分布式文件系统-HDFS
一、Introduction of DFS
-
计算机集群结构
-
分布式文件系统把文件分布存储到多个计算机节点上,成千上万的计算机节点构成计算机集群;
-
与之前使用多个处理器和专用高级硬件的并行化处理装置不同的是,目前的分布式文件系统所采用的计算机集群,都是由普通硬件构成的;
-
计算机集群的基本架构
-
-
Structure of DFS
- 分布式文件系统在物理结构上是由计算机集群中的多个节点构成的,这些节点分为两类,一类叫“主节点”(Master Node)或者也被称为“名称结点”(NameNode),另一类叫“从节点”(Slave Node)或者也被称为“数据节点”(DataNode);
二、分布式文件系统HDFS简介
-
分布式文件系统HDFS,全称是“Hadoop平台上的分布式文件系统”,即Hadoop Distributed File System,简称“HDFS”;
-
HDFS相关
-
块
- HDFS默认一个块64MB(Hadoop 3.2.1 128M),一个文件被分成多个块,以块作为存储单位;
- 块的大小远远大于普通文件系统,可以最小化寻址开销;
- HDFS采用抽象的块概念的原因:
- 支持大规模文件存储:文件以块为单位进行存储,一个大规模文件可以被分拆成若干个文件块,不同的文件块可以被分发到不同的节点上,因此,一个文件的大小不会受到单个节点的存储容量的限制,可以远远大于网络中任意节点的存储容量。
- 简化系统设计:首先,大大简化了存储管理,因为文件块大小是固定的,这样就可以很容易计算出一个节点可以存储多少文件块;其次,方便了元数据的管理,元数据不需要和文件块一起存储,可以由其他系统负责管理元数据。
- 适合数据备份:每个文件块都可以冗余存储到多个节点上,大大提高了系统的容错性和可用性。
-
名称节点和数据节点
NameNode DataNode 存储元数据 存储文件内容 元数据保存在内存 文件内容保存在磁盘 保存文件、block、datanode之间的映射关系 维护blockid到datanode本地文件的映射关系 -
名称结点的数据结构
-
在HDFS中,名称节点(NameNode)负责管理分布式文件系统的命名空间(Namespace),保存了两个核心的数据结构,即FsImage和EditLog:
- FsImage用于维护文件系统树以及文件树中所有的文件和文件夹的元数据;
- 操作日志文件EditLog中记录了所有针对文件的创建、删除、重命名等操作;
-
名称节点记录了每个文件中各个块所在的数据节点的位置信息;
-
-
FsImage文件
- FsImage文件包含文件系统中所有目录和文件inode的序列化形式,每个inode是一个文件或目录的元数据的内部表示,并包含此类信息
- 对于文件:包含文件的复制等级、修改和访问时间、访问权限、块大小以及组成文件的块;
- 对于目录:存储修改时间、权限和配额元数据;
- FsImage文件没有记录文件包含哪些块以及每个块存储在哪个数据节点,而是由名称节点把这些映射信息保留在内存中:
- 当数据节点加入HDFS集群时,数据节点会把自己所包含的块列表告知给名称节点,此后会定期执行这种告知操作,以确保名称节点的块映射是最新的;
- FsImage文件包含文件系统中所有目录和文件inode的序列化形式,每个inode是一个文件或目录的元数据的内部表示,并包含此类信息
-
名称节点的启动
- 在名称节点启动的时候,它会将FsImage文件中的内容加载到内存中,之后再执行Edit-Log文件中的各项操作,使得内存中的元数据和实际的同步,存在内存中的元数据支持客户端的读操作;
- 一旦在内存中成功建立文件系统元数据的映射,则创建一个新的FsImage文件和一个空的EditLog文件;
- 名称节点起来之后,HDFS中的更新操作会重新写到EditLog文件中,因为FsImage文件一般都很大(GB级别的很常见),如果所有的更新操作都往FsImage文件中添加,这样会导致系统运行的十分缓慢,但是,如果往EditLog文件里面写就不会这样,因为EditLog 要小很多,每次执行写操作之后,且在向客户端发送成功代码之前,editlogs文件都需要同步更新;
-
名称节点运行期间EditLog不断变大的问题
在名称节点运行期间,HDFS的所有更新操作都是直接写到EditLog中,久而久之, Edit-Log文件将会变得很大。
虽然这对名称节点运行时候是没有什么明显影响的,但是,当名称节点重启的时候,名称节点需要先将FsImage里面的所有内容映像到内存中,然后再一条一条地执行EditLog中的记录,当EditLog文件非常大的时候,会导致名称节点启动操作非常慢,而在这段时间内HD-FS系统处于安全模式,一直无法对外提供写操作,影响了用户的使用。
如何解决? ⇒ \Rightarrow ⇒ SecondaryNameNode第二名称节点
-
第二名称节点
- HDFS架构中的一个组成部分,它是用来保存名称节点中对HDFS元数据信息的备份,并减少名称节点重启的时间;
- SecondaryNameNode一般是单独运行在一台机器上;
-
SecondaryNameNode的工作情况
- SecondaryNameNode会定期和NameNode通信,请求其停止使用EditLog文件,暂时将新的写操作写到一个新的文件edit.new上来,这个操作是瞬间完成,上层写日志的函数完全感觉不到差别;
- SecondaryNameNode通过HTTP GET方式从NameNode上获取到FsImage和Edit-Log文件,并下载到本地的相应目录下;
- SecondaryNameNode将下载下来的FsImage载入到内存,然后一条一条地执行EditLog文件中的各项更新操作,使得内存中的FsImage保持最新,即EditLog和FsImage文件合并;
- SecondaryNameNode执行完(3)操作之后,会通过post方式将新的FsImage文件发送到NameNode节点上;
- NameNode将从SecondaryNameNode接收到的新的FsImage替换旧的FsImage文件,同时将edit.new替换EditLog文件,通过这个过程EditLog就变小了;
-
-
数据节点
- 数据节点是分布式文件系统HDFS的工作节点,负责数据的存储和读取,会根据客户端或者是名称节点的调度来进行数据的存储和检索,并且向名称节点定期发送自己所存储块的列表;
