大数据技术原理 复习二 hdfs

分布式文件系统HDFS

3.1 分布式文件系统

计算机集群结构：分布式文件系统把文件分布存储到多个计算机节点上，降低硬件开销

分布式文件系统的结构：分布式文件系统在物理结构上是由计算机集群中的多个节点构成的，这些节点分为两类，一类叫主节点”(Master Node)/名称结点(NameNode)，另一类叫从节点（Slave Node）/数据节点”(DataNode)

3.2 HDFS简介

目标：兼容廉价硬件设备，流数据读写，简单文件模型，强大的跨平台兼容性

局限：不适合低延迟数据访问、无法高效存储大量小文件、不支持任意修改文件

3.3 HDFS相关概念

• 块：HDFS默认一个块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、简化系统设计、适合数据备份
• 名称节点和数据节点：
  存储元数据 |存储文件内容
  内存 |磁盘
  保存文件，块，数据节点之间的映射关系 |维护块id到数据节点本地文件的映射关系
• 名称节点的数据结构
  

名称节点的启动

• 在名称节点启动的时候，它会将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，使得内存中的元数据和实际的同步，存在内存中的元数
  据支持客户端的读操作。
• 一旦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
• 名称节点起来之后， HDFS中的更新操作会重新写到EditLog文件中，因为FsImage
  文件一般都很大（GB级别的很常见），如果所有的更新操作都往FsImage文件中添
  加，这样会导致系统运行的十分缓慢，但是，如果往EditLog文件里面写就不会这样
  ，因为EditLog 要小很多。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

名称节点运行期间EditLog不断变大的问题

• 第二名称节点是HDFS架构中的一个组成部分，它是用来保存名称节点中对HDFS 元数据信息的备份，并减少名称节点重启的时间。 SecondaryNameNode一般是单独运行在一台机器上

名称节点和数据节点

SecondaryNameNode的工作情况：

（1） SecondaryNameNode会定期和NameNode通信，请求其停止使用EditLog文件，暂时将新的写操作写到一个新的文件edit.new上来，这个操作是瞬间完成，上层写日志的函数完全感觉不到差别；

（2） SecondaryNameNode通过HTTP GET方式从NameNode上获取到FsImage和EditLog文件，并下载到本地的相应目录下；

（3） SecondaryNameNode将下载下来的FsImage载入到内存，然后一条一条地执行EditLog文件中的各项更新操作，使得内存中的FsImage保持最新；这个过程就是EditLog和FsImage文件合并；

（4） SecondaryNameNode执行完（3）操作之后，会通过post方式将新的FsImage文件发送到NameNode节点上

（5） NameNode将从SecondaryNameNode接收到的新的FsImage替换旧的FsImage文件，同时将edit.new替换EditLog文件，通过这个过程EditLog就变小了

数据节点

• 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，会根据客
  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
• 每个数据节点中的数据会被保存在各自节点的本地Linux文件系统中

3.4 HDFS体系结构

3.4.1 HDFS体系结构概述

HDFS采用了主从（Master/Slave）结构模型，一个HDFS集群包括一个名称节点（NameNode）和若干个数据节点（DataNode）。名称节点作为中心服务器，负责管理文件系统的命名空间及客户端对文件的访问。集群中的数据节点一般是一个节点运行一个数据节点进程，负责处理文件系统客户端的读/写请求，在名称节点的统一调度下进行数据块的创建、删除和复制等操作。每个数据节点的数据实际上是保存在本地Linux文件系统中的

3.4.2 HDFS命名空间管理

命名空间包含目录，文件，块
使用传统分级文件体系，像使用普通文件系统一样

3.4.3 通信协议

• HDFS是一个部署在集群上的分布式文件系统，因此，很多数据需要通过网络进行传输
• 所有的HDFS通信协议都是构建在TCP/IP协议基础之上的
• 客户端通过一个可配置的端口向名称节点主动发起TCP连接， 并使用客户端协议与
  名称节点进行交互
• 名称节点和数据节点之间则使用数据节点协议进行交互
• 客户端与数据节点的交互是通过RPC（ Remote Procedure Call） 来实现的。 在设
  计上， 名称节点不会主动发起RPC， 而是响应来自客户端和数据节点的RPC请求

3.4.4 客户端

• 客户端是用户操作HDFS最常用的方式， HDFS在部署时都提供了客户端
• HDFS客户端是一个库， 暴露了HDFS文件系统接口， 这些接口隐藏了HDFS实现中的
  大部分复杂性
• 严格来说， 客户端并不算是HDFS的一部分
• 客户端可以支持打开、 读取、 写入等常见的操作， 并且提供了类似Shell的命令行
  方式来访问HDFS中的数据
• 此外， HDFS也提供了Java API， 作为应用程序访问文件系统的客户端编程接口

3.4.5 HDFS体系结构的局限性

HDFS只设置唯一一个名称节点，这样做虽然大大简化了系统设计，但也带来了一些明显的局限性，具体如下：
（1） 命名空间的限制：名称节点是保存在内存中的，因此，名称节点能够容纳的对象（文件、块）的个数会受到内存空间大小的限制。
（2） 性能的瓶颈：整个分布式文件系统的吞吐量，受限于单个名称节点的吞吐量。
（3） 隔离问题：由于集群中只有一个名称节点，只有一个命名空间，因此，无法对不同应用程序进行隔离。
（4） 集群的可用性：一旦这个唯一的名称节点发生故障，会导致整个集群变得不可用。

