Hadoop-HDFS

最新推荐文章于 2022-11-11 08:55:55 发布

未来世界～未来之星

最新推荐文章于 2022-11-11 08:55:55 发布

阅读量372

点赞数

分类专栏： hadoop 大数据 shell

本文链接：https://blog.csdn.net/qq_43256584/article/details/119675890

版权

大数据同时被 3 个专栏收录

9 篇文章 0 订阅

订阅专栏

hadoop

8 篇文章 0 订阅

订阅专栏

shell

2 篇文章 0 订阅

订阅专栏

第1章 HDFS概述

1.1 HDFS产出背景及定义
1.2 HDFS优缺点
1.3 HDFS组成架构

1.4 HDFS文件块大小（面试重点）

第2章 HDFS的Shell操作（开发重点）

1．基本语法

bin/hadoop fs 具体命令   OR  bin/hdfs dfs 具体命令
dfs是fs的实现类。

2．命令大全

[root@node1 hadoop-2.7.5]# bin/hadoop fs
Usage: hadoop fs [generic options]
        [-appendToFile <localsrc> ... <dst>]
        [-cat [-ignoreCrc] <src> ...]
        [-checksum <src> ...]
        [-chgrp [-R] GROUP PATH...]
        [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
        [-chown [-R] [OWNER][:[GROUP]] PATH...]
        [-copyFromLocal [-f] [-p] [-l] <localsrc> ... <dst>]
        [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-count [-q] [-h] <path> ...]
        [-cp [-f] [-p | -p[topax]] <src> ... <dst>]
        [-createSnapshot <snapshotDir> [<snapshotName>]]
        [-deleteSnapshot <snapshotDir> <snapshotName>]
        [-df [-h] [<path> ...]]
        [-du [-s] [-h] <path> ...]
        [-expunge]
        [-find <path> ... <expression> ...]
        [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-getfacl [-R] <path>]
        [-getfattr [-R] {-n name | -d} [-e en] <path>]
        [-getmerge [-nl] <src> <localdst>]
        [-help [cmd ...]]
        [-ls [-d] [-h] [-R] [<path> ...]]
        [-mkdir [-p] <path> ...]
        [-moveFromLocal <localsrc> ... <dst>]
        [-moveToLocal <src> <localdst>]
        [-mv <src> ... <dst>]
        [-put [-f] [-p] [-l] <localsrc> ... <dst>]
        [-renameSnapshot <snapshotDir> <oldName> <newName>]
        [-rm [-f] [-r|-R] [-skipTrash] <src> ...]
        [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
        [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
        [-setfattr {-n name [-v value] | -x name} <path>]
        [-setrep [-R] [-w] <rep> <path> ...]
        [-stat [format] <path> ...]
        [-tail [-f] <file>]
        [-test -[defsz] <path>]
        [-text [-ignoreCrc] <src> ...]
        [-touchz <path> ...]
        [-truncate [-w] <length> <path> ...]
        [-usage [cmd ...]]
Generic options supported are
-conf <configuration file>     specify an application configuration file
-D <property=value>            use value for given property
-fs <local|namenode:port>      specify a namenode
-jt <local|resourcemanager:port>    specify a ResourceManager
-files <comma separated list of files>    specify comma separated files to be copied to the map reduce cluster
-libjars <comma separated list of jars>    specify comma separated jar files to include in the classpath.
-archives <comma separated list of archives>    specify comma separated archives to be unarchived on the compute machines.
The general command line syntax is
bin/hadoop command [genericOptions] [commandOptions]

3．常用命令实操

- （0）启动Hadoop集群（方便后续的测试）

[root@node1 hadoop-2.7.5]$ sbin/start-dfs.sh
[root@node1 hadoop-2.7.5]$ sbin/start-yarn.sh

（1）-help：输出这个命令参数

[root@node1 hadoop-2.7.5]$ hadoop fs -help rm

[root@node1 hadoop-2.7.5]$ hadoop fs -ls /
Found 3 items
-rw-r--r--   1 root supergroup       2165 2021-01-18 12:05 /initial-setup-ks.cfg
drwx-wx-wx   - root supergroup          0 2021-01-18 12:14 /tmp
drwxr-xr-x   - root supergroup          0 2021-01-18 12:53 /user

[root@node1 hadoop-2.7.5]$ hadoop fs -mkdir -p /sanguo/shuguo

（4）-moveFromLocal：从本地剪切粘贴到HDFS

[root@node1 hadoop-2.7.5]$ touch kongming.txt
[root@node1 hadoop-2.7.5]$ 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

[root@node1 hadoop-2.7.5]$ touch liubei.txt
[root@node1 hadoop-2.7.5]$ vim liubei.txt

输入

san gu mao lu
[root@node1 hadoop-2.7.5]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt

（6）-cat：显示文件内容

[root@node1 hadoop-2.7.5]$ 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

[root@node1 hadoop-2.7.5]$ hadoop fs  -chmod  666  /sanguo/shuguo/kongming.txt
[root@node1 hadoop-2.7.5]$ hadoop fs  -chown  atguigu:atguigu   /sanguo/shuguo/kongming.txt

（8）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

[root@node1 hadoop-2.7.5]$ hadoop fs -copyFromLocal README.txt /

（9）-copyToLocal：从HDFS拷贝到本地

[root@node1 hadoop-2.7.5]$ 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

[root@node1 hadoop-2.7.5]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt

[root@node1 hadoop-2.7.5]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/

（12）-get：等同于copyToLocal，就是从HDFS下载文件到本地

[root@node1 hadoop-2.7.5]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./

（13）-getmerge：合并下载多个文件，比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,…

[root@node1 hadoop-2.7.5]$ hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt

（14）-put：等同于copyFromLocal

[root@node1 hadoop-2.7.5]$ hadoop fs -put ./zaiyiqi.txt /user/atguigu/test/

（15）-tail：显示一个文件的末尾

[root@node1 hadoop-2.7.5]$ hadoop fs -tail /sanguo/shuguo/kongming.txt

（16）-rm：删除文件或文件夹

[root@node1 hadoop-2.7.5]$ hadoop fs -rm /user/atguigu/test/jinlian2.txt

[root@node1 hadoop-2.7.5]$ hadoop fs -mkdir /test
[root@node1 hadoop-2.7.5]$ hadoop fs -rmdir /test

（18）-du统计文件夹的大小信息

[root@node1 hadoop-2.7.5]# hadoop fs -du -s -h /
2.1 K  /
[root@node1 hadoop-2.7.5]# hadoop fs -du -s  /  
2187  /
[root@node1 hadoop-2.7.5]# hadoop fs -du -h  / 
2.1 K  /initial-setup-ks.cfg
0      /sanguo
0      /tmp
22     /user
[root@node1 hadoop-2.7.5]#

（19）-setrep：设置HDFS中文件的副本数量

[root@node1 data]# hadoop fs -put kongming.txt /
[root@node1 data]# hadoop fs -setrep 3 /kongming.txt

在这里插入图片描述
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。

第3章 HDFS客户端操作（开发重点）

3.1 HDFS客户端环境准备

1．根据自己电脑的操作系统拷贝对应的编译后的hadoop jar包到非中文路径（例如：D:\Develop\hadoop-2.7.2）
2．配置HADOOP_HOME环境变量，如图3-5所示。
3.配置Path环境变量，如图3-6所示。
4．创建一个Maven工程HdfsClientDemo
5．导入相应的依赖坐标+日志添加

<?xml version="1.0" encoding="UTF-8"?>
<!--
  Licensed to the Apache Software Foundation (ASF) under one
  or more contributor license agreements.  See the NOTICE file
  distributed with this work for additional information
  regarding copyright ownership.  The ASF licenses this file
  to you under the Apache License, Version 2.0 (the
  "License"); you may not use this file except in compliance
  with the License.  You may obtain a copy of the License at

   http://www.apache.org/licenses/LICENSE-2.0

  Unless required by applicable law or agreed to in writing,
  software distributed under the License is distributed on an
  "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY
  KIND, either express or implied.  See the License for the
  specific language governing permissions and limitations
  under the License.
-->
<!-- $Id: pom.xml 642118 2008-03-28 08:04:16Z reinhard $ -->
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">

    <modelVersion>4.0.0</modelVersion>
    <packaging>war</packaging>

    <name>Hdfs-01</name>
    <groupId>com.yang</groupId>
    <artifactId>Hdfs-01</artifactId>
    <version>2.0-SNAPSHOT</version>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-war-plugin</artifactId>
                <version>3.2.2</version>
                <configuration>
                    <failOnMissingWebXml>false</failOnMissingWebXml>
                </configuration>
            </plugin>
        </plugins>
    </build>
    <dependencies>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>RELEASE</version>
        </dependency>
        <dependency>
            <groupId>org.apache.logging.log4j</groupId>
            <artifactId>log4j-core</artifactId>
            <version>2.8.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.5</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.7.5</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.7.5</version>
        </dependency>
        <dependency>
            <groupId>jdk.tools</groupId>
            <artifactId>jdk.tools</artifactId>
            <version>1.8</version>
            <scope>system</scope>
            <systemPath>${java.home}/../lib/tools.jar</systemPath>
        </dependency>

    </dependencies>


    <properties>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <maven.compiler.compilerVersion>1.8</maven.compiler.compilerVersion>
    </properties>
</project>

注意：如果Eclipse/Idea打印不出日志，在控制台上只显示

1.log4j:WARN No appenders could be found for logger (org.apache.hadoop.util.Shell).  
2.log4j:WARN Please initialize the log4j system properly.  
3.log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.

需要在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入

log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

6．创建包名：com.yang.hdfs
7．创建HdfsClient类

 public static void testMkdirs() throws IOException, InterruptedException, URISyntaxException {
        FileSystem fs = getFileSystem();
        fs.mkdirs(new Path("/yang/test"));
        fs.close();
        System.out.println("创建目录成功");
    }
 public static FileSystem getFileSystem() throws IOException, InterruptedException, URISyntaxException {
        Configuration configuration = new Configuration();
      /**
         *  hdfs://node1:8020是hadoop中配置的ip可以通过[root@node1 hadoop]# cat core-site.xml 查看
         *  <configuration>
         * <property>
         *     <name>fs.defaultFS</name>
         *     <value>hdfs://node1:8020</value>
         * </property>
         * <property>
         *     <name>hadoop.tmp.dir</name>
         *     <value>/export/server/hadoop-2.7.5/data</value>
         * </property>
         * <property>     
         *     <name>hadoop.proxyuser.root.hosts</name>
         *     <value>*</value>
         * </property>
         * <property>
         *     <name>hadoop.proxyuser.root.groups</name>
         *     <value>*</value> 
         * </property>
         * <property>
         *     <name>hadoop.native.lib</name>
         *     <value>false</value>
         * </property>
         * </configuration>
         * root是hadoop的用户，当前目录所在的用户组
         */
        return FileSystem.get(new URI("hdfs://node1:8020"), configuration, "root");
    }

8．执行程序
运行时需要配置用户名称,就可以在hadoop上创建一个目录
客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=root，root为用户名称。

3.2 HDFS的API操作

3.2.1 HDFS文件上传（测试参数优先级,测试副本数量）
1．编写源代码

 public static void testCopyFromLocalFile() throws URISyntaxException, IOException, InterruptedException {
        FileSystem fs = getFileSystem();
        fs.copyFromLocalFile(new Path("f:/yang.txt"),new Path("/test"));
        fs.close();
        System.out.println("上传文件成功");
    }

