Hadoop3_06（重点）

最新推荐文章于 2024-05-21 16:24:47 发布
最新推荐文章于 2024-05-21 16:24:47 发布
阅读量279 收藏
点赞数
分类专栏： 2021大数据班（翁老师） 文章标签： Hadoop hdfs
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013621398/article/details/118731228
版权

5 NN和2NN（面试开发重点）

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，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，
还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。

但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。
这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，
但如果不更新，就会发生一致性问题，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，效率很高)。每当元数据有更新或者添加元数据时，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。
但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。
因此，需要定期进行FsImage和Edits的合并，如果这个操作由NameNode节点完成，又会效率过低。
因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并。

内存中保存元数据
防止内存中的数据丢失-FsImage
提高效率-Edits
降低Namenode合并压力-SecondaryNamenode

在这里插入图片描述

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件拷贝到Secondary NameNode。
  • （5）Secondary NameNode加载编辑日志和镜像文件到内存，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。

NN和2NN工作机制详解：

Fsimage：NameNode内存中元数据序列化后形成的文件。
Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据）。
NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。

Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，
因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。
然后，NameNode会在内存中执行元数据的增删改的操作。
由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，
所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。
SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。

SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了）。

直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，
以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，
生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。

5.2 Fsimage和Edits解析

1.概念

namenode被格式化之后，将在/opt/module/hadoop-3.1.1/data/tmp/dfs/name/current目录中产生如下文件：

edits_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION
  • （1）fsimage文件：HDFS文件系统元数据的一个永久性的检查点，其中包含HDFS文件系统的所有目录和文件idnode的序列化信息。
  • （2）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）edits文件保存的是一个数字，就是最后一个edits_的数字
  • （4）VERSION：nameNode版本信息记录文件
  • （5）每次Namenode启动的时候都会将fsimage文件读入内存，并从00001开始到seen_txid中记录的数字依次执行每个edits里面的更新操作，保证内存中的元数据信息是最新的、同步的，可以看成Namenode启动的时候就将fsimage和edits文件进行了合并。

2.oiv查看Fsimage文件

（1）查看oiv和oev命令

[dev1@hadoop102 current]$ hdfs
oiv            apply the offline fsimage viewer to an fsimage
oev            apply the offline edits viewer to an edits file

（2）基本语法
hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径
（3）案例实操

[dev1@hadoop102 current]$ pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs/name/current

[dev1@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml

[dev1@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml

将显示的xml文件使用浏览器打开显示结果如下。

<inode>
    <id>16386</id>
    <type>DIRECTORY</type>
    <name>user</name>
    <mtime>1512722284477</mtime>
    <permission>dev1:supergroup:rwxr-xr-x</permission>
    <nsquota>-1</nsquota>
    <dsquota>-1</dsquota>
</inode>
<inode>
    <id>16387</id>
    <type>DIRECTORY</type>
    <name>dev1</name>
    <mtime>1512790549080</mtime>
    <permission>dev1:supergroup:rwxr-xr-x</permission>
    <nsquota>-1</nsquota>
    <dsquota>-1</dsquota>
</inode>
<inode>
    <id>16389</id>
    <type>FILE</type>
    <name>wc.input</name>
    <replication>3</replication>
    <mtime>1512722322219</mtime>
    <atime>1512722321610</atime>
    <perferredBlockSize>134217728</perferredBlockSize>
    <permission>dev1:supergroup:rw-r--r--</permission>
    <blocks>
        <block>
            <id>1073741825</id>
            <genstamp>1001</genstamp>
            <numBytes>59</numBytes>
        </block>
    </blocks>
</inode >

思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？
在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。

