目录
3.6 NameNode(NM)和SecondaryNameNode
1 hadoop的组成
1.1 hadoop1.x与Hadoop2.x的区别
1.2 HDFS的架构描述
1.3 Yarn架构的描述
2 MapReduce架构概述
MapReduce将计算过程分为两个阶段,Map和Reduce
(1)Map阶段并行处理输入数据
(2)Reduce阶段对Map结果进行汇总
3 HDFS的概述
3.1 HDFS的定义
文件系统,主要用于存放数据。通过目录树来定义文件;其次,他是分布式的,由很多服务器联合起来实现其功能,集群中的服务器各自有自己的角色。
HDFS适合一次写入,多次写出的场景,且不支持文件的修改
3.2 HDFS的组成结构
(1)NameNode(nn):管理HDFS的名称空间;配置副本策略;管理数据块映射信息;处理客户端读写请求
(2)DataNode(dn):存储实际的数据块;执行数据块的读写
(3)Client:(客户端)
a: 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。
b: 与NameNode交互,获取文件的位置信息
c: 与DataNode交互,读取或者写入数据
d: Client提供一些命令来管理DataNode,例如NameNode格式化,以及对NameNode的增删改查
3.3 HDFS块大小
HFDFS中的文件在物理上是分块存储,块的大小可以通过设置(dfs.blocksize)来规定,默认为128MB。
HDFS中块大小受到严格控制
(1)若块的大小太小,会增加寻址时间,程序一直在找块开始的位置。
(2)如果块的大小设置太大,从 硬盘传输数据的时间 会明显大于 定位这个块开始位置的时间。导致程序在处理数据时特别缓慢。
主要取决于磁盘的读写速度
3.4 HDFS文件写入
之所以不用并联的方式的原因主要是由于客户端的压力比较大
3.5 HDFS的文件读取
3.6 NameNode(NM)和SecondaryNameNode
若NN的数据存储在磁盘中,由于客户的频繁访问,效率比较低。**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
NameNode的工作机制
3.7 DataNode
3.7.1 DataNode的工作机制
(1)一个数据块在DataNode 上以文件形式存储在硬盘上,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**,块数据的检验和,以及时间戳。
(2)DataNode启动后向NameNode注册,**通过后**,周期性的(1小时)的向NameNode上报所有块信息。
(3)心跳是3s一次,心跳返回结果是带有NameNode给该DataNode的命令如复制块数据另一台机器,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。
3.7.2 数据的完整性
当前DataNode节点保证数据完整性的方法
(1)当DataNode读取Block的时候,他会计算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.