HDFS基础面试题

怎么理解分布式？
总的来说就是把一个大的数据分散拆分开来 分散存储分散计算

---

		**hadoop 的组成部分**
		
			HDFS 分布式文件存储系统
				管理者：NameNode
				工作者：DataNode
				辅助者：SecondayNameNode
				
			MapReduce 分布式离线计算框架
			
			Yarn Hadoop资源调度器
				管理者：ResourceManager
				工作者：NodeManager

---

	**HDFS副本存放机制**

		第1个副本存放在客户端，如果客户端不在集群内，就在集群内随机挑选一个合适的节点进行存放；
		第2个副本存放在与第1个副本同机架且不同节点，按照一定的规则挑选一个合适的节点进行存放；
		第3个副本存放在与第1、2个副本不同机架且距第1个副本逻辑距离最短的机架，按照一定的规则挑选一个合适的节点进行存放；

---

	**Namenode作用**

	一:管理，维护文件系统的元数据/名字空间/目录树               管理数据与节点之间的映射关系（管理文件系统中每个文件/目录的block块信息），
	二:管理DataNode汇报的心跳日志/报告
	三:客户端和DataNode之间的桥梁（元数据信息共享）

---

**DataNode作用**

一:负责数据的读写操作
二:周期性的向NameNode汇报心跳日志/报告
三:执行数据流水线的复制

---

**什么是机架感知？**

通俗的来说就是nameNode通过读取我们的配置来配置各个节点所在的机架信息

人为编写一个脚本，脚本中记录集群中节点与交换机的映射关系。机架感知依赖此脚本，数据副本机制也依赖于此
脚本。

**什么时候会用到机架感知？**

NameNode分配节点的时候   （数据的流水线复制和HDFS复制副本时）

---

HDFS数据写入流程？

1:Client 发起文件写入请求，通过 RPC 与 NameNode 建立通讯，NameNode检查目标文件，返回是否可以上传；
2:Client 请求第一个 block 该传输到哪些 DataNode 服务器上；
3:NameNode 根据副本数量和副本放置策略进行节点分配，返回DataNode节点，如：A，B，C
4:Client 请求A节点建立pipeline管道，A收到请求会继续调用B，然后B调用C，将整个pipeline管道建立完成，后逐级返回消息到Client；
5:Client收到A返回的消息之后开始往A上传第一个block块，block块被切分成64K的packet包不断的在pepiline管道里传递，从A到B，B到C进行复制存储
6:当一个 block块 传输完成之后，Client 再次请求 NameNode 上传第二个block块的存储节点，不断往复存储
7.当所有block块传输完成之后，Client调用FSDataOutputSteam的close方法关闭输出流，最后调用FileSystem的complete方法告知NameNode数据写入成功

---

HDFS数据读取流程？

1:Client 发起文件读取请求，通过 RPC 与 NameNode 建立通讯,NameNode检查目标文件，来确定请求文件 block块的位置信息
2:NameNode会视情况返回文件的部分或者全部block块列表，对于每个block块，NameNode 都会返回含有该 block副本的 DataNode 地址
3:这些返回的 DataNode 地址，会按照集群拓扑结构得出 DataNode 与客户端的距离，然后进行排序，排序两个规则：网络拓扑结构中距离 Client 近的排靠前；心跳机制中超时汇报的 DN 状态为 STALE，这样的排靠后；
4:Client 选取排序靠前的 DataNode 调用FSDataInputSteam的read方法来读取 block块数据，如果客户端本身就是DataNode,那么将从本地直接获取block块数据
5:当读完一批的 block块后，若文件读取还没有结束，客户端会继续向NameNode 获取下一批的 block 列表，继续读取
6.所有block块读取完成后，Client调用FSDataInputStream.close()方法，关闭输入流，并将读取来所有的 block块合并成一个完整的最终文件

---

**HDFS数据完整性如何保证？**

数据写入完毕以后进行校验
数据读取之前进行校验
	对比判断是否有数据丢失

NameNode会周期性的通过DataNode汇报的心跳信息中获取block块的校验和进行检查数据完整性，如果发现校验和不一致,会从其他副本节点复制数据进行恢复,从而保证数据的完整性