3. oev查看Edits文件

（1）基本语法
hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径
（2）案例实操

[dev1@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml

[dev1@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml

将显示的xml文件使用浏览器打开，显示如下。

<?xml version="1.0" encoding="UTF-8"?>
<EDITS>
    <EDITS_VERSION>-63</EDITS_VERSION>
    <RECORD>
        <OPCODE>OP_START_LOG_SEGMENT</OPCODE>
        <DATA>
            <TXID>129</TXID>
        </DATA>
    </RECORD>
    <RECORD>
        <OPCODE>OP_ADD</OPCODE>
        <DATA>
            <TXID>130</TXID>
            <LENGTH>0</LENGTH>
            <INODEID>16407</INODEID>
            <PATH>/hello7.txt</PATH>
            <REPLICATION>2</REPLICATION>
            <MTIME>1512943607866</MTIME>
            <ATIME>1512943607866</ATIME>
            <BLOCKSIZE>134217728</BLOCKSIZE>
            <CLIENT_NAME>DFSClient_NONMAPREDUCE_-1544295051_1</CLIENT_NAME>
            <CLIENT_MACHINE>192.168.1.5</CLIENT_MACHINE>
            <OVERWRITE>true</OVERWRITE>
            <PERMISSION_STATUS>
                <USERNAME>dev1</USERNAME>
                <GROUPNAME>supergroup</GROUPNAME>
                <MODE>420</MODE>
            </PERMISSION_STATUS>
            <RPC_CLIENTID>908eafd4-9aec-4288-96f1-e8011d181561</RPC_CLIENTID>
            <RPC_CALLID>0</RPC_CALLID>
        </DATA>
    </RECORD>
    <RECORD>
        <OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE>
        <DATA>
            <TXID>131</TXID>
            <BLOCK_ID>1073741839</BLOCK_ID>
        </DATA>
    </RECORD>
    <RECORD>
        <OPCODE>OP_SET_GENSTAMP_V2</OPCODE>
        <DATA>
            <TXID>132</TXID>
            <GENSTAMPV2>1016</GENSTAMPV2>
        </DATA>
    </RECORD>
    <RECORD>
        <OPCODE>OP_ADD_BLOCK</OPCODE>
        <DATA>
            <TXID>133</TXID>
            <PATH>/hello7.txt</PATH>
            <BLOCK>
                <BLOCK_ID>1073741839</BLOCK_ID>
                <NUM_BYTES>0</NUM_BYTES>
                <GENSTAMP>1016</GENSTAMP>
            </BLOCK>
            <RPC_CLIENTID></RPC_CLIENTID>
            <RPC_CALLID>-2</RPC_CALLID>
        </DATA>
    </RECORD>
    <RECORD>
        <OPCODE>OP_CLOSE</OPCODE>
        <DATA>
            <TXID>134</TXID>
            <LENGTH>0</LENGTH>
            <INODEID>0</INODEID>
            <PATH>/hello7.txt</PATH>
            <REPLICATION>2</REPLICATION>
            <MTIME>1512943608761</MTIME>
            <ATIME>1512943607866</ATIME>
            <BLOCKSIZE>134217728</BLOCKSIZE>
            <CLIENT_NAME></CLIENT_NAME>
            <CLIENT_MACHINE></CLIENT_MACHINE>
            <OVERWRITE>false</OVERWRITE>
            <BLOCK>
                <BLOCK_ID>1073741839</BLOCK_ID>
                <NUM_BYTES>25</NUM_BYTES>
                <GENSTAMP>1016</GENSTAMP>
            </BLOCK>
            <PERMISSION_STATUS>
                <USERNAME>dev1</USERNAME>
                <GROUPNAME>supergroup</GROUPNAME>
                <MODE>420</MODE>
            </PERMISSION_STATUS>
        </DATA>
    </RECORD>
</EDITS >

思考：NameNode如何确定下次开机启动的时候合并哪些Edits？

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>3600</value>
</property>

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

5.4 NameNode故障处理（扩展）

NameNode故障后，可以采用如下两种方法恢复数据。

  • 方法一：将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；
1.kill -9 NameNode进程
2.删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/name）
[dev1@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/name/*

3.拷贝SecondaryNameNode中数据到原NameNode存储数据目录

scp -r dev1@hadoop104:/opt/module/hadoop-3.1.3/data/namesecondary/*  dev1@hadoop102:/opt/module/hadoop-3.1.3/data/name/

4.重新启动NameNode

[dev1@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode
  • 方法二：使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。