- 每个数据节点中的数据会被保存在各自节点的本地Linux文件系统中;
-
-
HDFS的实现目标:
- 兼容廉价的硬件设备
- 流数据读写
- 大数据集
- 简单的文件模型
- 强大的跨平台兼容性
-
HDFS的应用局限性:
- 不适合低延迟数据访问
- 无法高效存储大量小文件
- 不支持多用户写入及任意修改文件
三、HDFS体系结构
- 概述
- HDFS采用了主从(Master/Slave)结构模型,一个HDFS集群包括一个名称节点(NameNode)和若干个数据节点(DataNode)(图 HDFS体系结构);
- 名称节点作为中心服务器,负责管理文件系统的命名空间及客户端对文件的访问;
- 集群中的数据节点一般是一个节点运行一个数据节点进程,负责处理文件系统客户端的读/写请求,在名称节点的统一调度下进行数据块的创建、删除和复制等操作(每个数据节点的数据实际上是保存在本地Linux文件系统)
- HDFS命名空间管理
- HDFS的命名空间包含目录、文件和块;
- 在HDFS1.0体系结构中,在整个HDFS集群中只有一个命名空间,并且只有唯一一个名称节点,该节点负责对这个命名空间进行管理;
- HDFS使用的是传统的分级文件体系,因此,用户可以像使用普通文件系统一样,创建、删除目录和文件,在目录间转移文件,重命名文件等;
- 通信协议
- HDFS是一个部署在集群上的分布式文件系统,故很多数据需要通过网络进行传输;
- 所有的HDFS通信协议都是构建在TCP/IP协议基础之上的;
- 客户端通过一个可配置的端口向名称节点主动发起TCP连接,并使用客户端协议与名称节点进行交互;
- 名称节点和数据节点之间则使用数据节点协议进行交互;
- 客户端与数据节点的交互是通过RPC(Remote Procedure Call)来实现的,在设计上,名称节点不会主动发起RPC,而是响应来自客户端和数据节点的RPC请求;
- 客户端
- 客户端是用户操作HDFS最常用的方式,HDFS在部署时都提供了 客户端;
- HDFS客户端是一个库,暴露了HDFS文件系统接口,这些接口隐 藏了HDFS实现中的大部分复杂性
- 严格来说,客户端并不算是HDFS的一部分;
- 客户端可以支持打开、读取、写入等常见的操作,并且提供了类似Shell的命令行方式来访问HDFS中的数据;
- 此外,HDFS也提供了Java API,作为应用程序访问文件系统的客户端编程接口;
- HDFS体系结构的局限性
- 命名空间的限制:
- 名称节点是保存在内存中的,因此,名称节点能够容纳的对象(文件、块)的个数会受到内存空间大小的限制;
- 性能的瓶颈:
- 整个分布式文件系统的吞吐量,受限于单个名称节点的吞吐量;
- 隔离问题:
- 由于集群中只有一个名称节点,只有一个命名空间,故无法对不同应用程序进行隔离;
- 集群的可用性:一旦这个唯一的名称节点发生故障,会导致整个集群变得不可用;
- 命名空间的限制:
四、HDFS存储原理
-
冗余数据保存
作为一个分布式文件系统,为了保证系统的容错性和可用性,HDFS采用了多副本方式对数据进行冗余存储,通常一个数据块的多个副本会被分布到不同的数据节点上,如下图,数据块1被分别存放到数据节点A和C上,数据块2被存放在数据节点A和B上,这种多副本方式具有以下几个优点:
-
数据存取策略
-
数据存放
-
第一个副本:放置在上传文件的数据节点;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:放置在与第一个副本不同的机架的节点上;
-
第三个副本:与第一个副本相同机架的其他节点上;
-
更多副本:随机节点;
Block副本放置策略:
-
-
数据读取
- HDFS提供了一个API可以确定一个数据节点所属的机架ID,客户端也可以调用API获取自己所属的机架ID;
- 当客户端读取数据时,从名称节点获得数据块不同副本的存放位置列表,列表中包含了副本所在的数据节点,可以调用API来确定客户端和这些数据节点所属的机架ID,当发现某个数据块副本对应的机架ID和客户端对应的机架ID相同时,就优先选择该副本读取数据,如果没有发现,就随机选择一个副本读取数据;
-
-
数据错误与恢复
- 名称结点出错
- 名称节点保存了所有的元数据信息,其中,最核心的两大数据结构是FsImage和Editlog,如果这两个文件发生损坏,那么整个HDFS实例将失效;
- 因此,HDFS设置了备份机制,把这些核心文件同步复制到备份服务SecondaryNameNode上; 当名称节点出错时,就可以根据备份服务器SecondaryNameNode中的FsImage和Editlog数据进行恢复.
- 数据结点出错
- 每个数据节点会定期向名称节点发送“心跳”信息,向名称节点报告自己的状态;
- 当数据节点发生故障,或者网络发生断网时,名称节点就无法收到来自一些数据节点的心跳信息,这时,这些数据节点就会被标记为“宕机”,节点上面的所有数据都会被标记为“不可读”,名称节点不会再给它们发送任何I/O请求;
- 这时,有可能出现一种情形,即由于一些数据节点的不可用,会导致一些数据块的副本数量小于冗余因子;
- 名称节点会定期检查这种情况,一旦发现某个数据块的副本数量小于冗余因子,就会启动数据冗余复制,为它生成新的副本;
- HDFS和其它分布式文件系统的最大区别就是可以调整冗余数据的位置;
- 数据出错
- 可能原因:网络传输、磁盘错误等;
- 客户端在读取到数据后,会采用md5和sha1对数据块进行校验,以确定读取到正确的数据;
- 在文件被创建时,客户端就会对每一个文件块进行信息摘录,并把这些信息写入到同一个路径的隐藏文件里面;
- 当客户端读取文件的时候,会先读取该信息文件,然后,利用该信息文件对每个读取的数据块进行校验,如果校验出错,客户端就会请求到另外一个数据节点读取该文件块,并且向名称节点报告这个文件块有错误,名称节点会定期检查并且重新复制这个块;
- 名称结点出错
五、HDFS数据读写过程
-
Intro
- FileSystem是一个通用文件系统的抽象基类,可以被分布式文件系统继承,所有可能使用Hadoop文件系统的代码,都要使用这个类;
- Hadoop为FileSystem这个抽象类提供了多种具体实现,DistributedFileSystem就是FileSystem在HDFS文件系统中的具体实现;
