*解决海量式的分布式存储
一、分布式文件系统
1,计算机集群结构
【交换机】:光纤交换机
2.分布式文件系统的结构
主节点:名称节点
从节点:数据节点
二、HDFS
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
局限性:
- 不适合低延迟数据访问(实时处理需求)
- 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【为了方便批处理而舍弃了一些功能】
块:
- 一个块64MB,一个文件被分成多个块,以块作为存储单位
- 支持大规模文件存储:不同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【脱离单机存储容量限制】
- 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
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: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:
1.文件的复制等级
2.修改和访问时间,访问权限
3.块大小及组成文件的块
对于目录:
1.修改时间、权限和配额元数据
**没有记录块存储在那个数据节点,由名称节点把这些映射保留在内存中
具体过程:
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。
- 操作日志文件EditLog记录所有针对文件的创建,删除,重命名等操作
名称节点的启动:
1)先将FsImage文件中的内容加载到内存中,之后再执行EditLog文件中的各项操作。
2)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
3)启动后,HDFS的更新操作会重新写到EditLog文件中。每次执行写操作之后,且在向客户端发送成功代码之前,edits文件都需要同步更新
有上述的第3点我们能得到一个问题:
“名称节点运行期间EditLog不断变大的问题”
- 如何解决?答案是:SecondaryNameNode第二名称节点
第二名称节点:
*处理EditLog不断增大的问题
*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
一般是单独运行在一台机器上
第二名称节点工作情况:
1)与主名称节点定期通信,请求停止EditLog,主名称节点把新的操作写到一个新的文件edits.new上
2)SecondaryNameNode通过HTTP GET方式从NameNode上获取到FsImage和EditLog文件,下载到本地的相应目录下
3)合并两个文件得到新的fsimage文件
4)主名称节点新的fsimage替换旧的fsimage,edits.new替换EditLog文件
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
*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的块的列表
HDFS体系结构:
*HDFS数据读写过程
读:==》HDFS客户端
1)打开文件 Distributed Filesystem
- 读取请求,关闭文件
FSDataInputStream | 从名称节点获取数据块信息,就近读取数据节点数据 |
DFSOutputStream | 封装在FSDataInputStream,完成写操作 |
RPC | 远程调用名称节点,在文件系统的命名空间新键一个文件名称节点会执行一些检查(文件是否存在,客户端权限) |