2．将hdfs-site.xml拷贝到项目的根目录下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

3．参数优先级
参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）然后是服务器的默认配置
3.2.2 HDFS文件下载

public static void testCopyToLocalFile() throws URISyntaxException, IOException, InterruptedException {
        /**
         * 2 执行下载操作
         * boolean delSrc 指是否将原文件删除
         * Path src 指要下载的文件路径
         * Path dst 指将文件下载到的路径
         * boolean useRawLocalFileSystem 是否开启文件校验
         */
        FileSystem fs = getFileSystem();
        /**
         * hdfs上的文件目录
         */
        fs.copyToLocalFile(false,new Path("/test/yang.txt"),
                new Path("f:/"),true);
        fs.close();
        System.out.println("下载文件成功");
    }

3.2.3 HDFS文件夹删除

 public static void testDelete() throws URISyntaxException, IOException, InterruptedException {
        FileSystem fs = getFileSystem();
        fs.delete(new Path("/yang"),true);
        fs.close();
        System.out.println("删除文件成功");

    }

3.2.4 HDFS文件名更改

public static void testRename() throws InterruptedException, IOException, URISyntaxException {
        Configuration configuration = new Configuration();
        FileSystem fs = getFileSystem();
        /**
         * org.apache.hadoop.fs.FileSystem public abstract boolean rename(org.apache.hadoop.fs.Path src,
         *                                org.apache.hadoop.fs.Path dst)
         * throws java.io.IOException
         * Renames Path src to Path dst. Can take place on local fs or remote DFS.
         *
         * Params:
         * src – path to be renamed
         * dst – new path after rename
         * Returns:
         * true if rename is successful
         * Throws:
         * java.io.IOException – on failure
         *   Maven: org.apache.hadoop:hadoop-common:2.7.5
         */
        fs.rename(new Path("/test/yang.txt"),new Path("/test/123.txt"));
        fs.close();
        System.out.println("修改文件名成功");

    }

3.2.5 HDFS文件详情查看
查看文件名称、权限、长度、块信息

public static void testListFiles() throws InterruptedException, IOException, URISyntaxException {
        FileSystem fs = getFileSystem();
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
        while (listFiles.hasNext()){
            LocatedFileStatus status = listFiles.next();
            //文件名:
            System.out.println("文件名:"+status.getPath().getName());
            //长度
            System.out.println("长度"+status.getLen());
            //权限
            System.out.println("全限"+status.getPermission());
            //分组
            System.out.println("分组"+status.getGroup());
            // 获取存储的块信息
            System.out.println("文件路径"+status.getPath());
            BlockLocation[] blockLocations = status.getBlockLocations();
            for (BlockLocation blockLocaltion:blockLocations) {
                // 获取块存储的主机节点
                String[] hosts = blockLocaltion.getHosts();
                for (String host: hosts) {
                    System.out.println("主机:"+host);
                }
            }
            System.out.println("=========================");
        }
        fs.close();

    }

3.2.6 HDFS文件和文件夹判断

public static void testListStatus() throws InterruptedException, IOException, URISyntaxException {
        FileSystem fs = getFileSystem();
        FileStatus[] FileStatuses = fs.listStatus(new Path("/"));
        for (FileStatus fileStatuses:FileStatuses) {
            if (fileStatuses.isFile()){
                System.out.println("文件:"+fileStatuses.getPath().getName());
            }else {
                System.out.println("目录:"+fileStatuses.getPath().getName());
            }
        }
        fs.close();
    }

3.3 HDFS的I/O流操作

上面我们学的API操作HDFS系统都是框架封装好的。那么如果我们想自己实现上述API的操作该怎么实现呢？
我们可以采用IO流的方式实现数据的上传和下载。
3.3.1 HDFS文件上传
1．需求：把本地f盘上的yang.txt文件上传到HDFS根目录
2．编写代码

 /**
     * 需求：把本地文件上传到hdfs上
     */
    public static void putFileToHDFS() throws URISyntaxException, IOException, InterruptedException {
        //文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://node1:8020"), configuration, "root");
        //创建输入流（从本地输入---->hdfs相当于输出）
        FileInputStream fileInputStream = new FileInputStream(new File("f:/yang.txt"));
        //获取输出流(输出到hdfs上)/yang.txt 上传到跟目录下
        FSDataOutputStream fileoutputStream = fs.create(new Path("/yang.txt"));
        //把本地输入流 考到 hdfs的输出流上
        IOUtils.copyBytes(fileInputStream,fileoutputStream,configuration);
        //关闭资源
        IOUtils.closeStream(fileInputStream);
        IOUtils.closeStream(fileoutputStream);
        fs.close();
        System.out.println("上传成功");
    }

3.3.2 HDFS文件下载
1．需求：从HDFS上下载banhua.txt文件到本地e盘上
2．编写代码
// 文件下载

/**
     * 从hdfs上把文件下载下来
     */
    public static void getFileFromHDFS() throws InterruptedException, IOException, URISyntaxException {
        //文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://node1:8020"), configuration, "root");
        //获取输入流（从hdfs上得到数据，出发地）
        FSDataInputStream fileInputStream = fs.open(new Path("/yang.txt"));
        //输出流（目的地）
        FileOutputStream fileOutputStream = new FileOutputStream(new File("f:/yang.txt"),true);
        //从输入-->输出
        IOUtils.copyBytes(fileInputStream,fileOutputStream,configuration);
        IOUtils.closeStream(fileInputStream);
        IOUtils.closeStream(fileOutputStream);
        fs.close();
        System.out.println("下载成功");
    }