1.修改hdfs-site.xml中的

<property>
  <name>dfs.namenode.checkpoint.period</name>
  <value>120</value>
</property>

<property>
  <name>dfs.namenode.name.dir</name>
  <value>/opt/module/hadoop-3.1.3/data/tmp/dfs/name</value>
</property>

2.kill -9 NameNode进程

3.删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）

[dev1@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*

4.如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件

[dev1@hadoop102 dfs]$ scp -r dev1@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary ./
[dev1@hadoop102 namesecondary]$ rm -rf in_use.lock
[dev1@hadoop102 dfs]$ pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs
[dev1@hadoop102 dfs]$ ls
data  name  namesecondary

5.导入检查点数据（等待一会ctrl+c结束掉）

[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode -importCheckpoint

6.启动NameNode

[dev1@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode

5.5 集群安全模式

1.概述

  • (1)NameNode启动
    Namenode启动时，首先将映像文件（fsimage）载入内存，并执行编辑日志（edits）中的各项操作。
    一旦在内存中成功建立文件系统元数据的映像，则创建一个新的fsimage文件和一个空的编辑日志。此时，namenode开始监听datanode请求。
    但是此刻，namenode运行在安全模式，即namenode的文件系统对于客户端来说是只读的。
  • (2)DataNode启动
    系统中的数据块的位置并不是由namenode维护的，而是以块列表的形式存储在datanode中。在系统的正常操作期间，namenode会在内存中保留所有块位置的映射信息。在安全模式下，各个datanode会向namenode发送最新的块列表信息，namenode了解到足够多的块位置信息之后，即可高效运行文件系统。
  • (3)安全模式退出
    如果满足"最小副本条件"，namenode会在30秒钟之后就退出安全模式。所谓的最小副本条件指的是在整个文件系统中99.9%的块满足最小副本级别
    （默认值：dfs.replication.min=1）。
    在启动一个刚刚格式化的HDFS集群时，因为系统中还没有任何块，所以namenode不会进入安全模式。

2.基本语法

集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。

（1）bin/hdfs dfsadmin -safemode get        （功能描述：查看安全模式状态）
（2）bin/hdfs dfsadmin -safemode enter      （功能描述：进入安全模式状态）
（3）bin/hdfs dfsadmin -safemode leave    （功能描述：离开安全模式状态）
（4）bin/hdfs dfsadmin -safemode wait    （功能描述：等待安全模式状态）

3.案例
模拟等待安全模式
（1）查看当前模式

[dev1@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -safemode get

Safe mode is OFF
（2）先进入安全模式

[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode enter

（3）创建并执行下面的脚本
在/opt/module/hadoop-3.1.3路径上，编辑一个脚本safemode.sh

[dev1@hadoop102 hadoop-3.1.3]$ touch safemode.sh
[dev1@hadoop102 hadoop-3.1.3]$ vim safemode.sh

添加

#!/bin/bash
hdfs dfsadmin -safemode wait
hdfs dfs -put /opt/module/hadoop-3.1.3/README.txt /

执行

[dev1@hadoop102 hadoop-3.1.3]$ chmod 777 safemode.sh
[dev1@hadoop102 hadoop-3.1.3]$ ./safemode.sh

（4）再打开一个窗口，执行

[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode leave

（5）观察

（a）再观察上一个窗口
Safe mode is OFF
（b）HDFS集群上已经有上传的数据了。

5.6 NameNode多目录配置

1.NameNode的本地目录可以配置成多个，且每个目录存放内容相同，增加了可靠性
2.具体配置如下
（1）在hdfs-site.xml文件中修改如下内容

<property>
    <name>dfs.namenode.name.dir</name>
<value>file:///${hadoop.tmp.dir}/name1,file:///${hadoop.tmp.dir}/name2</value>
</property>

（2）停止集群，删除data和logs中所有数据。

[dev1@hadoop102 hadoop-3.1.3]$ rm -rf data/ logs/
[dev1@hadoop103 hadoop-3.1.3]$ rm -rf data/ logs/
[dev1@hadoop104 hadoop-3.1.3]$ rm -rf data/ logs/

