Hadoop教程(HDFS)（三）

最新推荐文章于 2024-03-09 00:52:27 发布

90后的包子

最新推荐文章于 2024-03-09 00:52:27 发布

阅读量2.5k

点赞数

分类专栏：大数据文章标签： hadoop hdfs big data

本文链接：https://blog.csdn.net/shenBaoYun/article/details/123063721

版权

大数据专栏收录该内容

8 篇文章 1 订阅

订阅专栏

HDFS

1、HDFS概述
2、HDFS的Shell操作
3、HDFS的API操作
4、HDFS读写流程
5、NameNode和SecondaryNameNode
6、DataNode

1、HDFS概述

1.1、HDFS背景及定义

1）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。一个文件经过创建、写入和关闭之后就不需要改变。

1.2、HDFS的优缺点

1）HDFS的优点

高容错性：数据自动保存多个副本，通过增加副本的形式提高容错性、某一副本丢失后可以自动恢复
适合处理大数据：能够处理数据规模达到GB、TB、PB的数据。能够处理百万规模以上的文件数
可构建在低性能机器上，通过多副本机制提高可靠性
2）HDFS的缺点
不适合低延时数据访问，如毫秒级
无法高效地对大量小文件进行存储，存储大量小文件会占用NameNode大量的内存来存储文件目录和块信息，容易超出内存。小文件存储的寻址时间会超过读取时间，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入，不允许同时多次写入。仅支持append（追加操作），不支持文件的修改

1.3、HDFS组成架构

1）NameNode（nn）:是Master，是管理者

管理HDFS的名称空间
配置副本策略
管理数据块（Block）映射信息
处理客户端读写请求
2）DataNode：是Slave。NameNode下达命令，DataNode执行操作
存储实际的数据块
执行数据块的读写操作
3）Client：客户端
文件切分。文件上传HDFS的时候，Client将文件切分从一个个的Block然后进行上传
与NameNode交互，获取文件的位置信息
与DataNode交互，读取或写入数据
Client提供一些命令管理HDFS，比如NameNode格式化
Client可以通过一些命令来访问HDFS，比如对HDFS的增删改查操作
4）SecondaryNameNode（2nn）：不是NameNode的热备。党NameNode挂掉的时候它不能马上替代NameNode并提供服务
辅助NameNode，分担其工作，比如定期合并Fsimage和Edits，并推送给NameNode
在紧急情况下可辅助恢复NameNode

1.4、HDFS文件块大小

HDFS中的文件在物理上是分块存储的（Block），kuaidedaxiaokeyitongguopeizhicanshu（dfs.blocksize）来规定，默认大小在Hadoop2.x/3.x中是128M，1.x中是64M

1）HDFS中平均寻址时间大概为10ms，即查到目标block的时间为10ms，寻址时间为传输时间的1%为最佳状态，则传输时间=10ms/0.01=1s，机械硬盘传输速率普遍约为100MB/s，所以块大小1s*100=100MB
2）块的大小不宜太小，也不宜太大。如果块太小会增加寻址时间，程序会一直寻找块的开始位置。如果块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很慢
3）HDFS中块大小设置主要取决于磁盘传输速率

2、HDFS的Shell操作

2.1、基本语法

hadoop fs 命令或者 hdfs dfs 命令，选择哪一种都可以

2.2、命令大全

#在hadoop安装目录里查询操作命令可看到若干命令
bin/hadoop fs

[-appendToFile <localsrc> ... <dst>]
        [-cat [-ignoreCrc] <src> ...]
        [-chgrp [-R] GROUP PATH...]
        [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
        [-chown [-R] [OWNER][:[GROUP]] PATH...]
        [-copyFromLocal [-f] [-p] <localsrc> ... <dst>]
        [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-count [-q] <path> ...]
        [-cp [-f] [-p] <src> ... <dst>]
        [-df [-h] [<path> ...]]
        [-du [-s] [-h] <path> ...]
        [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-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] <localsrc> ... <dst>]
        [-rm [-f] [-r|-R] [-skipTrash] <src> ...]
        [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
<acl_spec> <path>]]
        [-setrep [-R] [-w] <rep> <path> ...]
        [-stat [format] <path> ...]
        [-tail [-f] <file>]
        [-test -[defsz] <path>]
        [-text [-ignoreCrc] <src> ...]