3.5 HDFS存储原理

冗余数据保存
为了保证系统的容错性和可用性， HDFS采用了多副本方式对数据进行冗余存储
优点：加快数据传输速度、容易检查数据错误、保证数据可靠性

数据存取策略
数据存放

• 第一个副本：放置在上传文件的数据节点；如果是集群外提交，则随机挑选一台磁盘
  不太满、 CPU不太忙的节点
• 第二个副本：放置在与第一个副本不同的机架的节点上
• 第三个副本：与第一个副本相同机架的其他节点上
• 更多副本：随机节点

数据读取

• HDFS提供了一个API可以确定一个数据节点所属的机架ID，客户端也可以调用API
  获取自己所属的机架ID
• 当客户端读取数据时，从名称节点获得数据块不同副本的存放位置列表，列表中包
  含了副本所在的数据节点，可以调用API来确定客户端和这些数据节点所属的机架ID，
  当发现某个数据块副本对应的机架ID和客户端对应的机架ID相同时，就优先选择该副
  本读取数据，如果没有发现，就随机选择一个副本读取数据

数据错误与恢复

1. 名称节点出错
   名称节点保存了所有的元数据信息，其中，最核心的两大数据结构是FsImage
   和Editlog，如果这两个文件发生损坏，那么整个HDFS实例将失效。因此， HDFS设
   置了备份机制，把这些核心文件同步复制到备份服务器SecondaryNameNode上。当
   名称节点出错时，就可以根据备份服务器SecondaryNameNode中的FsImage和
   Editlog数据进行恢复。
2. 数据节点出错

• 每个数据节点会定期向名称节点发送“心跳”信息，向名称节点报告自己的状态
• 当数据节点发生故障，或者网络发生断网时，名称节点就无法收到来自一些数据节
  点的心跳信息，这时，这些数据节点就会被标记为“宕机”，节点上面的所有数据都
  会被标记为“不可读”，名称节点不会再给它们发送任何I/O请求
• 这时，有可能出现一种情形，即由于一些数据节点的不可用，会导致一些数据块的
  副本数量小于冗余因子
• 名称节点会定期检查这种情况，一旦发现某个数据块的副本数量小于冗余因子，就
  会启动数据冗余复制，为它生成新的副本
• HDFS和其它分布式文件系统的最大区别就是可以调整冗余数据的位置

4. 数据出错

• 网络传输和磁盘错误等因素，都会造成数据错误
• 客户端在读取到数据后，会采用md5和sha1对数据块进行校验，以确定读取到正确
  的数据
• 在文件被创建时，客户端就会对每一个文件块进行信息摘录，并把这些信息写入到
  同一个路径的隐藏文件里面
• 当客户端读取文件的时候，会先读取该信息文件，然后，利用该信息文件对每个读
  取的数据块进行校验，如果校验出错，客户端就会请求到另外一个数据节点读取该文
  件块，并且向名称节点报告这个文件块有错误，名称节点会定期检查并且重新复制这
  个块

3.6 HDFS数据读写过程

import java.io.BufferedReader;
import java.io.InputStreamReader ;
import org.apache.hadoop.conf.Configuration ;
import org.apache.hadoop.fs.FileSystem ;
import org.apache.hadoop.fs.Path ;
import org.apache.hadoop.fs.FSDataInputStream ;
public class Chapter3 {
	public static void main(String[] args) {
		try {
			Configuration conf = new Configuration();
			FileSystem fs = FileSystem.get(conf);
			Path filename = new Path(“hdfs://localhost:9000/user/hadoop/test.txt");
			FSDataInputStream is = fs.open(filename);
			BufferedReader d = new BufferedReader(new InputStreamReader(is));
			String content = d.readLine(); //读取文件一行
			System.out.println(content);
			d.close(); //关闭文件
			fs.close(); //关闭hdfs
		} 
		catch (Exception e) {
			e.printStackTrace();
		}
	}
}

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.Path;
public class Chapter3 {
	public static void main(String[] args) {
		try {
			Configuration conf = new Configuration();
			FileSystem fs = FileSystem.get(conf);
			byte[] buff = "Hello world".getBytes(); // 要写入的内容
			String filename = " hdfs://localhost:9000/user/hadoop/test.txt "; //要写入的文件名
			FSDataOutputStream os = fs.create(new Path(filename));
			os.write(buff,0,buff.length);
			System.out.println("Create:"+ filename);
		} 
		catch (Exception e) {
			e.printStackTrace();
		}
	}
}

• FileSystem是一个通用文件系统的抽象基类，可以被分布式文件系统继承，所有可能使用Hadoop文件系统的代码，都要使用这个类
• Hadoop为FileSystem这个抽象类提供了多种具体实现
• DistributedFileSystem就是FileSystem在HDFS文件系统中的具体实现
• FileSystem的open()方法返回的是一个输入流FSDataInputStream对象，在HDFS文件系统中，具体的输入流就是DFSInputStream； FileSystem中的create()方法返回的是一个输出流FSDataOutputStream对象，在HDFS文件系统中，具体的输出流就是DFSOutputStream
  读数据过程如下图
  
  写数据过程如下图
  

3.7 HDFS编程实践

启动hadoop命令

cd /usr/local/hadoop
./bin/hdft namenode -format #格式化hdfs文件系统
./sbin/start-dfs.sh

浏览器访问HDFS文件系统http://[NameNodeIP]:50070