【大数据之Hadoop】02 HDFS概述

【前置文章链接】:【大数据之Hadoop】01 Hadoop概述-CSDN博客

【文章说明】:本篇将对HDFS进行整体介绍,包含HDFS是什么,主要有哪些组件组成,HDFS的读写流程与相应的工作机制原理。

思维导图】:

【文字大纲内容】:

  • 概述
    • 定义
      • HDFS(Hadoop Distributed File System),它是一个文件系统,用于存储文件,通过目录树来定位文件;其次,它是分布式的,由很多服务器联合起来实现其功能,集群中的服务器有各自的角色。
    • 适合场景
      • 适合一次写入,多次读出的场景
    • 优缺点
      • 优点
        • 高容错性
          • 数据自动保存多个副本,通过增加副本的形式,提高容错性
        • 适合处理大数据
          • 数据规模可达GB、TB甚至PB级别的数据
          • 文件规模可处理百万规模以上的文件数量
        • 可构建在廉价的机器上,通过多副本机制,提高可靠性
      • 缺点
        • 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
        • 无法高效的对大量小文件进行存储
          • 小文件也会占用NameNode的内存,增加寻址时间
        • 不支持并发写入,仅支持数据append(追加)
    • 组成架构
      • NameNode
        • Master。(1)管理HDFS的名称空间(2)配置副本策略(3)管理数据库的映射信息(4)处理客户端的请求
      • DateNode
        • Slave。(1)存储实际的数据块(2)执行数据块的读写操作
      • Client
        • 客户端。(1)文件切分(2)与NameNode交互,DataNode交互
      • SecondryNode
        • 辅助NameNode,分担其工作量。
    • HDFS块大小
      • 块设置太小,会增加寻址时间,程序一直在找块的开始位置
      • 块设置太大,会增加磁盘传输数据的时间
      • HDFS块的大小设置主要取决于磁盘传输速率,一般设置为128M或256M
  • HDFS的SHELL操作
    • 操作命令
      • 使用hdfs dfs或hadoop fs都可
    • -help
      • 输出这个命令参数
        • hadoop fs -help rm
    • -mkdir
      • 创建文件夹
        • hadoop fs -mkdir /test
    • -put
      • 从本地上传文件到hdfs
    • -get
      • 从hdfs上下载文件到本地
    • -ls
      • 显示目录信息
    • -cat
      • 显示文件内容
    • -chgrp、-chmod、-chown
      • 修改文件所属权限
    • -cp
      • 从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
    • -mv
      • 在 HDFS 目录中移动文件
    • -tail
      • 显示一个文件的末尾 1kb 的数据
    • -rm
      • 删除文件或文件夹
    • -du
      • 统计文件夹的大小信息
    • -setrep
      • 设置HDFS中文件的副本数量
  • HDFS的读写流程
    • 写流程​​​​​​​
      • (1)客户端通过 Distributed FileSystem 模块向 NameNode 请求上传文件,NameNode 检查目标文件是否已存在,父目录是否存在。(2)NameNode 返回是否可以上传。(3)客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。(4)NameNode 返回 3 个 DataNode 节点,分别为 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。(6)dn1、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)。
    • 读流程
      • (1)客户端通过 DistributedFileSystem 向 NameNode 请求下载文件,NameNode 通过查询元数据,找到文件块所在的 DataNode 地址。(2)挑选一台 DataNode(就近原则,然后随机)服务器,请求读取数据。(3)DataNode 开始传输数据给客户端(从磁盘里面读取数据输入流,以 Packet 为单位来做校验)。(4)客户端以 Packet 为单位接收,先在本地缓存,然后写入目标文件。
  • NameNode和Secondary Node
    • NN  工作机制
      • 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。
        • 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。
  • DataNode
    • 工作机制
      • (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(6 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。
    • 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)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。
  • 25
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Hadoop是一个开源的分布式计算框架,它允许用户在大量的计算机集群上存储和处理大量数据。Hadoop的核心组件包括HDFSHadoop Distributed FileSystem)和MapReduce。HDFSHadoop的分布式文件系统,它将数据存储在大量的磁盘上,而不是单个计算机上。MapReduce是一种编程模型,用于处理和生成大数据集。 Hadoop的基本框架包括以下几个部分: 1. HDFSHadoop分布式文件系统,负责存储和管理大量数据。 2. MapReduce:一种编程模型,用于处理和生成大数据集。 3. YARN:Yet Another Resource Negotiator,负责资源管理和任务调度。 4. Hadoop Common:Hadoop的共享库,包含一些通用的工具和库。 5. Hadoop Auth:Hadoop的身份验证服务,负责用户认证和授权。 6. Hadoop HDFS Java API:Hadoop HDFS的Java接口,用于编写Java程序操作HDFSHadoop的环境搭建主要包括以下步骤: 1. 安装Java环境:Hadoop是基于Java开发的,所以首先需要安装Java环境。 2. 下载并解压Hadoop:从Hadoop官网下载最新版本的Hadoop,然后解压到本地目录。 3. 配置Hadoop环境:编辑Hadoop的配置文件,设置Hadoop的环境变量。 4. 初始化HDFS:使用Hadoop的启动脚本初始化HDFS。 5. 启动Hadoop:启动Hadoop的各个组件,如HDFS、YARN等。 6. 测试Hadoop:运行一个简单的MapReduce任务,检查Hadoop是否正常运行。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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