3.3.3 定位文件读取
1．需求：分块读取HDFS上的大文件，比如根目录下的/hadoop-2.7.2.tar.gz
2．编写代码
（1）下载第一块

/**
     * 分块读取文件 的大小：在hdfs上有一些大文件（大于128M，或者指定文件的大小），我们需要分块读取
     */
    public static void readFileSeek1() throws URISyntaxException, IOException, InterruptedException {
        //文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://node1:8020"), configuration, "root");
        //获取输入流（从hdfs上得到数据，出发地）
        FSDataInputStream fileInputStream = fs.open(new Path("/hadoop-2.7.2.zip"));
        //输出流（目的地）
        FileOutputStream fileOutputStream = new FileOutputStream(new File("f:/hadoop-2.7.2.zip.part1"),true);
        // 4 流的拷贝
        byte[] buf = new byte[1024];
        for (int i = 0; i <1024*128 ; i++) {
            fileInputStream.read(buf);
            fileOutputStream.write(buf);
        }
        IOUtils.closeStream(fileInputStream);
        IOUtils.closeStream(fileOutputStream);
        fs.close();
        System.out.println("块下载成功");
    }

（2）下载第二块

public static void readFileSeek2() throws URISyntaxException, IOException, InterruptedException {
        //文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://node1:8020"), configuration, "root");
        //获取输入流（从hdfs上得到数据，出发地）
        FSDataInputStream fileInputStream = fs.open(new Path("/hadoop-2.7.2.zip"));
        //输出流（目的地）
        // 3 定位输入数据位置
        fileInputStream.seek(1024*1024*128);

        FileOutputStream fileOutputStream = new FileOutputStream(new File("f:/hadoop-2.7.2.zip.part2"),true);
        // 4 流的拷贝
        IOUtils.copyBytes(fileInputStream,fileOutputStream,configuration);
        IOUtils.closeStream(fileInputStream);
        IOUtils.closeStream(fileOutputStream);
    }

（3）合并文件
在Window命令窗口中进入到目录f:\，然后执行如下命令，对数据进行合并
type hadoop-2.7.2.tar.gz.part2 >> hadoop-2.7.2.tar.gz.part1
合并完成后，将hadoop-2.7.2.tar.gz.part1重新命名为hadoop-2.7.2.tar.gz。解压发现该tar包非常完整。

第4章 HDFS的数据流（面试重点）

4.1 HDFS写数据流程

4.1.1 剖析文件写入
HDFS写数据流程，如图3-8所示。
在这里插入图片描述

- 1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
- 2）NameNode返回是否可以上传。
- 3）客户端请求第一个 Block上传到哪几个DataNode服务器上。
- 4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。
- 5）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。
- 6）dn1、dn2、dn3逐级应答客户端。
- 7）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，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。
- 8）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）。

4.1.2 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。

大家算一算每两个节点之间的距离，如图3-10所示。
4.1.3 机架感知（副本存储节点选择）
官方ip地址
机架感知说明
http://hadoop.apache.org/docs/r2.7.5/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication

对于常见的情况，当复制因子为 3 时，HDFS 的放置策略是将一个副本放在本地机架的一个节点上，另一个放在本地机架的不同节点上，最后一个放在不同机架的不同节点上。此策略减少了机架间写入流量，这通常会提高写入性能。机架故障的几率远小于节点故障；此政策不影响数据可靠性和可用性保证。然而，它确实减少了读取数据时使用的总网络带宽，因为一个块只放置在两个独特的机架中，而不是三个。使用此策略，文件的副本不会在机架之间均匀分布。三分之一的副本在一个节点上，三分之二的副本在一个机架上，另外三分之一均匀分布在其余的机架上。

Hadoop2.7.2副本节点选择
在这里插入图片描述

4.2 HDFS读数据流程

HDFS的读数据流程，如图3-13所示。
在这里插入图片描述

1）客户端通过Distributed FileSystem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。
2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
3）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）。
4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。

第5章 NameNode和SecondaryNameNode（面试开发重点）

5.1 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。
NN和2NN工作机制，如图3-14所示。
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。
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。
NN和2NN工作机制详解：
- Fsimage：NameNode内存中元数据序列化后形成的文件。
- 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）。
- NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。然后，NameNode会在内存中执行元数据的增删改的操作。
- 由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。
- SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。
- SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了）。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。

5.2 Fsimage和Edits解析

概念
2.oiv查看Fsimage文件
（1）查看oiv和oev命令

[root@node1 current]# hdfs
Usage: hdfs [--config confdir] [--loglevel loglevel] COMMAND
       where COMMAND is one of:
  dfs                  run a filesystem command on the file systems supported in Hadoop.
  classpath            prints the classpath
  namenode -format     format the DFS filesystem
  secondarynamenode    run the DFS secondary namenode
  namenode             run the DFS namenode
  journalnode          run the DFS journalnode
  zkfc                 run the ZK Failover Controller daemon
  datanode             run a DFS datanode
  dfsadmin             run a DFS admin client
  haadmin              run a DFS HA admin client
  fsck                 run a DFS filesystem checking utility
  balancer             run a cluster balancing utility
  jmxget               get JMX exported values from NameNode or DataNode.
  mover                run a utility to move block replicas across
                       storage types
  oiv                  apply the offline fsimage viewer to an fsimage
  oiv_legacy           apply the offline fsimage viewer to an legacy fsimage
  oev                  apply the offline edits viewer to an edits file
  fetchdt              fetch a delegation token from the NameNode
  getconf              get config values from configuration
  groups               get the groups which users belong to
  snapshotDiff         diff two snapshots of a directory or diff the
                       current directory contents with a snapshot
  lsSnapshottableDir   list all snapshottable dirs owned by the current user
                                                Use -help to see options
  portmap              run a portmap service
  nfs3                 run an NFS version 3 gateway
  cacheadmin           configure the HDFS cache
  crypto               configure HDFS encryption zones
  storagepolicies      list/get/set block storage policies
  version              print the version