- FileSystem的open()方法返回的是一个输入流FSDataInputStream对象,在HDFS文件系统中,具体的输入流就是DFSInputStream;FileSystem中的create()方法返回的是一个输出流FSDataOutputStream对象,在HDFS文件系统中,具体的输出流就是DFSOutputStream;
-
读数据过程
-
写数据过程
六、HDFS编程实践
附-Maven依赖
<dependencies> <!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-client --> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>3.2.1</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-auth</artifactId> <version>3.2.1</version> </dependency> </dependencies>
- 判断文件是否存在
public class FileExists {
public static void checkFileExists(String path,FileSystem fs) throws IOException {
if(fs.exists(new Path(path))){
System.out.println("Exists");
}else{
System.out.println("Not Exists");
}
}
public static void main(String[] args){
try{
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://master:9000"),conf,"hadoop"); //master为主机名
String filename = "test";
checkFileExists(filename,fs);
filename = "for_test";
checkFileExists(filename,fs);
} catch (URISyntaxException | IOException | InterruptedException e) {
e.printStackTrace();
}
}
}
- 读取文件
public class FileReader {
public static void main(String[] args) {
try {
System.setProperty("HADOOP_USER_NAME", "hadoop");
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://master:9000"),conf);
/*
System.setProperty("HADOOP_USER_NAME", "hadoop");
Configuration conf = new Configuration();
If we have set for conf like
conf.set("fs.defaultFS", "hdfs://localhost:9000"),
then we can just
FileSystem fs = FileSystem.get(conf);
Or we can just when we didn't System.setProperty("HADOOP_USER_NAME", "hadoop")
conf.set("fs.defaultFS", "hdfs://localhost:9000","hadoop"),
*/
Path file = new Path("input/core-site.xml"); // 即user/hadoop/input/core-site.xml
FSDataInputStream fsdIS = fs.open(file);
BufferedReader reader = new BufferedReader(new InputStreamReader(fsdIS));
String line = null;
// 读取文件一行
while ((line = reader.readLine()) != null) {
System.out.print(line + "\n");
}
reader.close(); // 关闭文件
fs.close(); // 关闭hdfs
} catch (Exception e) {
e.printStackTrace();
}
}
}
- 写入文件
public class FileWriter {
public static void main(String[] args) {
try {
//System.setProperty("HADOOP_USER_NAME", "hadoop");
//Configuration conf = new Configuration();
//conf.set("fs.defaultFS", "hdfs://master:9000");
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://master:9000"),conf,"hadoop");
// 要写入的内容
byte[] buff = "Hello world".getBytes();
//要写入的文件名
String filename = "/user/hadoop/hello.txt";
FSDataOutputStream fsDataOutputStream = fs.create(new Path(filename));
fsDataOutputStream.write(buff, 0, buff.length);
fsDataOutputStream.close();
fs.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
- 合并文件
package org.example.hdfs;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import java.io.IOException;
import java.io.PrintStream;
import java.net.URI;
