HDFS
HDFS优缺点
* 优点
1)高容错性
数据自动保存多个副本。它通过增加副本的形式,提高容错性。
2)适合处理大数据
数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据;
某一个副本丢失以后,它可以自动恢复。
文件规模:能够处理百万规模以上的文件数量,数量相当之大。
3)可构建在廉价机器上,通过多副本机制,提高可靠性。
*缺点
1)不适合低延时数据访问,比如毫秒级的存储数据,是做不到的。
2)无法高效的对大量小文件进行存储。
存储大量小文件的话,它会占用NameNode大量的内存来存储文件 目录和块信息。这样是不可取的,因为NameNode的内存总是有限的;
小文件存储的寻址时间会超过读取时间,它违反了HDFS的设计目标。
3)不支持并发写入、文件随机修改。
一个文件只能有一个写,不允许多个线程同时写;
仅支持数据append(追加),不支持文件的随机修改
HDFS组成架构
* 组成
1)NameNode(nn):就是Master,它 是一个主管、管理者。
(1)管理HDFS的名称空间;
(2)配置副本策略;
(3)管理数据块(Block)映射信息;
(4)处理客户端读写请求。
2)DataNode:就是Slave。NameNode 下达命令,DataNode执行实际的操作。
(1)存储实际的数据块;
(2)执行数据块的读/写操作。
3)Client:就是客户端。
(1)文件切分。文件上传HDFS的时候,Client将文件切分成一个一个的Block,然后进行上传;
(2)与NameNode交互,获取文件的位置信息;
(3)与DataNode交互,读取或者写入数据;
(4)Client提供一些命令来管理HDFS,比如NameNode格式化;
(5)Client可以通过一些命令来访问HDFS,比如对HDFS增删查改操作;
4)Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不 能马上替换NameNode并提供服务。
(1)辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode ;
(2)在紧急情况下,可辅助恢复NameNode。
* 文件块
HDFS中的文件在物理上是分块存储(Block),块的大小可以通过配置参数 ( dfs.blocksize)来规定,默认大小在Hadoop2.x版本中是128M,老版本中是64M
寻址时间为传输时间的1% 时,则为最佳状态
思考:为什么块的大小不能设置太小,也不能设置太大?
(1)HDFS的块设置太小,会增加寻址时间,程序一直在找块的开始位置;
(2)如果块设置的太大,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,会非常慢。
总结:HDFS块的大小设置主要取决于磁盘传输速率。
HDFS 的 Shell 操作
1.基本语法 bin/hadoop fs 具体命令 OR bin/hdfs dfs 具体命令
dfs 和 fs 是执行的同一个类 org.apache.hadoop.fs.FsShell。
2.常用命令实操
(1)-help:输出这个命令参数
(2)-ls: 显示目录信息
(3)-mkdir:在 HDFS 上创建目录
(4)-moveFromLocal:从本地剪切粘贴到 HDFS
(5)-appendToFile:追加一个文件到已经存在的文件末尾
(6)-cat:显示文件内容
(7)-chgrp 、-chmod、-chown:Linux 文件系统中的用法一样,修改文件所属权限
(8)-copyFromLocal:从本地文件系统中拷贝文件到 HDFS 路径去
(9)-copyToLocal:从 HDFS 拷贝到本地
(10)-cp :从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
(11)-mv:在 HDFS 目录中移动文件
(12)-get:等同于 copyToLocal,就是从 HDFS 下载文件到本地
(13)-getmerge:合并下载多个文件,比如 HDFS 的目录 /user/ityouxin/test 下有多个文
件:log.1, log.2,log.3,...
(14)-put:等同于 copyFromLocal
(15)-tail:显示一个文件的末尾
(16)-rm:删除文件或文件夹
(17)-rmdir:删除空目录
(18)-du 统计文件夹的大小信息
(19)-setrep:设置 HDFS 中文件的副本数量
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
NN和2NN的工作机制
* 机制
1. 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 在内存中对元数据进行增删改。
2. 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