Most commands print help when invoked w/o parameters.
[root@node1 current]#

（2）基本语法

hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

（3）案例实操

[root@node1 current]# pwd
/export/server/hadoop-2.7.5/data/dfs/name/current
[root@node1 current]$ hdfs oiv -p XML -i fsimage_00000000000000000173 -o /export/server/hadoop-2.7.5/fsimage.xml
[root@node1 current]$ cat /export/server/hadoop-2.7.5/fsimage.xml

将显示的xml文件内容拷贝到Eclipse中创建的xml文件中，并格式化。部分显示结果如下。

<?xml version="1.0"?>
<fsimage>
    <NameSection>
        <genstampV1>1000</genstampV1>
        <genstampV2>1004</genstampV2>
        <genstampV1Limit>0</genstampV1Limit>
        <lastAllocatedBlockId>1073741828</lastAllocatedBlockId>
        <txid>170</txid>
    </NameSection>
    <INodeSection>
        <lastInodeId>16470</lastInodeId>
        <inode>
            <id>16385</id>
            <type>DIRECTORY</type>
            <name></name>
            <mtime>1629029533753</mtime>
            <permission>root:supergroup:rwxr-xr-x</permission>
            <nsquota>9223372036854775807</nsquota>
            <dsquota>-1</dsquota>
        </inode>
        <inode>
            <id>16386</id>
            <type>FILE</type>
            <name>initial-setup-ks.cfg</name>
            <replication>1</replication>
            <mtime>1610942709474</mtime>
            <atime>1610942708593</atime>
            <perferredBlockSize>134217728</perferredBlockSize>
            <permission>root:supergroup:rw-r--r--</permission>
            <blocks>
                <block>
                    <id>1073741825</id>
                    <genstamp>1001</genstamp>
                    <numBytes>2165</numBytes>
                </block>
            </blocks>
        </inode>

思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？
在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。

3.oev查看Edits文件
（1）基本语法

hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

（2）案例实操
[root@node1 current]$ hdfs oev -p XML -i edits_0000000000000000171-0000000000000000172 -o /export/server/hadoop-2.7.5/edits.xml
[root@node1 current]$ cat /opt/module/hadoop-2.7.2/edits.xml
将显示的xml文件内容拷贝到Eclipse中创建的xml文件中，并格式化。显示结果如下。

<?xml version="1.0" encoding="UTF-8"?>
<EDITS>
  <EDITS_VERSION>-63</EDITS_VERSION>
  <RECORD>
    <OPCODE>OP_START_LOG_SEGMENT</OPCODE>
    <DATA>
      <TXID>171</TXID>
    </DATA>
  </RECORD>
  <RECORD>
    <OPCODE>OP_END_LOG_SEGMENT</OPCODE>
    <DATA>
      <TXID>172</TXID>
    </DATA>
  </RECORD>
</EDITS>

思考：NameNode如何确定下次开机启动的时候合并哪些Edits？
NameNode启动的时候合并的是上次停机前正在写入的Edits，即edits_inprogress_xxx
根据seen_txid里面记录最新的Fsimage(镜像文件)的值去合并Edits(编辑日志)

5.3 CheckPoint时间设置

（1）通常情况下，SecondaryNameNode每隔一小时执行一次。

<property>
  <name>dfs.namenode.checkpoint.period</name>
  <value>3600</value>
</property>

（2）一分钟检查一次操作次数，3当操作次数达到1百万时，SecondaryNameNode执行一次。

<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 >

5.4 NameNode故障处理

NameNode故障后，可以采用如下两种方法恢复数据。
方法一：将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；
- 1.kill -9 NameNode进程
- 2 .删除NameNode存储的数据（/opt/module/hadoop-2.7.2/data/tmp/dfs/name）

[root@node1 hadoop-2.7.5]$ rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*

3.拷贝SecondaryNameNode中数据到原NameNode存储数据目录

[root@node1 hadoop-2.7.5 dfs]$ scp -r atguigu@hadoop104:/opt/module/hadoop-2.7.5/data/tmp/dfs/namesecondary/* ./name/

4.重新启动NameNode

[root@node1 hadoop-2.7.5]$ sbin/hadoop-daemon.sh start namenode

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。

1.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>/export/server/hadoop-2.7.5/data/tmp/dfs/name</value>
</property>

2 kill -9 NameNode进程
3.删除NameNode存储的数据（/export/server/hadoop-2.7.5/data/tmp/dfs/name）

[root@node1 hadoop-2.7.5]$ 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

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

[atguigu@hadoop102 namesecondary]$ rm -rf in_use.lock

[atguigu@hadoop102 dfs]$ pwd
/opt/module/hadoop-2.7.2/data/tmp/dfs

[atguigu@hadoop102 dfs]$ ls
data  name  namesecondary

5.导入检查点数据（等待一会ctrl+c结束掉）

[root@node1 hadoop-2.7.5]$ bin/hdfs namenode -importCheckpoint

启动NameNode

[root@node1 hadoop-2.7.5]$ sbin/hadoop-daemon.sh start namenode

5.5 集群安全模式

概述
基本语法
集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。
（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）
案例
模拟等待安全模式
（1）查看当前模式

[root@node1 hadoop-2.7.5]$ hdfs dfsadmin -safemode get
Safe mode is OFF

（2）先进入安全模式

[root@node1 hadoop-2.7.5]$ bin/hdfs dfsadmin -safemode enter

（3）创建并执行下面的脚本

在/opt/module/hadoop-2.7.2路径上，编辑一个脚本safemode.sh

[root@node1 hadoop-2.7.5]$ touch safemode.sh
[root@node1 hadoop-2.7.5]$ vim safemode.sh

#!/bin/bash
hdfs dfsadmin -safemode wait
hdfs dfs -put /opt/module/hadoop-2.7.2/README.txt /