2.3、常用命令

1）基本命令

-help：输出这个命令参数

hadoop fs -help rm

2)上传

-moveFormLocal：从本地剪切到HDFS中

hadoop fs -moveFormLocal 文件名

-copyFromLocal：从本地文件拷贝到HDFS中

hadoop fs -copyFromLocal 文件名

-put：等同于-copyFromLocal，生产环境更习惯于-put

hadoop fs -put 文件名

-appendToFile：追加一个文件到已存在的文件末尾

hadoop fs -appendToFile 要追加的文件名 /路径/文件名

3）下载

-copyToLocal：从HDFS拷贝文件到本地

hadoop fs -copyToLocal /路径/文件

-get：等同于-copyToLocal，生产环境建议用-get

hadoop fs -get /路径/文件名 /要下载到的路径

4)HDFS直接操作

hadoop fs -ls /路径/文件名

-cat：显示文件内容

hadoop fs -cat /路径/文件名

-chgrp、-chmod、-chown：和Linux系统用法一样，均属于修改文件所属权限

hadoop fs -chmod 777 /路径/文件名
hadoop fs -chown 用户名:用户组名 /路径/文件名

-mkdir创建文件夹

hadoop fs -mkdir /路径/文件名

-cp：从HDFS的一个路径拷贝到HDFS的另一个路径

hadoop fs -cp /路径/文件名 /路径

-mv：在HDFS中移动文件

hadoop fs -mv /路径/文件名 /路径

-tail：显示一个文件的末尾1kb的数据

hadoop fs -tail /路径名/文件名

-rm：删除文件或文件夹

hadoop fs -rm /路径/文件（夹）名

-rm -r：递归删除目录及目录里面的内容

hadoop fs -rm -r /路径/文件(夹)名

-du：统计文件夹的大小信息

hadoop fs -du -s /路径/文件名
hadoop fs -du -h /路径/文件名

-setrep：设置HDFS中文件的副本数量

hadoop fs -setrep 5 /路径/文件名
#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台服务器，最多也就3个副本

3、HDFS的API操作

3.1、客户端环境准备

1）下载Hadoop依赖文件

https://hadoop.apache.org/release.html
下载对应的版本文件，并在本地配置环境变量
配置HADOOP_HOME
配置Path

在这里插入图片描述

编辑hadoop的文件
打开 \etc\hadoop\hadoop-enc.cmd文件,修改JAVA_HOME为你自己的jdk路径。

配置完成后
window+r打开 cmd窗口输入 hadoop测试
如图所示即配置正确

3.2、项目搭建

1）在IDEA中创建一个maven工程HdfsClinetDemo，并导入对应的依赖，日志

<dependencies>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>3.1.3</version>
    </dependency>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.12</version>
    </dependency>
    <dependency>
        <groupId>org.slf4j</groupId>
        <artifactId>slf4j-log4j12</artifactId>
        <version>1.7.30</version>
    </dependency>
</dependencies>

2）在项目的src/main/resources目录下，新建一个文件，命名为log4j.properties，在文件里添加以下代码

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

3）创建包名：com.atguigu.hdfs
4）创建HdfsClient类

public class HdfsClient {

    @Test
    public void testMkdirs() throws IOException, URISyntaxException, InterruptedException {

        // 1 获取文件系统
        Configuration configuration = new Configuration();

        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:8020"), configuration,"用户");

        // 2 创建目录
        fs.mkdirs(new Path("/xiyou/huaguoshan/"));

        // 3 关闭资源
        fs.close();
    }
}

5）执行程序

3.3、HDFS的API案例操作

1）编写代码

@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {

    // 1 获取文件系统
    Configuration configuration = new Configuration();
    configuration.set("dfs.replication", "2");
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:8020"), configuration, "用户");

    // 2 上传文件
    fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new Path("/xiyou/huaguoshan"));

    // 3 关闭资源
    fs.close();
｝

2）将hdfs-site.xml拷贝到项目的resources资源目录下

<?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）然后是服务器的自定义配置（xxx-site.xml） >（4）服务器的默认配置（xxx-default.xml）

3.3.1、HDFS文件下载

@Test
public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{

    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:8020"), configuration, "用户");
    
    // 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
    fs.copyToLocalFile(false, new Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("d:/sunwukong2.txt"), true);
    
    // 3 关闭资源
    fs.close();
}

3.3.2 HDFS文件更名和移动

public void testRename() throws IOException, InterruptedException, URISyntaxException{

	// 1 获取文件系统
	Configuration configuration = new Configuration();
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:8020"), configuration, "用户"); 
		
	// 2 修改文件名称
	fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("/xiyou/huaguoshan/meihouwang.txt"));
		
	// 3 关闭资源
	fs.close();
}

3.3.3、HDFS删除文件和目录

@Test
public void testDelete() throws IOException, InterruptedException, URISyntaxException{

	// 1 获取文件系统
	Configuration configuration = new Configuration();
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:8020"), configuration, "用户");
		
	// 2 执行删除
	fs.delete(new Path("/xiyou"), true);
		
	// 3 关闭资源
	fs.close();
}

3.3.4、HDFS文件详情查看

查看文件名称、权限、长度、块信息

@Test
public void testListFiles() throws IOException, InterruptedException, URISyntaxException {