class ThePathFilter implements PathFilter {
String reg = null;
public ThePathFilter(String reg){
this.reg = reg;
}
@Override
public boolean accept(Path path) {
return !(path.toString().matches(reg));
}
}
/**
* @author hadoop
*/
public class MergeFile {
private Path inputPath = null;
private Path outputPath = null;
public MergeFile(String input, String output){
this.inputPath = new Path(input);
this.outputPath = new Path(output);
}
public void doMerge() throws IOException {
Configuration conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://master:9000");
conf.set("fs.hdfs.impl", "org.apache.hadoop.hdfs.DistributedFileSystem");
FileSystem infs = FileSystem.get(URI.create(inputPath.toString()), conf);
FileSystem outfs = FileSystem.get(URI.create(outputPath.toString()), conf);
// 过滤掉输入目录中后缀为.abc的文件,保留符合条件的文件
FileStatus[] sourceStatus = infs.listStatus(inputPath, new ThePathFilter(".*\\.abc"));
FSDataOutputStream fsdos = outfs.create(outputPath);
PrintStream ps = new PrintStream(System.out);
for (FileStatus status : sourceStatus) {
System.out.print("Path:" + status.getPath() + ";File Size:" + status.getLen() + ";Permission:" + status.getPermission() + ";Content:");
FSDataInputStream fsdis = infs.open(status.getPath());
byte[] data = new byte[1024];
int read = -1;
while ((read = fsdis.read(data)) > 0) {
ps.write(data, 0, read);
fsdos.write(data, 0, read);
}
fsdis.close();
}
ps.close();
fsdos.close();
}
public static void main(String[] args) throws IOException{
MergeFile merge = new MergeFile(
"hdfs://master:9000/user/hadoop/file",
"hdfs://master:9000/user/hadoop/merge.txt"
);
merge.doMerge();
}
}
- Tomcat 服务器日志定时上传(Personal Homework of Hadoop hdfs)
package org.example.hdfs;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import java.io.File;
import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import java.util.HashMap;
import java.util.Timer;
import java.util.TimerTask;
public class LogsUpload {
protected static String logPath = null;
protected static String hdfsLogPath = null;
protected static Configuration conf = null;
protected static FileSystem fs = null;
protected static Timer timer = null;
protected static HashMap<String,Long> fileMod = new HashMap<String, Long>();
protected static int flag = 1;
private static void timerTest(){
//创建一个定时器
Timer timer = new Timer(true);
//schedule方法是执行时间定时任务的方法
timer.schedule(new TimerTask() {
//run方法就是具体需要定时执行的任务
@Override
public void run() {
print();
}
}, 0, 1000);
}
private static void print(){
System.out.println("Timer Test!!!");
}
private static void regularUpload(){
timer = new Timer();
timer.schedule(
new TimerTask() {
@Override
public void run() {
// logsUpload(); # if logsUpload() be here it will only execute once, so copy method body of logsUpload() below.