[root@node1 hadoop-2.7.5]$ chmod 777 safemode.sh

[root@node1 hadoop-2.7.5]$ ./safemode.sh

（4）再打开一个窗口，执行

[root@node1 hadoop-2.7.5]$ bin/hdfs dfsadmin -safemode leave

（5）观察
（a）再观察上一个窗口
Safe mode is OFF
（b）HDFS集群上已经有上传的数据了。

5.6 NameNode多目录配置

NameNode的本地目录可以配置成多个，且每个目录存放内容相同，增加了可靠性
具体配置如下
（1）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>

（2）停止集群，删除data和logs中所有数据。

[root@node1 hadoop-2.7.5]$ rm -rf data/ logs/
[atguigu@hadoop103 hadoop-2.7.2]$ rm -rf data/ logs/
[atguigu@hadoop104 hadoop-2.7.2]$ rm -rf data/ logs/

（3）格式化集群并启动。

[root@node1 hadoop-2.7.5]$ bin/hdfs namenode –format
[root@node1 hadoop-2.7.5]$ sbin/start-dfs.sh

（4）查看结果

[atguigu@hadoop102 dfs]$ ll
total 112
drwxr-xr-x. 2 root root   194 May 19  2019 bin
drwxr-xr-x. 3 root root    26 Aug 17 10:15 data
drwxr-xr-x. 3 root root    20 May 19  2019 etc
drwxr-xr-x. 2 root root   106 May 19  2019 include
drwxr-xr-x. 3 root root    20 May 19  2019 lib
drwxr-xr-x. 2 root root   239 May 19  2019 libexec
-rw-r--r--. 1 root root 86424 May 19  2019 LICENSE.txt
drwxr-xr-x. 3 root root    22 Aug 17 10:15 logs
-rw-r--r--. 1 root root 14978 May 19  2019 NOTICE.txt
-rw-r--r--. 1 root root  1366 May 19  2019 README.txt
drwxr-xr-x. 2 root root  4096 May 19  2019 sbin
drwxr-xr-x. 4 root root    31 May 19  2019 share

第6章 DataNode（面试开发重点）

6.1 DataNode工作机制

DataNode工作机制，如图3-15所示。
在这里插入图片描述

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。

6.2 数据完整性

思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理DataNode节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？
如下是DataNode节点保证数据完整性的方法。

1）当DataNode读取Block的时候，它会计算CheckSum。
2）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。
3）Client读取其他DataNode上的Block。
4）DataNode在其文件创建后周期验证CheckSum，如图3-16所示。

图3-16 校验和

6.3 掉线时限参数设置

需要注意的是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>

6.4 服役新数据节点

需求
随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。

1环境准备
（1）在hadoop104主机上再克隆一台hadoop105主机
（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

[atguigu@hadoop105 hadoop-2.7.2]$ source /etc/profile

-2.服役新节点具体步骤
（1）直接启动DataNode，即可关联到集群

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

（2）在hadoop105上上传文件

[atguigu@hadoop105 hadoop-2.7.2]$ hadoop fs -put /opt/module/hadoop-2.7.2/LICENSE.txt /

（3）如果数据不均衡，可以用命令实现集群的再平衡

[atguigu@hadoop102 sbin]$ ./start-balancer.sh
starting balancer, logging to /opt/module/hadoop-2.7.2/logs/hadoop-atguigu-balancer-hadoop102.out
Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved

6.5 退役旧数据节点

6.5.1 添加白名单
添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被退出。

配置白名单的具体步骤如下：
（1）在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts文件

[atguigu@hadoop102 hadoop]$ pwd
/opt/module/hadoop-2.7.2/etc/hadoop
[atguigu@hadoop102 hadoop]$ touch dfs.hosts
[atguigu@hadoop102 hadoop]$ vi dfs.hosts
添加如下主机名称（不添加hadoop105）
hadoop102
hadoop103
hadoop104

（2）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>

（3）配置文件分发

[atguigu@hadoop102 hadoop]$ xsync hdfs-site.xml

（4）刷新NameNode

[root@node1 hadoop-2.7.5]$ hdfs dfsadmin -refreshNodes
Refresh nodes successful

（5）更新ResourceManager节点

[root@node1 hadoop-2.7.5]$ yarn rmadmin -refreshNodes
17/06/24 14:17:11 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.1.103:8033

（6）在web浏览器上查看

4.如果数据不均衡，可以用命令实现集群的再平衡

[atguigu@hadoop102 sbin]$ ./start-balancer.sh
starting balancer, logging to /opt/module/hadoop-2.7.2/logs/hadoop-atguigu-balancer-hadoop102.out
Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved

6.5.2 黑名单退役
在黑名单上面的主机都会被强制退出。
- 1.在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件

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

添加如下主机名称（要退役的节点）
hadoop105

2．在NameNode的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>

3．刷新NameNode、刷新ResourceManager

[root@node1 hadoop-2.7.5]$ hdfs dfsadmin -refreshNodes
Refresh nodes successful

[root@node1 hadoop-2.7.5]$ yarn rmadmin -refreshNodes
17/06/24 14:55:56 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.1.103:8033

4.检查Web浏览器，退役节点的状态为decommission in progress（退役中），说明数据节点正在复制块到其他节点，如图3-17所示

-5.等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役，如图3-18所示

图3-18 已退役

[atguigu@hadoop105 hadoop-2.7.2]$ sbin/hadoop-daemon.sh stop datanode
stopping datanode
[atguigu@hadoop105 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager
stopping nodemanager

如果数据不均衡，可以用命令实现集群的再平衡

[root@node1 hadoop-2.7.5]$ sbin/start-balancer.sh 
starting balancer, logging to /opt/module/hadoop-2.7.2/logs/hadoop-atguigu-balancer-hadoop102.out
Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved

**注意：不允许白名单和黑名单中同时出现同一个主机名称。**

6.6 Datanode多目录配置

1.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
2．具体配置如下

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>

第7章 HDFS 2.X新特性

7.1 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/atguigu/hello.txt		// 推 push
	scp -r root@hadoop103:/user/atguigu/hello.txt  hello.txt		// 拉 pull
	scp -r root@hadoop103:/user/atguigu/hello.txt root@hadoop104:/user/atguigu   //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

[root@node1 hadoop-2.7.5]$  bin/hadoop distcp
hdfs://haoop102:9000/user/atguigu/hello.txt hdfs://hadoop103:9000/user/atguigu/hello.txt

7.2 小文件存档

在这里插入图片描述

3．案例实操
（1）需要启动YARN进程

[root@node1 hadoop-2.7.5]$ start-yarn.sh

（2）归档文件
把/user/atguigu/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/atguigu/output路径下。

[root@node1 hadoop-2.7.5]$ bin/hadoop archive -archiveName input.har –p  /user/atguigu/input   /user/atguigu/output

（3）查看归档

[root@node1 hadoop-2.7.5]$ hadoop fs -lsr /user/atguigu/output/input.har
[root@node1 hadoop-2.7.5]$ hadoop fs -lsr har:///user/atguigu/output/input.har

（4）解归档文件

[root@node1 hadoop-2.7.5]$ hadoop fs -cp har:/// user/atguigu/output/input.har/*    /user/atguigu

7.3 回收站

开启回收站功能，可以将删除的文件在不超时的情况下，恢复原数据，起到防止误删除、备份等作用。
1．回收站参数设置及工作机制
在这里插入图片描述
2．启用回收站
修改core-site.xml，配置垃圾回收时间为1分钟。

<property>
   <name>fs.trash.interval</name>
<value>1</value>
</property>

3．查看回收站
回收站在集群中的路径：/user/atguigu/.Trash/….
4．修改访问垃圾回收站用户名称
进入垃圾回收站用户名称，默认是dr.who，修改为atguigu用户
[core-site.xml]

<property>
  <name>hadoop.http.staticuser.user</name>
  <value>noed1</value>
</property>

5.通过程序删除的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);
6. 恢复回收站数据

root@node1 hadoop-2.7.5]$ hadoop fs -mv
/user/atguigu/.Trash/Current/user/atguigu/input    /user/atguigu/input

清空回收站

[root@node1 hadoop-2.7.5]$ hadoop fs -expunge

7.4 快照管理

2．案例实操
（1）开启/禁用指定目录的快照功能

[root@node1 hadoop-2.7.5]$ hdfs dfsadmin -allowSnapshot /user/atguigu/input
[root@node1 hadoop-2.7.5]$ hdfs dfsadmin -disallowSnapshot /user/atguigu/input

（2）对目录创建快照

[root@node1 hadoop-2.7.5]$ hdfs dfs -createSnapshot /user/atguigu/input
通过web访问hdfs://hadoop102:50070/user/atguigu/input/.snapshot/s…..// 快照和源文件使用相同数据
[root@node1 hadoop-2.7.5]$ hdfs dfs -lsr /user/atguigu/input/.snapshot/

（3）指定名称创建快照

[root@node1 hadoop-2.7.5]$ hdfs dfs -createSnapshot /user/atguigu/input  miao170508

（4）重命名快照

[root@node1 hadoop-2.7.5]$ hdfs dfs -renameSnapshot /user/atguigu/input/  miao170508 atguigu170508

（5）列出当前用户所有可快照目录

[root@node1 hadoop-2.7.5]$ hdfs lsSnapshottableDir

（6）比较两个快照目录的不同之处

[root@node1 hadoop-2.7.5]$ hdfs snapshotDiff
 /user/atguigu/input/  .  .snapshot/atguigu170508

（7）恢复快照

[root@node1 hadoop-2.7.5]$ hdfs dfs -cp
/user/atguigu/input/.snapshot/s20170708-134303.027 /user

第8章 HDFS HA高可用

8.1 HA概述

1）所谓HA（High Available），即高可用（7*24小时不中断服务）。
2）实现高可用最关键的策略是消除单点故障。HA严格来说应该分成各个组件的HA机制：HDFS的HA和YARN的HA。
3）Hadoop2.0之前，在HDFS集群中NameNode存在单点故障（SPOF）。
4）NameNode主要在以下两个方面影响HDFS集群
NameNode机器发生意外，如宕机，集群将无法使用，直到管理员重启
NameNode机器需要升级，包括软件、硬件升级，此时集群也将无法使用
HDFS HA功能通过配置Active/Standby两个NameNodes实现在集群中对NameNode的热备来解决上述问题。如果出现故障，如机器崩溃或机器需要升级维护，这时可通过此种方式将NameNode很快的切换到另外一台机器。

8.2 HDFS-HA工作机制

通过双NameNode消除单点故障

8.2.1 HDFS-HA工作要点

元数据管理方式需要改变
内存中各自保存一份元数据；
Edits日志只有Active状态的NameNode节点可以做写操作；
两个NameNode都可以读取Edits；
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
4.隔离（Fence），即同一时刻仅仅有一个NameNode对外提供服务

8.2.2 HDFS-HA自动故障转移工作机制
前面学习了使用命令hdfs haadmin -failover手动进行故障转移，在该模式下，即使现役NameNode已经失效，系统也不会自动从现役NameNode转移到待机NameNode，下面学习如何配置部署HA自动进行故障转移。自动故障转移为HDFS部署增加了两个新组件：ZooKeeper和ZKFailoverController（ZKFC）进程，如图3-20所示。ZooKeeper是维护少量协调数据，通知客户端这些数据的改变和监视客户端故障的高可用服务。HA的自动故障转移依赖于ZooKeeper的以下功能：
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是自动故障转移中的另一个新组件，是ZooKeeper的客户端，也监视和管理NameNode的状态。每个运行NameNode的主机也运行了一个ZKFC进程，ZKFC负责：
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。