	// 1获取文件系统
	Configuration configuration = new Configuration();
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:8020"), configuration, "用户");

	// 2 获取文件详情
	RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);

	while (listFiles.hasNext()) {
		LocatedFileStatus fileStatus = listFiles.next();

		System.out.println("========" + fileStatus.getPath() + "=========");
		System.out.println(fileStatus.getPermission());
		System.out.println(fileStatus.getOwner());
		System.out.println(fileStatus.getGroup());
		System.out.println(fileStatus.getLen());
		System.out.println(fileStatus.getModificationTime());
		System.out.println(fileStatus.getReplication());
		System.out.println(fileStatus.getBlockSize());
		System.out.println(fileStatus.getPath().getName());

		// 获取块信息
		BlockLocation[] blockLocations = fileStatus.getBlockLocations();
		System.out.println(Arrays.toString(blockLocations));
	}
	// 3 关闭资源
	fs.close();
}

3.3.5、HDFS文件和文件夹判断

@Test
public void testListStatus() throws IOException, InterruptedException, URISyntaxException{

    // 1 获取文件配置信息
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:8020"), configuration, "用户");

    // 2 判断是文件还是文件夹
    FileStatus[] listStatus = fs.listStatus(new Path("/"));

    for (FileStatus fileStatus : listStatus) {

        // 如果是文件
        if (fileStatus.isFile()) {
            System.out.println("f:"+fileStatus.getPath().getName());
        }else {
            System.out.println("d:"+fileStatus.getPath().getName());
        }
    }

    // 3 关闭资源
    fs.close();
}

4、HDFS读写流程

4.1、HDFS写数据流程

（1）客户端通过DistributedFileSystem模块向NameNode请求上传文件，NameNode检查权限，检查父目录是否存在，目标文件是否存在。
（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通过机架感知返回三个DataNode节点，分别是A、B、C（本地节点，不同机架另一节点，第二个副本所在机架不同节点）。
（5）客户端通过FSDataOutputStream模块请求A上传数据，A收到请求会继续调用B，然后B继续调用C，直到将这个通信管道建立完成。
（6）通道建立完成后A、B、C逐级应答客户端。
（7）客户端开始往A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（默认为64k），A收到一个packet就会传给B，B收到packet传给C。A每传递一个packet就会放入一个应答队列等待应答。
（8）当一个Block传输完成后，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，直至所有Block传输完成。
（9）写完数据，关闭输输出流，发送完成信号给NameNode。

在这里插入图片描述

4.1.1、网络拓扑-节点距离计算

在HDFS写入数据的过程中，NameNode会选择距离待上传数据距离最近的DataNode接收数据，这个距离如何计算？
节点距离=两个节点到达最近的共同祖先的距离总和
在这里插入图片描述

4.1.2、机架感知

For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on the local machine if the writer is on a datanode, otherwise on a random datanode, another replica on a node in a different (remote) rack, and the last on a different node in the same remote rack. This policy cuts the inter-rack write traffic which generally improves write performance. The chance of rack failure is far less than that of node failure; this policy does not impact data reliability and availability guarantees. However, it does reduce the aggregate network bandwidth used when reading data since a block is placed in only two unique racks rather than three. With this policy, the replicas of a file do not evenly distribute across the racks. One third of replicas are on one node, two thirds of replicas are on one rack, and the other third are evenly distributed across the remaining racks. This policy improves write performance without compromising data reliability or read performance.

对于常见情况，当复制系数为3时，HDFS的放置策略是，如果写入程序位于datanode上，则将一个副本放置在本地计算机上，否则放置在随机datanode上，另一个副本放置在不同（远程）机架中的节点上，最后一个副本放置在同一远程机架中的不同节点上。此策略减少机架间写入通信量，这通常会提高写入性能。机架故障的概率远小于节点故障的概率；此策略不会影响数据可靠性和可用性保证。但是，它确实减少了读取数据时使用的总网络带宽，因为一个块只放在两个而不是三个唯一的机架中。使用此策略，文件的副本不会均匀分布在机架上。三分之一的副本位于一个节点上，三分之二的副本位于一个机架上，另三分之一均匀分布在其余机架上。此策略在不影响数据可靠性或读取性能的情况下提高了写入性能。
————————————————
版权声明：本文为CSDN博主「以前不懂珍惜！」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m0_56066550/article/details/121803100

官方文档
http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication

4.1.3、Hadoop3.1.3副本节点选择

第一个副本在客户端（CLient）所处的节点上，如果客户端处于集群外，则随机选择一个。
第二个副本在另一个机架上随机选择一个节点
第三个副本在第二个副本所在机架的随机节点
在这里插入图片描述