（3）格式化集群并启动。

[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode –format
[dev1@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

（4）查看结果

[dev1@hadoop102 dfs]$ ll

6 DataNode（面试开发重点）

6.1 DataNode工作机制

DataNode工作机制
在这里插入图片描述

  • （1）一个数据块在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（1小时）的向NameNode上报所有的块信息。
  • （3）心跳是每3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10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是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，一直显示是绿灯，是否很危险？
同理DataNode节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？
如下是DataNode节点保证数据完整性的方法。

  • （1）当DataNode读取Block的时候，它会计算CheckSum。
  • （2）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。
  • （3）Client读取其他DataNode上的Block。
  • （4）常见的校验算法 crc（32） md5（128） sha1（160）
  • （5）DataNode在其文件创建后周期验证CheckSum
    在这里插入图片描述

6.3 掉线时限参数设置

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

6.4 服役新数据节点

  • 0.需求
    随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。
  • 1.环境准备
    （1）在hadoop104主机上再克隆一台hadoop105主机
    （2）修改IP地址和主机名称
    （3）删除原来HDFS文件系统留存的文件（/opt/module/hadoop-3.1.3/data和log）
    （4）source一下配置文件
[dev1@hadoop105 hadoop-3.1.3]$ source /etc/profile
  • 2.服役新节点具体步骤
    （1）直接启动DataNode，即可关联到集群
[dev1@hadoop105 hadoop-3.1.3]$ hdfs --daemon start datanode
[dev1@hadoop105 hadoop-3.1.3]$yarn --daemon start nodemanager

需要完成hadoop105的ssh配置，其他节点需要执行ssh-copy-id hadoop105
在hadoop102,hadoop103,hadoop104 分别执行

ssh-copy-id  hadoop105

在hadoop105上执行

# 生成秘钥对
ssh-keygen -t rsa 
# 发送公钥
ssh-copy-id  hadoop105
ssh-copy-id  hadoop102
ssh-copy-id  hadoop103
ssh-copy-id  hadoop104

（2）如果数据不均衡，可以用命令实现集群的再平衡

[dev1@hadoop102 hadoop-3.1.3]$ sbin/start-balancer.sh

6.5 退役旧数据节点

6.5.1 添加白名单 和 黑名单

添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被直接退出。
添加到黑名单的主机节点，不允许访问NameNode，会在数据迁移后退出。

实际情况下，白名单用于确定允许访问NameNode的DataNode节点，内容配置一般与workers文件内容一致。
黑名单用于在集群运行过程中退役DataNode节点。
配置白名单和黑名单的具体步骤如下：

（1）在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下分别创建whitelist 和blacklist文件

[dev1@hadoop102 hadoop]$ pwd
/opt/module/hadoop-3.1.3/etc/hadoop
[dev1@hadoop102 hadoop]$ touch whitelist
[dev1@hadoop102 hadoop]$ touch blacklist

在whitelist中添加如下主机名称,假如集群正常工作的节点为102 103 104 105

hadoop102
hadoop103
hadoop104
hadoop105

黑名单暂时为空。

（2）在NameNode的hdfs-site.xml配置文件中增加dfs.hosts 和 dfs.hosts.exclude配置

<property>
<name>dfs.hosts</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/whitelist</value>
</property>

<property>
<name>dfs.hosts.exclude</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/blacklist</value>
</property>

（3）配置文件分发

[dev1@hadoop102 hadoop]$ xsync hdfs-site.xml

（4）重新启动集群

[dev1@hadoop102 hadoop-3.1.3]$ stop-dfs.sh
[dev1@hadoop102 hadoop-3.1.3]$ start-dfs.sh

注意: 因为workers中没有配置105,需要单独在105启动DN

（5）在web端查看目前正常工作的DN节点

6.5.2 黑名单退役

（1）准备使用黑名单退役105
编辑blacklist文件，添加105

[dev1@hadoop102 hadoop] vim blacklist

hadoop105

（2）刷新NameNode

[dev1@hadoop102 hadoop] hdfs dfsadmin -refreshNodes

（3）在web端查看DN状态，105 正在退役中…进行数据的迁移

（4）如果105也启动的NodeManager，也可以刷新yarn状态。【可选查看】

[dev1@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshNodes

6.5.3 白名单退役[不推荐]

