目录
5.1 NameNode和Secondary NameNode工作机制
一、HDFS概述
1.1 HDFS的定义
HDFS是一种允许文件通过网络在多台主机上分享的文件系统,可以让多台机器上的多个用户分享文件和存储空间。HDFS只是分布式文件管理系统中的一种。
HDFS的适用场景:适合一次写入,多次读出的场景,且不支持文件的修改。
1.2 HDFS的优缺点
HDFS的优点:
1)高容错性 ---- 副本机制
2)适合处理大数据
3)可构建在廉价的机器上
HDFS的缺点:
1)不适合低延时数据访问
2)无法高效的对大量小文件进行存储
3)不支持并发写入,文件随机修改:①一个文件只能有一个写,不允许多个线程同时写入②只支持数据追加(append),不支持文件的随机修改。
1.3 HDFS的组成架构
1)NameNode:就是Master,它是一个管理者
①管理HDFS的名称空间
②配置副本策略
③管理数据块的映射信息
④处理客户端读写请求
2)DateNode:就是Slave,NameNode下达命令,DateNode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)Secondary NameNode:①辅助NameNode②在紧急情况下,可辅助恢复NameNode
1.4 HDFS文件块的大小
HDFS中的文件在物理上是分块(Block)存储的,可以通过配置参数([hdfs-site.xml文件中的]dfs.blocksize)来设置。hadoop2.x默认是128M(寻址时间大约为10ms,寻址时间为传输时间的1%为最佳(即为10/0.01=1000ms=1s),目前磁盘的传输率普遍为100m/s,块的大小需要是2的n次方,故为128M)
块的属性:length:指块的实际大小
offset:块的偏移量,指块从文件的哪部分开始存储数据
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
(2)HDFS的块比磁盘的块大,目的是为了最小化寻址开销
(3)HDFS的块如果设置的太大,在一次上传时,如果发生异常,需要重新传输,造成网络IO资源的浪费。
在随机读取某部分内容时,不够灵活
总结:HDFS块大小的设置主要取决于磁盘的传输效率
二、HDFS的Shell操作
2.1 基本语法
hadoop fs 具体命令
hdfs dfs 具体命令 dfs是fs的实现类
2.2 常用命令
注释 | 命令 |
---|---|
启动集群命令 | start-dfs.sh start-yarn.sh |
帮助 -help | hadoop fs -help rm |
显示目录信息 -ls 递归查看 -lsr | hadoop fs -ls / |
在HDFS上创建目录 -mkdir -p 递归创建 | hadoop fs -mkdir -p /hdfs/fs |
从本地剪切粘贴到HDFS -moveFromLocal | hadoop fs -moveFromLocal 源文件 目标位置 |
追加文件到已存在的文件末尾 -appendToFile | hadoop fs -appendToFile 源文件 目标文件 |
显示文件内容 -cat | hadoop fs -cat 文件 |
修改权限 | hadoop fs -chmod 777 /log.txt |
从本地文件系统中拷贝到HDFS -copyFromLocal 等同于 -put | hadoop fs -copyFromLocal 本地文件 HDFS路径 hadoop fs -put 本地文件 HDFS路径 |
从HDFS拷贝到本地 -copyToLocal 等同于 -get | hadoop fs -copyToLocal HDFS文件 本地路径 hadoop fs -get HDFS文件 本地路径 |
从HDFS的路径拷贝到另一个路径 -cp | hadoop fs -cp 原路径文件 拷贝路径文件 |
在HDFS中移动文件 -mv | hadoop fs -mv 文件 目标路径 |
合并下载多个文件,如HDFS /logs目录下有多个log文件 -getmerge | hadoop fs -getmerge /logs/* ./merge.txt |
显示文件的末尾 -tail | hadoop fs -tail /hadoop1/abc.log |
删除文件或文件夹 -rm 删除目录需要指定-r参数 删除空目录 -rmdir | hadoop fs -rm 文件/文件夹 hadoop fs -rmdir 空目录 |
统计文件夹的大小信息 -du | hadoop fs -du 文件夹 |
设置HDFS中副本数量 -setrep | hadoop fs -setrep 8 /pf/spa.txt ----副本数量设置为8,这里的副本数为最大值 |
三、HDFS的客户端操作
3.1 客户端环境准备
服务端:启动NN,DN
客户端:shell客户端:hadoop fs
java客户端
1.根据自己电脑的操作系统拷贝对应的编译后的hadoop jar包到非中文路径
2.配置HADOOP_HOME环境变量
3. 配置Path环境变量
4.创建一个Maven工程
5.导入相应的依赖坐标+日志添加
<dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>RELEASE</version>
</dependency>
<dependency>
<groupId>org.apache.logging.log4j</groupId>
<artifactId>log4j-core</artifactId>
<version>2.8.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>jdk.tools</groupId>
<artifactId>jdk.tools</artifactId>
<version>1.8</version>
<scope>system</scope>
<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
</dependency>
</dependencies>
6.创建包名:com.atguigu.hdfs
7.创建HdfsClient类
public class HdfsClient{
@Test
public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
// 配置在集群上运行
// configuration.set("fs.defaultFS", "hdfs://hadoop102:9000");
// FileSystem fs = FileSystem.get(configuration);
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 创建目录