---

HDFS 特性？（适用场景：一次写入，多次读取）

1、海量数据存储

2、大文件存储

3.高容错性
	a.数据自动保存多个副本；通过增加副本的形式，提高容错性
	b.某一个副本丢失以后，可以自动恢复，这是由 HDFS 内部机制实现的

---

HDFS缺点？

1.不擅长低延时数据访问
	由于hadoop针对高数据吞吐量做了优化，牺牲了获取数据的延迟，所以对于低延迟访问数据的业务需求不适合HDFS。
2.不擅长大量小文件存储
	存储大量小文件的话，它会占用 NameNode大量的内存来存储文件、目录和块信息。这样是不可取的，因为NameNode的内存总是有限的。
3.不支持多用户并发写入一个文本
	同一时间内，只能有一个用户执行写操作
4.不支持文件随机修改（多次写入，一次读取）
	仅支持数据末尾 append（追加），不支持文件的随机修改。

---

		**什么时候进入安全模式？**

			在集群重启（二次启动）的时候
			人为进入

---

		**安全模式有什么特点？**

			安全模式中只能读取数据，不能修改数据（增、删、改）

---

	**在安全模式下集群在做什么？**

		在安全模式下集群在进行恢复元数据，即在合并fsimage和edits log，并且接受datanode的心跳信息，
		恢复block的位置信息，将集群恢复到上次关机前的状态


		**如何进入/退出安全模式？**

			进入:hdfs dfsadmin -safemode enter
			退出:hdfs dfsadmin -safemode leave


		****Fsimage 和 Edits 的作用是什么？****

		fsimage存储的是系统最近一次关机前的集群镜像,
		edits是客户端对HDFS文件系统的所有操作日志
		恢复集群到上次关机前的状态
		

		**什么时候会使用Fsimage Edits？**

			1.在集群二次启动时，会使用fsimage和edits合并进行恢复元数据
			2.SecondayNameNode周期性的拉取fsimage和edits进行合并生成新的fsimage


		**SecondaryNamenode 的工作机制是什么？**
			NameNode创建一个Edits.new 
			SNN从NameNode节点拷贝Fsimage和Edits文件到SNN---->SNN将两个文件导入内存进行合并操作生成一个新的Fsimage.ckpt文件----->
			SNN将新的Fsimage.ckpt发送到NameNode节点----->重命名为Fsimage替换原先的Fsimage---------->原先的Edits生成Edits.new文件--->
			将Edits替换为新的Edits.new

---

	**SecondaryNamenode存在的意义是什么？**
	
		一:进行Fsimage和Edits的合并操作,减少edits日志大小，加快集群的启动速度
		二:将Fsimage与Edits进行备份,防止丢失

---

	**SecondaryNamenode工作的触发因素有哪些？**

		1.时间维度，默认一小时触发一次  	dfs.namenode.checkpoint.period ：3600
		2.次数维度，默认100万次触发一次		dfs.namenode.checkpoint.txns ： 1000000
		3、六十秒判断一次是否达到100W

---

	**使用SNN的FSimage和Edits还原Namenode流程是什么？**

		进入到SNN的数据存储文件夹----->将最新版本的Fsimage以及Edits拷贝至nameNode节点，放在NN节点相应的配置目录下----->重启集群

---

	**集群扩容1     新节点需要做哪些准备？**
	
		1.配置JDK
		2.配置SSH免密钥
		3.关闭防火墙
		4.关闭selinux
		5.修改主机名
		6.修改hosts

---

	**集群扩容2     集群添加一个节点的流程？**
	 
		*   在配置文件目录添加dfs.hosts白名单文件,文件中加入包括新增节点在内的所有节点
		*  在hdfs.site.xml中配置白名单文件生效
				<property>
						<name>dfs.hosts</name>
						<value>/export/install/hadoop-2.6.0-cdh5.14.0/etc/hadoop/dfs.hosts</value>
				</property>

		*  配置slaves文件,将新增节点加入
		*  刷新hdfs和yarn
		hdfs dfsadmin -refreshNodes
		yarn rmadmin -refreshNodes
		
		*  新节点开启相应服务

		浏览WEB界面


	**如何合并小文件？**
	
	HDFS -> local    :hadoop fs -getmerge  小文件目录   下载的目录	
	local -> HDFS   ：  遍历所有的已有小文件追加到一个文件中，再上传（文件不在HDFS）

---

	**设置 开启权限控制的key是什么？**
	
		dfs.permissions

---

	使用java API 在hdfs创建一个全新的目录的过程是？
	
		//实例Configuration 
		Configuration configuration = new Configuration();
		//实例文件系统
		FileSystem fileSystem = FileSystem.get(new URI("hdfs://192.168.100.88:8082"),configuration);
		//使用文件系统对象调用mkdirs(相应的API )
		boolean mkdirs = fileSystem.mkdirs(new Path("目录路径"));

---