白名单退役会直接将节点抛弃，没有迁移数据的过程，会造成数据丢失。

（1）删除blacklist的中的内容，恢复 102 103 104 105 正常工作，如图
（2）修改whitelist，将105删除,保留102 103 104

[dev1@hadoop102 hadoop]$ vim whitelist

修改

hadoop102
hadoop103
hadoop104

（3）刷新NameNode

[dev1@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes

（4）web端查看，发现105节点直接从集群列表中丢弃

6.6 Datanode多目录配置

1.DataNode也可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本
2.具体配置如下
（1）在hdfs-site.xml中修改如下内容:

<property>
        <name>dfs.datanode.data.dir</name>
<value>file:///${hadoop.tmp.dir}/data1,file:///${hadoop.tmp.dir}/data2</value>
</property>

（2）停止集群，删除data和logs中所有数据。

[dev1@hadoop102 hadoop-3.1.3]$ rm -rf data/ logs/
[dev1@hadoop103 hadoop-3.1.3]$ rm -rf data/ logs/
[dev1@hadoop104 hadoop-3.1.3]$ rm -rf data/ logs/

（3）格式化集群并启动。

[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode –format
[dev1@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

（4）查看结果

[dev1@hadoop102 dfs]$ ll

7 小文件存档

1.HDFS存储小文件弊端
每个文件均按块存储，每个块的元数据存储在NameNode的内存中，因此HDFS存储小文件会非常低效。
因为大量的小文件会耗尽NameNode中的大部分内存。但注意，存储小文件所需要的磁盘容量和数据块的大小无关。
例如，一个1MB的文件设置为128MB的块存储，实际使用的是1MB的磁盘空间，而不是128MB。

2.解决存储小文件办法之一
HDFS存档文件或HAR文件，是一个更高效的文件存档工具，它将文件存入HDFS块，在减少NameNode内存使用的同时，允许对文件进行透明的访问。
具体说来，HDFS存档文件对内还是一个一个独立文件，对NameNode而言却是一个整体，减少了NameNode的内存。
在这里插入图片描述

3.案例实操
（1）需要启动YARN进程

[dev1@hadoop102 hadoop-3.1.3]$ start-yarn.sh

（2）归档文件
把/user/dev1/input目录里面的所有文件归档成一个叫input.har的归档文件，并把归档后文件存储到/user/dev1/output路径下。

[dev1@hadoop102 hadoop-3.1.3]$ bin/hadoop archive -archiveName input.har –p  /user/dev1/input   /user/dev1/output

（3）查看归档

[dev1@hadoop102 hadoop-3.1.3]$ hadoop fs -lsr /user/dev1/output/input.har
[dev1@hadoop102 hadoop-3.1.3]$ hadoop fs -lsr har:///user/dev1/output/input.har

