HDFS
一、HDFS概述
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。
1.2、HDFS概念
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。
1.3、HDFS优缺点
1.3.1、HDFS优点
-
高容错性
数据会备份多个副本(默认备份3份),当其中一份数据副本丢失,HDFS会自动恢复备份。
-
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。
1.3.2、HDFS缺点
-
不适合低延时数据访问, 像mysql快速的增删改查
-
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。
1.4、HDFS组成架构
-
NameNode(nn):就是Master,它是一个主管、管理者。
(1)管理HDFS的名称空间;
(2)配置副本策略;
(3)管理数据块(Block)映射信息;
(4)处理客户端读写请求。
-
DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作。
(1)存储实际的数据块;
(2)执行数据块的读/写操作。
-
Client:就是客户端。
(1)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;
(2)与NameNode交互,获取文件的位置信息;
(3)与DataNode交互,读取或者写入数据;
(4)Client提供一些命令来管理HDFS,比如NameNode格式化;
(5)Client可以通过一些命令来访问HDFS,比如对HDFS增删查改操作;
-
Secondary NameNode(2nn):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。
(1)辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode ;
(2)在紧急情况下,可辅助恢复NameNode
1.5、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,默认大小在Hadoop2.x/3.x版本中是128M,1.x版本中是64M。
为什么块的大小不能设置太小,也不能设置太大?
(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;
例如:一个块1kb,一个100kb的文件需要切成100块,读取这个文件时需要找到这100个块,寻找数据块的时间大大增加
(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
例如:一个块1GB,一个100kb的文件存储,读取文件时需要在1GB 磁盘里读取数据(相当于读取1GB的数据量)。
二、HDFS的Shell操作(开发重点)
2.1 基本语法
- hadoop fs 具体命令
- (或者)hdfs dfs 具体命令
2.2、常用命令
2.2.1、上传
- -moveFromLocal:从本地剪切粘贴到 HDFS
hadoop fs -moveFromLocal 本地文件路径 HDFS文件路径
#举例
hadoop fs -moveFromLocal ./test1.txt /output
-
-copyFromLocal:从本地文件系统中拷贝文件到 HDFS 路径去
hadoop fs -copyFromLocal 本地文件路径 HDFS文件路径 #举例 hadoop fs -copyFromLocal ./test2.txt /output
-
-put:等同于 copyFromLocal,生产环境更习惯用 put
hadoop fs -put 本地文件路径 HDFS文件路径 #举例 hadoop fs -put ./test3.txt /output
-
-appendToFile:追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile 本地文件路径 HDFS文件路径
#举例
hadoop fs -appendToFile ./test4.txt /output/test3.txt
2.2.2、下载
-copyToLocal:从 HDFS 拷贝到本地
hadoop fs -copyToLocal HDFS文件路径 本地文件路径
#举例
hadoop fs -copyToLocal /output/test3.txt ./
-get:等同于 copyToLocal,生产环境更习惯用 get
hadoop fs -put HDFS文件路径 本地文件路径
#举例
hadoop fs -put /output/test3.txt ./
2.2.3 HDFS直接操作
-ls: 显示目录信息
hadoop fs -ls HDFS文件路径
#举例
hadoop fs -ls /
-cat:显示文件内容
hadoop fs -cat HDFS文件路径
#举例
hadoop fs -cat /output/test3.txt
-chgrp、-chmod、-chown:Linux 文件系统中的用法一样,修改文件所属权限
hadoop fs -chmod 666 /output/test3.txt
-mkdir:创建文件夹
hadoop fs -mkdir /output/aaa
-cp:从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
hadoop fs -cp /output/test3.txt /tmp
-mv:在 HDFS 目录中移动文件
hadoop fs -cp /tmp/test3.txt /output/aaa
-tail:显示一个文件的末尾 1kb 的数据
hadoop fs -tail /output/test3.txt
-rm:删除文件或文件夹
hadoop fs -rm /tmp/test3.txt
-rm -r:递归删除目录及目录里面内容
hadoop fs -rm -r /tmp
-du 统计文件夹的大小信息
hadoop fs -du -h /output
hadoop fs -du -s /output
-setrep:设置 HDFS 中文件的副本数量
hadoop fs -setrep 10 /output/test3.txt
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
三、HDFS读写流程
3.1、HDFS写数据流程
-
客户端向NameNode 请求上传文件 /usr/data/data1
-
NameNode 检查客户端有没有权限写入数据,检查目录 文件是否已经存在 ,如果有权限且文件不存在,则响应客户端可以上传文件
-
客户端请求上传第一个block(0~128M 数据块) ,请返回DataNode
-
NameNode 通过节点距离计算和负载均衡得出存储的节点,返回存放数据的3个DataNode 节点 dn1、dn2、dn3
-
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。
-
dn1、dn2、dn3 逐级应答客户端,通知客户端可以传数据
-
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(大小64k),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
-
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)。
3.2、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。
理解: 节点1------机架1------集群1—数据总部 ,走过3个节点
节点2------机架2------集群2------数据总部 , 走过3个节点,那么节点1和节点2距离为6
3.3、机架感知(副本存储节点选择)
-
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。
3.4、HDFS读数据流程
- 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。
- 挑选一台 DataNode(就近原则,然后随机)服务器,请求读取数据。
- 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)。
- 客户端以 Packet 为单位接收,先在本地缓存,然后写入目标文件。
三、NameNode 和 SecondaryNameNode
3.1、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
- 第一次启动 namenode 格式化后,创建 fsimage 和 edits (在 namenode 所在结点的 hadooop/data 目录下)文件。如果不是第一次启动,直接加载编辑日志edits_inprogress_001和镜像文件fsimage 到内存。
- 客户端对元数据进行增删改的请求
- namenode 记录操作日志edits_inprogress_001
- namenode 在内存中对数据进行删改
第二阶段: Secondary NameNode 工作
- Secondary NameNode 询问 namenode 是否需要 checkpoint 。直接带回 namenode 是否检查结果。
- Secondary NameNode 请求执行 checkpoint 。
- namenode 滚动正在写的 edits 日志(将正在使用编辑的编辑日志edits_inprogress_001改名edits_001,并使用edits_inprogress_002作为记录操作新的编辑日志)
- 将滚动前的编辑日志edits_001和镜像文件fsimage 拷贝到 Secondary NameNode
- Secondary NameNode 加载编辑日志和镜像文件fsimage 到内存,并合并。
- 生成新的镜像文件 fsimage.chkpoint
- 拷贝 fsimage.chkpoint 到 namenode
- namenode 将 fsimage.chkpoint 重新命名成 fsimage,原先的fsimage作为历史文件保留
3.2、Fsimage 和Edits
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。
四、DataNode工作机制
4.1、DataNode 工作机制
-
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。
-
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。(向NameNode汇报文件状态有没有损毁)
DN 向 NN 汇报当前解读信息的时间间隔,默认 6 小时;
DN 扫描自己节点块信息列表的时间,默认 6 小时
-
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。(向NameNode汇报DataNode的状态,是否挂掉,如果10分钟内没有反馈,则认为DataNode 不存在,不会再和这个DataNode通信)
4.2、数据完整性
奇偶校验:
数据: 0100 0001 1的个数是2 是偶数 奇偶校验位为0
收到的传输数据进行奇偶校验,如果1的个数奇偶和奇偶校验位一致,则认为数据是完整的
hadoop 采用 crc(32),常见的校验算法还有 md5(128),sha1(160)
都是对数据按一定算法得出的结果和校验位进行比较,判断数据是否完整
4.4、掉线时限参数设置
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。
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>
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。
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>