fs.mkdirs(new Path("/1108/daxian/banzhang"));
// 3 关闭资源
fs.close();
}
}
8.执行程序:运行时需要配置用户名称,如图
3.2 HDFS的API操作
3.2.1 HDFS的文件上传(测试优先级)
①编写源代码
@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException{
// 1.获取文件系统
Configuration conf = new Configuration();
// 设置副本数
conf.set("dfs.replication",2);
FileSystem fs = FileSystem.get(new URI("hdfs://bigdata01:9000"),conf,"gaozj");
// 2.上传文件
fs.copyFromLocalFile(new Path("e:/bigdata.txt"),new Path("/bigdata.txt"));
// 3.关闭资源
fs.close();
System.out.println("over");
}
②将hdfs-site.xml拷贝到项目录根路径下
<?xml version="1.0" encoding="UTF-8"?>
<?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---->②ClassPath下用户自定义的配置文件---->③服务器的默认配置
3.2.2 HDFS文件下载
代码
@Test
public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{
// 1.获取文件系统
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs:/bigdata01:9000"),conf,"gaozj");
// 2.执行下载操作
// 第①个参数--是否将原文件删除,第②个参数--要下载的文件路径,第③个参数--将文件下载到的路径,第④个参数--是否开启
fs.copyToLocal(false,new Path("/bigdata.txt"),new Path("e:/bigdata.txt"),true);
// 3.关闭资源
fs.close()
}
3.2.3 HDFS文件夹删除
public void testDelete() throws IOException, InterruptedException, URISyntaxException{
// 1.获取文件系统
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://bigdata01:9000"),conf,"gaozj");
// 2.执行删除
fs.delete(new Path("/bigdata/"),true);
// 3.关闭资源
fs.close();
}
3.2.4 HDFS文件名更改
public void testReName() throws IOException, InterruptedException, URISyntaxException{
// 1.获取文件系统
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://bigdata01:9000"),conf,"gaozj");
// 2.修改文件名称
fs.rename(new Path("/bigdata.txt"), new Path("/newbigdata.txt"));
// 3.关闭资源
fs.close();
}
3.2.5 HDFS文件详细信息查看
查看文件名称、权限、长度、块信息
public void testListFiles() throws IOException, InterruptedException, URISyntaxException{
// 1/获取文件系统
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://bigdata01:9000"),conf,"gaozj");
// 2.获取文件信息
RemoteIterator<LocaltedFileStatus> listFiles = fs.listFiles(new Path("/"),true);
while(listFiles.hasNext()){
LocaltedFileStatus status = listFiles.next();
// 输出详情
// 输出文件名称
System.out.println(status.getPath().getName());
// 文件长度
System.out.println(status.getLen());
// 权限
System.out.println(status.getPermission());
// 分组
System.out.println(status.getGroup());
// 获取存储的块信息
BlockLocation[] blocklocations = status.getBlockLocations();
for(BlockLocation b : blocklocations){
// 获取块存储的主节点信息
String[] hosts = b.getHosts();
for(String h : hosts){
System.out.println(h);
}
}
}
// 关闭资源
fs.close();
}
3.2.6 HDFS文件和文件夹判断
public void testFileStatus() throws IOException, InterruptedException, URISyntaxException{
// 1.获取文件系统
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://bigdata01:9000"),conf,"gaozj");
// 2.判断是文件还是文件夹
FileStatus[] listStatus = fs.listStatus("/");
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();
}
四、HDFS的数据流
4.1 HDFS的写流程
4.1.1 文件写入流程
具体流程:
①客户端通过Distributed FileSystem模块向NameNode请求上传文件,NameNode收到请求后会进行校验:①校验是否有写权限②校验路径下是否有同名文件
②NameNode返回是否可以上传(如果校验失败,会直接报错。如果成功会给客户端返回一个信号,表示可以上传)