（4）解归档文件

[dev1@hadoop102 hadoop-3.1.3]$ hadoop fs -cp har:/// user/dev1/output/input.har/*    /user/dev1
翁老师的教学团队
关注
专栏目录
大数据之-Hadoop3.x_Hadoop_HDFS_总结---大数据之hadoop3.x工作笔记0080
添柴程序猿的专栏
07-01 298
然后我们再去看一下hdfs文件系统的总结,到现在我们已经把hadoop的,hdfs的部分都说完了. 那么在hadoop的hdfs的部分,哪些部分比较重要,我们总结一下 可以看到对于hdfs文件块的配置 原则就是硬盘读写的速度快,HDFS的文件块就可以设置的大一些,如果硬盘读写速度慢, 文件块就可以设置的小一些.,一般在公司里,大公司设置成256m,中小公司设置成128m 还有就是这个hadoopdfs的相关命令一定要记住这个重要, 这个hdfs的shell命令是重点...
Jtree (节点的渲染+资源管理器)
weixin_34348805的博客
11-04 191
我们的还是自定义的Jtree的类： package jtree.customNode; import java.io.File; import javax.swing.JTree; import javax.swing.tree.DefaultTreeModel; import util.ImageManager; import jtree.checkBoxTree.Che...
（二）HDFS——节点分析及新特性
fseast的博客
08-01 270
目录一、NameNode和SecondaryNameNodeNN和2NN工作机制Fsimage 和 Edits解析CheckPoint时间设置NameNode故障处理集群安全模式NameNode多目录配置二、DataNodeDataNode工作机制数据完整性掉线时限参数设置服役新数据节点退役旧数据节点添加白名单 接上篇：（一）HDFS的认识及使用Java对其的简单操作 一、NameNode和Sec...
大数据技术之Hadoop(优化&新特性)
m0_57126939的博客
03-13 273
Task超时时间，经常需要设置的一个参数，该参数表达的意思为：如果一个Task在一定时间内没有任何进入，即不会读取新的数据，也没有输出数据，则认为该Task处于Block状态，可能是卡住了，也许永远会卡住，为了防止因为用户程序永远Block住不退出，则强制设置了一个该超时时间（单位毫秒），默认是600000（10分钟）。刚加载的硬盘没有数据时，可以执行磁盘数据均衡命令。随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。
【Hadoop-HDFS】HDFS中Fsimage与Edits详解
weixin_53543905的博客
04-28 2452
在HDFS中，NameNode 保存了整个 HDFS 的元数据信息，而这些数据最终会被持久化到 Fsimage 文件和 EditLog 文件。换而言之，NameNode 的元数据信息由Fsimage和Editlog组成。Fsimage 存放上次 checkpoint 生成的文件系统元数据。EditLog 则存放文件系统的操作日志，也就是用户对目录、文件的每个写操作（包括创建、删除、写入等）都会被记录到 Editlog 文件中。注意。【Hadoop-HDFS】HDFS中Fsimage与Edits详解
镜像文件(fsimage)和编辑日志(Edits)介绍
一亩三分地
02-03 1万+
一、查看日志镜像文件内容 1）镜像文件的作用 通过查看上面的xml文件,可以知道镜像文件实际是存放的目录结构、文件属性等相关信息。另外也可以看到MD5校验文件，这个文件主要是用来判断镜像文件是否发生修改。fsimage文件是NameNode中关于元数据的镜像，一般称为检查点，它是在NameNode启动时对整个文件系统的快照。 fsimage文件是hadoop文件系统元数据的一个...
hadoop_lab_3
03-30
在这个实验室中，我们将重点研究以下Java相关的Hadoop知识点： 1. **Hadoop环境配置**：首先，你需要设置Hadoop环境，包括安装Hadoop、配置Hadoop环境变量、启动Hadoop服务等步骤。这一步对于运行任何Hadoop程序都...
Hadoop大数据期末考试重点
06-16
3. **Hadoop2.x的Block大小**：在Hadoop2.x中，默认的Block大小是128MB，而非64MB。 4. **Secondary NameNode的作用**：Secondary NameNode并非用于缩短Hadoop集群启动时间，而是辅助NameNode合并编辑日志，减少...
Big_problems_with_big_data_-_Hadoop_interfaces_security.pdf
09-10
Hadoop是一个开源框架，用于存储和处理大规模数据集，而这里的重点是其安全性的脆弱性，可能面临的攻击以及如何保护这些环境。 【描述分析】：“Big_problems_with_big_data_-_Hadoop_interfaces_security云安全...
大数据处理系统：Hadoop源代码情景分析_大数据_大数据分析_大数据Hadoop_
09-29
Hadoop的容错机制也是源代码分析的重点。例如，`Heartbeat`机制确保节点间的通信，`CheckPoint`机制定期保存NameNode的状态以防故障恢复。在Reduce阶段，`Shuffle`过程确保数据正确分发，`Sort`过程则对数据进行预...
