学习目标:
HDFS
学习内容:
-
HDFS产生背景
-
HDFS的定义
-
HDFS的优缺点
-
HDFS的组成结构
-
HDFS文件块大小
-
HDFS写数据流程(重点)
-
网络拓扑-节点距离计算
-
机架感知
-
HDFS读数据流程(重点)
-
NameNode和secondaryNameNode(重点)
-
DataNode(重点)
-
HDFS 2.X新特性
内容:
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
2.HDFS的定义
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,且不支持文件的修改。适合用来做数据分析,并不适合用来做网盘应用。
3.HDFS的优缺点
优点:
1) 高容错性
(1) 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
(2)某一个副本丢失以后,它可以自动恢复。
2)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。
3)可构建在廉价机器上,通过多副本机制,提高可靠性
缺点:
1) 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。
2) 无法高效的对大量小文件进行存储。
(1) 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;
(2) 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。
3) 不支持并发写入、文件随机修改。
(1) 一个文件只能有一个写,不允许多个线程同时写;
(2) 仅支持数据append(追加),不支持文件的随机修改。
4.HDFS的组成结构
NameNode:管理元数据
DataNode:存储块数据
SecondaryNameNode:不是NameNode的备份,是辅助NameNode做元数据合并操作
客户端(client)
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;
5.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,默认大小在Hadoop2.x版本中是128M,老版本中是64M
HDFS块的大小设置主要取决于磁盘传输速率。
6.HDFS写数据流程(重点)
7.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)
8.机架感知
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。
第二个副本和第一个副本位于相同机架,随机节点。
第三个副本位于不同机架,随机节点。
9.HDFS读数据流程(重点)
10.NameNode和secondaryNameNode(重点)
NN和2NN工作机制,如图所示。
NN和2NN工作机制
先来了解Fsiamge文件和Edits文件:
Fsimage:NameNode内存中元数据序列化后形成的文件。(文件信息)
Edits:记录客户端更新元数据信息的每一步操作(对文件的操作信息)
1. 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在内存中对数据进行增删改。
2. 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。
11.DataNode(重点)
DataNode工作机制,如图所示
DataNode工作机制
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(1小时)的向NameNode上报所有的块信息。
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。
12. HDFS 2.X新特性
集群间数据拷贝
1.scp实现两个远程主机之间的文件复制
scp -r hello.txt root@hadoop103:/user/kgg/hello.txt
scp -r root@hadoop103:/user/kgg/hello.txt hello.txt
scp -r root@hadoop103:/user/kgg/hello.txt root@hadoop104:/user/kgg //是通过本地主机中转实现两个远程主机的文件复制;如果在两个远程主机之间ssh没有配置的情况下可以使用该方式。
2.采用distcp命令实现两个Hadoop集群之间的递归数据复制
[kgg@hadoop101 hadoop-2.7.2]$ bin/hadoop distcp
hdfs://haoop102:9000/user/kgg/hello.txt hdfs://hadoop103:9000/user/kgg/hello.txt
Hadoop存档
1、HDFS存储小文件弊端
每个文件均按块存储,每个块的元数据存储在NameNode的内存中,因此Hadoop存储小文件会非常低效。因为大量的小文件会耗尽NameNode中的大部分内存。但注意,存储小文件所需要的磁盘容量和数据块的大小无关。
2、解决存储小文件办法之一
Hadoop存档文件或HAR文件,是一个更高效的文件存档工具,它将文件存入HDFS块,在减少NameNode内存使用的同时,允许对文件进行透明的访问。具体说来,Hadoop存档文件对内还是一个一个独立文件,对NameNode而言却是一个整体,减少了NameNode的内存。
3.案例实操
(1)需要启动YARN进程
[kgg@hadoop101 hadoop-2.7.2]$ start-yarn.sh
(2)归档文件
把/user/kgg/input目录里面的所有文件归档成一个叫input.har的归档文件,并把归档后文件存储到/user/kgg/output路径下。
[kgg@hadoop101 hadoop-2.7.2]$ bin/hadoop archive -archiveName input.har –p /user/kgg/input /user/kgg/output
(3)查看归档
[kgg@hadoop101 hadoop-2.7.2]$ hadoop fs -lsr /user/kgg/output/input.har
[kgg@hadoop101 hadoop-2.7.2]$ hadoop fs -lsr har:///user/kgg/output/input.har
(4)解归档文件
[kgg@hadoop101 hadoop-2.7.2]$ hadoop fs -cp har:/// user/kgg/output/input.har/* /user/kgg
一些问题:
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;
(2) HDFS的块比磁盘的块大,其目的是为了最小化寻址开销;
(3) 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。