③客户端请求第一个Block块上传到哪几个DataNode节点上。
④NameNode返回3个DataNode节点,dn1,dn2,dn3
⑤客户端通过FSDataOutputStream模块请求dn1上传数据,dn1收到请求会继续调用dn2,然后dn2调用dn3,将这个通信管道建立完成。
⑥dn1、dn2、dn3逐级应答客户端。
⑦客户端开始往dn1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,dn1收到一个Packet就会传给dn2,dn2传给dn3;dn1每传一个packet会放入一个应答队列等待应答。
⑧当一个Block传输完成之后,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)。
4.1.2 网络拓扑
节点距离:两个节点到达最近的共同祖先的距离总和。
4.1.3 机架感知
Hadoop2.7.2副本节点选择
第一个副本在Client所处的节点上,如果客户端在集群外,随机选择一个
第二个副本和第一个副本位于相同机架,随机节点上。
第三个副本位于不同机架,随机节点上。
4.2 HDFS读数据流程
HDFS读数据流程:
具体流程:
①客户端通过Distributed FileSystem向NameNode请求下载文件,NameNode通过查询元数据信息,获取文件块所在的DataNode节点地址
②挑选一台DataNode服务器(就近原则),请求读取数据
③DataNode开始传输数据给客户端(从磁盘里读取 数据输入流,以Packet为单位来做校验)
④客户端以Packet为单位接受,先在本地缓存,然后写入目标文件
五、NameNode和Secondary NameNode
5.1 NameNode和Secondary NameNode工作机制
1.第一阶段
(1)第一次启动NameNode格式化之后,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中
(2)客户端对元素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操作(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形成的文件
Edits:记录客户端中更新元数据信息的每一步操作。
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中就持有最新的元数据信息。Client开始对NameNode发送增删改的请求,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记录到edits文件中,因为查询的操作不会更新元数据的信息),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操作。
由于edits中记录的操作越来越多,edits文件会越来越大,导致NameNode在启动加载edits时会变慢。所以需要对edits和fsimage文件进行合并(所谓合并就是将edits和fsimage加载到内存中,按照edits文件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。SecondaryNameNode会首先询问NameNode是否需要CheckPoint(触发CheckPoint需要满足两个条件中的一个,①edits文件中数据写满了②定时时间到了)直接带回NameNode是否需要CheckPoint检查结果。SecondaryNameNode执行CheckPoint操作,首先会让NameNode滚动edits,并生成一个新的edits.inprogress文件,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.checkpoint,然后将fsimage.checkpoint拷贝到NameNode,重命名为fsimage,并替换原来的fsimage文件。
NameNode在重新加载的时候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到fsimage。
5.2 Edits和Fsimage解析
1.NameNode被格式化后,将在/opt/module/hadoop-2.7.2/data/tmp/dfs/name/current目录中产生如下文件:
fsimage_00000000000000
fsimage_00000000000000.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,文件系统客户端中执行的所有写操作首先会被记录到edits文件中
(3)seen_txid文件:保存的是一个数字,就是最后一个edits_的数字
(4)每次NameNode启动的时候,都会将fsimage文件读入内存,加载edits里面的更行操作,保证内存中的元数据是最新的、同步的,可以看出NameNode启动的时候就将edits和fsimage进行了合并。
2.oiv查看fsimage文件
hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径
3,oev查看Edits文件
hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径
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
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-2.7.2/data/tmp/dfs/name)
3. 拷贝SecondaryNameNode中数据到原NameNode存储数据目录
4. 重新启动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-2.7.2/data/tmp/dfs/name</value>
</property>
2. kill -9 NameNode进程
3. 删除NameNode存储的数据(/opt/module/hadoop-2.7.2/data/tmp/dfs/name)
rm -rf /opt/module/hadoop-2.7.2/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
scp -r atguigu@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary ./
rm -rf in_use.lock
5. 导入检查点数据(等待一会ctrl+c结束掉)
hdfs namenode -importCheckpoint
6. 启动NameNode
hadoop-daemon.sh start namenode