4.2、HDFS读数据流程

（1）客户端通过DistributedFileSystem模块向NameNode请求下载文件，NameNode通过查询元数据找到文件快所在的DataNode地址。
（2）根据就近原则挑选一台DataNode服务器，读取数据。
（3）DataNode发送数据给客户端（从磁盘里面读取数据放入流，以packet（64k）为单位做校验）。
（4）客户端以packet为单位接受，现在本地缓存然后写入目标文件

图片转载自https://www.cnblogs.com/Java-Script/p/11090379.html

在这里插入图片描述

5、NameNode和SecondaryNameNode

5.1、NN和2NN工作机制

思考：NameNode中的元数据是存储在哪里的？
首先做个假设，如果存储在NameNode结点的磁盘中，因为经常要进行随机访问还要响应客户端请求，效率过低。因此元数据需要放在内存中。但如果之存储在内存中，一旦断电，元数据将会丢失，整个集群将无法工作。因此产生在磁盘中备份元数据的FsImage。
当内存中的元数据更新，如果同步更新FsImage就会导致效率过低，如果不更新就会引发一致性问题，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，效率高）。每当元数据有更新或者添加源数据时，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。
如果长时间添加数据到Edits中会导致该文件数据过大，影响效率，，因此需要定期进行FsImage和Edits的合并，如果这个操作只由Name Node节点完成，又会造成效率低下，，因此引入一个新的节点SecondatyNameNode，专门用于FsImage和Edits的合并。

1）第一阶段：NameNode启动
（1）第一次启动NameNode格式化后，创建FsImage（镜像文件）和Edits（编辑日志）文件，如果不是第一次启动，则直接加载编辑日志和镜像文件到内存。
（2）客户端队员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在内存中对元数据进行增删改。
2）第二阶段：SecondaryNameNode工作
（1）SecondaryNameNode定期询问NameNode是否需要CheckPoint（元数据备份机制）。直接带回NameNode是否检查结果。
（2）SecondatyNameNode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SecondaryNameNode。
（5）SecondatyNameNode加载编辑日志和镜像文件到内存中并合并。
（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。
在这里插入图片描述

5.2、Fsimage和Edits解析

NameNode格式化之后将在%HADOOP_HOME/data/tmp/dfs/name/current目录中产生如下文件

在这里插入图片描述（1）Fsimage文件：Fsimage保存了最新的元数据检查点，在HDFS启动时加载fsimage的信息，包含了整个HDFS文件系统的所有目录和文件的信息。
（2）Edits文件：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文件保存的是要给数字，是最后一个edits_的数字。
（4）每次Name Node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。可以看成NameNode启动的时候就将Fsimage和Edits文件进行了合并。

5.2.1、oiv查看fsimage文件

（1）查看oiv和oev命令
1）oiv查看

hdfs oiv -p 文件类型 -i 编辑日志 -o 转换后文件输出路径

dhfs oev -p 文件类型 -i 编辑日志 -o 转换后文件输出路径

（2）案例

hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml

bash[atguigu@hadoop100 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml

5.3、CHeckPoint时间设置

1）通常情况下，SecondaryNameNode每隔一小时执行一次

[hdfs-default.xml]

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

2）一分钟检查一次操作次数，当操作次数达到一百万时，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>60s</value>
<description> 1分钟检查一次操作次数</description>
</property>

6、DataNode

6.1、DataNode工作机制

（1）一个数据库在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（6小时）向NameNode上报所有的块信息。

DN向NN汇报当前解读信息的时间间隔，默认6小时

<property>
	<name>dfs.blockreport.intervalMsec</name>
	<value>21600000</value>
	<description>Determines block reporting interval in milliseconds.</description>
</property>

DN扫描自己节点块信息列表的时间，默认6小时

<property>
	<name>dfs.datanode.directoryscan.interval</name>
	<value>21600s</value>
	<description>Interval in seconds for Datanode to scan data directories and reconcile the difference between blocks in memory and on the disk.
	Support multiple time unit suffix(case insensitive), as described
	in dfs.heartbeat.interval.
	</description>
</property>

（3）心跳每三秒一次，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，如果超过十分钟没有收到某个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时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，一直显示绿灯，是否有问题？同理DataNode节点上的数据损坏却没有发现，应该如何解决？

DataNode节点保证数据完整性的方法
1、奇偶校验技术
2、md5，sha1等校验技术
3、CRC-32循环冗余校验技术
4、ECC内存纠错校验技术
在这里插入图片描述

6.3、掉线时限参数设置

DataNode掉线时限参数设置
1.DataNode进程死亡或者网络故障造成DataNode无法与NameNode通信。
2.NameNode不会立刻把该节点判定为死亡，要经过一段时间的等待，这段时间称作超时时长。
3.HDFS默认超时时长为10分钟+30秒。
4.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 * fds.heartbeat.int.erval。

需要注意的是hdfs-site.xml配置文件中的heartbeat.recheck-interval的单位是毫秒，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>