8.3 HDFS-HA集群配置

8.3.1 环境准备

修改IP
修改主机名及主机名和IP地址的映射
关闭防火墙
ssh免密登录
安装JDK，配置环境变量等
8.3.2 规划集群

8.3.3 配置Zookeeper集群

集群规划
在hadoop102、hadoop103和hadoop104三个节点上部署Zookeeper。
解压安装
（1）解压Zookeeper安装包到/opt/module/目录下

[atguigu@hadoop102 software]$ tar -zxvf zookeeper-3.4.10.tar.gz -C /opt/module/

（2）在/opt/module/zookeeper-3.4.10/这个目录下创建zkData

mkdir -p zkData

（3）重命名/opt/module/zookeeper-3.4.10/conf这个目录下的zoo_sample.cfg为zoo.cfg

mv zoo_sample.cfg zoo.cfg

3配置zoo.cfg文件
（1）具体配置

dataDir=/opt/module/zookeeper-3.4.10/zkData

增加如下配置

#######################cluster##########################
server.2=hadoop102:2888:3888
server.3=hadoop103:2888:3888
server.4=hadoop104:2888:3888

（2）配置参数解读
Server.A=B:C:D。
A是一个数字，表示这个是第几号服务器；
B是这个服务器的IP地址；
C是这个服务器与集群中的Leader服务器交换信息的端口；
D是万一集群中的Leader服务器挂了，需要一个端口来重新进行选举，选出一个新的Leader，而这个端口就是用来执行选举时服务器相互通信的端口。
集群模式下配置一个文件myid，这个文件在dataDir目录下，这个文件里面有一个数据就是A的值，Zookeeper启动时读取此文件，拿到里面的数据与zoo.cfg里面的配置信息比较从而判断到底是哪个server。

4.集群操作
（1）在/opt/module/zookeeper-3.4.10/zkData目录下创建一个myid的文件

touch myid

添加myid文件，注意一定要在linux里面创建，在notepad++里面很可能乱码
（2）编辑myid文件

vi myid

在文件中添加与server对应的编号：如2
（3）拷贝配置好的zookeeper到其他机器上

scp -r zookeeper-3.4.10/ root@hadoop103.atguigu.com:/opt/app/
scp -r zookeeper-3.4.10/ root@hadoop104.atguigu.com:/opt/app/
	并分别修改myid文件中内容为3、4

（4）分别启动zookeeper

[root@hadoop102 zookeeper-3.4.10]# bin/zkServer.sh start
[root@hadoop103 zookeeper-3.4.10]# bin/zkServer.sh start
[root@hadoop104 zookeeper-3.4.10]# bin/zkServer.sh start

（5）查看状态

[root@hadoop102 zookeeper-3.4.10]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: follower
[root@hadoop103 zookeeper-3.4.10]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: leader
[root@hadoop104 zookeeper-3.4.5]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: follower

8.3.4 配置HDFS-HA集群

官方地址：http://hadoop.apache.org/
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/atguigu/.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
8.3.5 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3-21，3-22所示
在[nn1]上，启动所有datanode

sbin/hadoop-daemons.sh start datanode

将[nn1]切换为Active

bin/hdfs haadmin -transitionToActive nn1

查看是否Active

bin/hdfs haadmin -getServiceState nn1

8.3.6 配置HDFS-HA自动故障转移

具体配置
（1）在hdfs-site.xml中增加

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

（2）在core-site.xml文件中增加

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

启动
（1）关闭所有HDFS服务：

sbin/stop-dfs.sh

（2）启动Zookeeper集群：

bin/zkServer.sh start

（3）初始化HA在Zookeeper中状态：

bin/hdfs zkfc -formatZK

（4）启动HDFS服务：

sbin/start-dfs.sh

（5）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

3.验证
（1）将Active NameNode进程kill

kill -9 namenode的进程id

（2）将Active NameNode机器断开网络

service network stop

8.4 YARN-HA配置

8.4.1 YARN-HA工作机制

官方文档：
http://hadoop.apache.org/docs/r2.7.2/hadoop-yarn/hadoop-yarn-site/ResourceManagerHA.html
YARN-HA工作机制，如图3-23所示

8.4.2 配置YARN-HA集群
环境准备
（1）修改IP
（2）修改主机名及主机名和IP地址的映射
（3）关闭防火墙
（4）ssh免密登录
（5）安装JDK，配置环境变量等
（6）配置Zookeeper集群
规划集群
具体配置
（1）yarn-site.xml

<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>

（2）同步更新其他节点的配置信息
4. 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
（1）在hadoop102中执行：

sbin/start-yarn.sh

（2）在hadoop103中执行：

sbin/yarn-daemon.sh start resourcemanager

（3）查看服务状态，如图3-24所示

bin/yarn rmadmin -getServiceState rm1

8.5 HDFS Federation架构设计

NameNode架构的局限性
（1）Namespace（命名空间）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。
HDFS Federation架构设计，如图3-25所示
能不能有多个NameNode
HDFS Federation应用思考
不同应用可以使用不同NameNode进行数据管理
图片业务、爬虫业务、日志审计业务
Hadoop生态系统中，不同的框架使用不同的NameNode进行管理NameSpace。（隔离性）

未来世界～未来之星

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Hadoop-HDFS

第1章 HDFS概述1.1 HDFS产出背景及定义1.2 HDFS优缺点1.3 HDFS组成架构1.4 HDFS文件块大小（面试重点）第2章 HDFS的Shell操作（开发重点）1．基本语法bin/hadoop fs 具体命令 OR bin/hdfs dfs 具体命令dfs是fs的实现类。2．命令大全[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs[-appendToFile … ][-cat [-ignoreCrc] …][
复制链接

扫一扫