metadata），因此单个NameNode所能存储的对象（文件+块）数目受到NameNode所在JVM的heap size的限制。50G的heap能够存储20亿（200million）个对象，这20亿个对象支持4000个DataNode，12PB的存储（假设文件平均大小为40MB）。随着数据的飞速增长，存储的需求也随之增长。单个DataNode从4T增长到36T，集群的尺寸增长到8000个DataNode。存储的需求从12PB增长到大于100PB。

      2. 隔离问题：

         由于HDFS仅有一个NameNode，无法隔离各个程序，因此HDFS上的一个实验程序就很有可能影响整个HDFS上运行的程序。

      3. 性能的瓶颈

         由于是单个NameNode的HDFS架构，因此整个HDFS文件系统的吞吐量受限于单个NameNode的吞吐量。

  • 架构设计方案：

    • 多个NameNode，每个NameNode负责不同的业务，使用不同的Namespace（隔离性）