Fsimage和Edits概述及其作用
大数据跟我学i
10-19 4246
文章目录NameNode元数据解析1.预备知识2.元数据 目标：掌握Fsumage和Edits的作用 NameNode元数据解析 1.预备知识 元数据（Metadata），又称中介数据、中继数据，为描述数据的数据（data about data），主要是描述数据属性（property）的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。 2.元数据 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edits和fsimage文件到内存
fsimage与editlog详解
05-30 6233
1 概述 HDFS中的NameNode被称为元数据节点DataNode称为数据节点。NameNode维护了文件与数据块的映射表以及数据块与数据节点的映射表，而真正的数据是存储在DataNode上。 对于NameNode如何存储这些信息，它维护两个文件，一个是fsimage，一个是editlog。 2 fsimage与editlog作用 fsimage保存了最新的元数据检查点，包含了整个H...
hdfs小文件使用fsimage分析实例
Direction_Wind的博客
03-22 4998
这里写目录标题1 小文件来源分析1.1 数据主要来源：2 处理方案2.1 实时计算任务2.2 hive做优化，小文件做合并:2.2.1 已有数据2.2.2 新接入数据做数据合并后在load进hive新表dwd层及以后可以通过设置这些参数。2.2.3 mapreduce 定义规范3fsimage 离线分析hdfs内容3.1创建hive表 存储元数据，做分析用3.2 处理fsimage文件3.2.1获取fsimage文件：3.2.2从2进制文件解析：3.2.3加载进hive中3.2.4 统计文件整体情况3.2.
利用fsimage分析HDFS小文件
bigdata_player
08-29 780
在Hive中，所谓的小文件是指文件大小远小于HDFS块大小的文件，通常小于128 MB，甚至更少。这些小文件可能是Hive表的一部分，每个小文件都包含一个或几个表的记录，它们以文本格式存储。存储空间占用过多：在Hadoop生态系统中，每个小文件都将占用一定的存储空间，而且每个小文件也需要一个块来存储。如果存在大量的小文件，将浪费大量的存储空间。处理延迟：小文件数量过多，会引起大量IO操作，导致处理延迟。查询性能下降：小文件用于分区和表划分，可能导致查询延迟并降低查询性能。
HDFS的fsimage和edits是什么、有什么作用
热门推荐
Ele_sorriu的博客
10-14 2万+
Fsimage，Edits详解 目标：掌握Fsimage和Edits的作用。 NameNode元数据解析 （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edits和fsimage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在内存中对数据进行增删改查。 fsimage保存了最新的元数据检查点，在HDFS启动时加载fsimage的信...
Hadoop3：HDFS的Fsimage和Edits文件介绍
最新发布
Brave_heart4pzj的博客
05-21 641
Hadoop
HDFS的EditLog和FsImage作用详细解析，超详细！（含部分非原创图片，大部分原创总结）
Dontwannaexplian的博客
01-15 1603
EditLog和FsImage的概念，以及与SecondaryNameNode的关系问题，以及EditLog和FsImage的重要性问题。
pytorch checkpoint 函数的坑
ONE_SIX_MIX的专栏
04-28 1万+
实验 pytorch 版本1.0.1 pytorch 的 checkpoint 是一个可以用时间换空间的技术，很多情况下可以轻松实现 batch_size 翻倍的效果 坑 checkpoint 的输入需要requires_grad为True，不然在反向传播时不会计算内部梯度 简单让输入的requires_grad为True并且节省显存的办法 import torch import torch.nn...
大数据组件各种流程总结
Null的博客
06-10 4914
1.hbase 1.1 hbase的读数据流程：   读数据： (0.98版本以前，0.98及以后没有-ROOT-表) 1、客户端通过 zookeeper 以及-root-表和.meta.表找到目标数据所在的 regionserver(就是数据所在的 region 的主机地址) 2、联系 regionserver 查询目标数据 3、 regionserver 定位到目标数据所在的 reg...
《Hadoop大数据期末考试重点解析及常见错误》
Hadoop大数据期末考试重点主要包括选择题、判断题和简答题。在选择题中，需要对Hadoop的功能和组件有一个清晰的了解，以便正确选择相关的答案。在判断题中，需要对Hadoop的各项功能和配置有一个准确的认识，以便快速...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

翁老师的教学团队

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值