Hadoop框架组成:
HDFS:分布式存储系统(Hadoop Distributed File System)
• 分布式存储系统
• 提供了 高可靠性、高扩展性和高吞吐率的数据存储服务
MapReduce:分布式计算框架
• 分布式计算框架
• 具有 易于编程、高容错性和高扩展性等优点。
• HDFS优点:
– 高容错性
• 数据自动保存多个副本
• 副本丢失后,自动恢复
– 适合批处理
• 移动计算而非数据
• 数据位置暴露给计算框架
– 适合大数据处理
• GB 、TB 、甚至PB 级数据
• 百万规模以上的文件数量
• 10K+ 节点
– 可构建在廉价机器上
• 通过多副本提高可靠性
• 提供了容错和恢复 机制
• HDFS缺点:
– 低延迟数据访问
• 比如毫秒级
• 低延迟与高吞吐率
– 小文件存取
• 占用NameNode 大量内存
• 寻道时间超过读取时间
– 并发写入、文件随机修改(一般不会修改,但是Hadoop2支持)
• 一个文件只能有一个写者
• 仅支持append
HDFS架构:
HDFS存储单元:Block
– 文件被切分成固定大小的数据块
• 默认数据块大小为128MB (hadoop2.x),可配置
• 若文件大小不到128MB ,则单独存成一个block
– 一个文件存储方式
• 按大小被切分成若干个block ,存储到不同节点上
• 默认情况下每个block都有三个副本【加上原来的一共三个,三倍冗余,(可以自己设置)】
– Block大小和副本数通过Client端上传文件时设置,文件上传成功后副本数可以变更,Block Size不可变更
NameNode(NN)
– NameNode主要功能:接受客户端的读写服务【将文件读进内存】
– NameNode保存metadate信息包括(元数据)
• 文件名称和大小
• 文件包含哪些块
• Block保存在哪个DataNode(由DataNode启动时上报)
– NameNode的metadate信息在启动后会加载到内存
• metadata存储到磁盘文件名为”fsimage”
• Block的位置信息不会保存到fsimage(由DataNode上报)
• edits记录对metadata的操作日志
总结:NameNode操作的是读写数据的信息(元数据),存数据时都会将数据的信息加载到内存(称为元数据),操作的记录都会存储在edits,定期将更改的内容更新到fsimage。
SecondaryNameNode:(SNN)
作用:定期(默认3600秒)从NameNode上获取edits(最大64MB)、fsimage,将更改内容更新草fsimage,返回给NameNode.
了解:
1.NameNode在原edits被拿走的时候生成一个新的edits记录edits拿走这段时间内新的操作日志。(直到SecondaryNameNode来拿下一份edits、fsimage去合并)
2.SecondaryNameNode一般都是在另外一台服务器上跑,它就是为NameNode分担压力的(尤其是在读写操作占据大量内存时)
DataNode
作用:存储数据(Block)。
数据的安全性:
1.数据被分割成不同的块存到磁盘上,(心跳机制)每个(3s)向NameNode发送一次自身的位置信息,如果10分钟不发了,NameNode就认为这个Block丢失了,然后会复制一个新的副本到内存中。
2.一般默认一个块有3份,存到不同的磁盘中。