5.5 集群安全模式
5.5.1 基本概述
NameNode启动:首先将fsimage加载如内存,并执行编辑文件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和空的编辑日志edits。此时,NameNode开始监听DataNode请求,这个过程中NameNode一直运行安全模式,即NameNode的文件系统对客户端来说只是可读的。
DataNode启动:系统中的数据块的位置并不是由NameNode维护的,而是以块的列表形式存储在DataNode中。
安全模式退出:如果满足"最小副本条件",NameNode会在30s后退出安全模式。
5.5.2 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)
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文件中增加如下内容
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///${hadoop.tmp.dir}/dfs/name1,file:///${hadoop.tmp.dir}/dfs/name2</value>
</property>
(2)停止集群,删除data和logs中所有数据
(3)格式化集群并启动
六、DateNode
6.1 DataNode工作机制
DataNode工作机制如图:
(1)一个数据块在DataNode上以文件形式存储在磁盘上,包括两个文件,一个是数据本身,一个是元数据包括数据块的长度,块数据的校验和,以及时间戳
(2)DataNode启动后向NameNode注册,通过后,周期性(1小时)的向NameNode上报所有的块信息
(3)心跳是每3秒一次,心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器,或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳,则认为该节点不可用
(4)集群运行中可以安全加入和退出一些机器
6.2 数据完整性
1)当DataNode读取Block的时候,它会计算CheckSum
2)如果计算后的CheckSum,与Block创建时值不一样,说明Block已经损坏
3)Client读取其他DataNode上的Block
4)DataNode在其文件创建后周期验证CheckSum
6.3 添加黑白名单
6.3.1 白名单
添加到白名单的主机,都允许访问NameNode,不在白名单的主机,都会被退出。
配置白名单的具体步骤如下:
(1)在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts文件
vi dfs.hosts
添加主机名称:bigdata01,bigdata03
(2)在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性
<property>
<name>dfs.hosts</name>
<value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts</value>
</property>
(3)配置文件分发
(4)刷新NameNode
hdfs dfsadmin -refreshNodes
(5)更新ResourceManager节点
yarn rmadmin -refreshNodes
(6)在web浏览器上查看
6.3.2 黑名单
在黑名单上面的主机都会被强制退出
1.在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件
添加主机名:bigdata02
2.在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性
<property>
<name>dfs.hosts.exclude</name>
<value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts.exclude</value>
</property>
3.刷新NameNode、刷新ResourceManage
hdfs dfsadmin -refreshNodes
yarn rmadmin -refreshNodes
4. 检查Web浏览器
5. 等待退役节点状态为decommissioned(所有块已经复制完成),停止该节点及节点资源管理器。注意:如果副本数是3,服役的节点小于等于3,是不能退役成功的,需要修改副本数后才能退役
6. 如果数据不均衡,可以用命令实现集群的再平衡
sbin/start-balancer.sh
注意:不允许黑白名单中出现同一台主机名
6.4 Datanode多目录配置
DataNode也可以配置成多个目录,每个目录存储的数据不一样。即:数据不是副本
具体配置如下:
【hdfs-site.xml】
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>
</property>
七、HDFS2.X新特性
7.1 集群间数据拷贝
1.scp实现两个远程主机之间的文件复制
scp -r hello.txt root@hadoop103:/user/atguigu/hello.txt // 推 push
scp -r root@hadoop103:/user/atguigu/hello.txt hello.txt // 拉 pull
scp -r root@hadoop103:/user/atguigu/hello.txt root@hadoop104:/user/atguigu //是通过本地主机中转实现两个远程主机的文件复制;如果在两个远程主机之间ssh没有配置的情况下可以使用该方式
2.采用distcp命令实现两个Hadoop集群之间的递归数据复制
bin/hadoop distcp
hdfs://haoop102:9000/user/atguigu/hello.txt hdfs://hadoop103:9000/user/atguigu/hello.txt
7.2 Hadoop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Hadoop存储小文件会非常低效。大量的小文件会耗尽NameNode中大量的内存。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。
2. 解决存储小文件的办法之一:
Hadoop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访问。具体来说,Hadoop存档文件对内还是一个个独立文件,对NameNode而言却是一个整体,减少了NameNode的内存使用。