System.out.println("upload>>>");
try {
fs = FileSystem.get(new URI("hdfs://master:9000"),conf,"hadoop");
if(!fs.exists(new Path(hdfsLogPath))){
fs.mkdirs(new Path(hdfsLogPath));
}
File[] files = new File(logPath).listFiles();
if (files != null) {
System.out.println("loading");
for(File f:files){
System.out.println("process logs' file:"+f.getName());
if(flag==1){// record file modify time
fileMod.put(f.getName(),f.lastModified());
}
// if a local log file does not exist in hdfs, then put it to hdfs;
if(!fs.exists(new Path(hdfsLogPath+"/"+f.getName()))){
System.out.println("Begin loading file that doesn't exist in hdfs:"+f.getName());
fs.copyFromLocalFile(new Path(logPath+"/"+f.getName()),new Path(hdfsLogPath));
System.out.println("Complete loading file:"+f.getName());
fileMod.put(f.getName(),f.lastModified());
}else{
// if f has been updated;
if(f.lastModified()!=fileMod.get(f.getName())){
// delete f first, then upload;
fs.delete(new Path(hdfsLogPath+"/"+f.getName()),true);
System.out.println("Begin loading file that has been modified in local logs:"+f.getName());
fs.copyFromLocalFile(new Path(logPath+"/"+f.getName()),new Path(hdfsLogPath));
System.out.println("Complete loading file:"+f.getName());
fileMod.put(f.getName(),f.lastModified());
}
}
}
System.out.println("load complete");
flag = 2;
}
} catch (IOException | InterruptedException | URISyntaxException e) {
e.printStackTrace();
}
}
},0,1000*60
);
// As long as passing an hour, call method logsUpload() to upload logs
}
private static void logsUpload(){
System.out.println("upload>>>");
try {
fs = FileSystem.get(new URI("hdfs://master:9000"),conf,"hadoop");
if(!fs.exists(new Path(hdfsLogPath))){
fs.mkdirs(new Path(hdfsLogPath));
}
File[] files = new File(logPath).listFiles();
if (files != null) {
for(File f:files){
// record file modify time
if(flag==1){
fileMod.put(f.getName(),f.lastModified());
}
// if a local log file does not exist in hdfs, then put it to hdfs;
if(!fs.exists(new Path(hdfsLogPath+"/"+f.getName()))){
System.out.println("Begin loading file:"+f.getName());
fs.copyFromLocalFile(new Path(logPath+"/"+f.getName()),new Path(hdfsLogPath));
System.out.println("Complete loading file:"+f.getName());
fileMod.put(f.getName(),f.lastModified());
}else{
// if f has been updated;
if(f.lastModified()!=fileMod.get(f.getName())){
// delete f first, then upload;
fs.delete(new Path(hdfsLogPath+"/"+f.getName()),true);
System.out.println("Begin loading file:"+f.getName());
fs.copyFromLocalFile(new Path(logPath+"/"+f.getName()),new Path(hdfsLogPath));
System.out.println("Complete loading file:"+f.getName());
fileMod.put(f.getName(),f.lastModified());
}
}
}
flag = 2;
}
} catch (IOException | InterruptedException | URISyntaxException e) {
e.printStackTrace();
}
}
public static void main(String[] args){
conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://master:9000"); //If we use windows' IDE to access linux in VM,we need make a mapping between ip(linux) and hostname(linux) in windows("C:\Windows\System32\drivers\etc\hosts"):ip hostname
logPath = "D:\\Application\\Tomcat\\apache-tomcat-8.5.54\\logs";
hdfsLogPath = "logs";
regularUpload();
}
}
Source
PPT and Project document of NEU hadoop course