07学习大数据 - HDFS基础与概念

最新推荐文章于 2022-07-14 11:54:18 发布

ZuckD

最新推荐文章于 2022-07-14 11:54:18 发布

阅读量858

点赞数

文章标签： hdfs big data hadoop

本文链接：https://blog.csdn.net/weixin_45817392/article/details/121280733

版权

HDFS 产出背景及定义

1）HDFS 产生背景

随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS 只是分布式文件管理系统中的一种。

2）HDFS 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。

HDFS 的使用场景：适合一次写入，多次读出的场景。一个文件经过创建、写入和关闭
之后就不需要改变。

HDFS 优缺点

举例：一个无论大小（128MB，1KB）的文件块都要占用150字节。则128G的文件需要多少个文件块存储？

128G / 150B = 128 * 2^30 / 150 = 916,259,689.8 个文件块

缺点

查看官方网站

Apache Hadoop

查找对应版本的hadoop文档

Index of /docs

HDFS 组成架构

面试题

HDFS 文件块大小

HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数
( dfs.blocksize）来规定，默认大小在Hadoop2.x/3.x版本中是128M，1.x版本中是64M。

普通机械硬盘速率100MB/S 建议采用128MB文件块大小

固态硬盘速度200MB/S-300MB/S 建议采用256MB文件块大小

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，程序一直在找块的开始位置；
（2）如果块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时，会非常慢。

总结：HDFS块的大小设置主要取决于磁盘传输速率。

HDFS 的 Shell 操作（开发重点）

基本语法

hadoop fs 具体命令 OR hdfs dfs 具体命令
两个是完全相同的。

命令大全

查看hdfs命令用法

[atguigu@hadoop102 hadoop-3.1.3]$ bin/hadoop fs

常用命令实操

准备工作

1）启动 Hadoop 集群（方便后续的测试）

[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

2）-help：输出这个命令参数

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm

3）创建/sanguo 文件夹

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /sanguo

上传

moveFromLocal

-moveFromLocal：从本地剪切粘贴到 HDFS

hadoop fs -moveFromLocal ./shuguo.txt /sanguo

问题？moveFromLocal: remove `./shuguo.txt': Input/output error

copyFromLocal

-copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去

hadoop fs -copyFromLocal weiguo.txt /sanguo

put

-put：等同于 copyFromLocal，生产环境更习惯用 put

hadoop fs -put wuguo.txt /sanguo

appendToFile

-appendToFile：追加一个文件到已经存在的文件末尾,较少使用

hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt

下载

copyToLocal

-copyToLocal：从 HDFS 拷贝到本地

hadoop fs -copyToLocal /sanguo/shuguo.txt

get

-get：等同于 copyToLocal，生产环境更习惯用 get

hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt

下载下来可以改名字，将shuguo.txt改成shuguo2.txt

HDFS 直接操作

1）-ls: 显示目录信息

hadoop fs -ls /sanguo

2）-cat：显示文件内容
hadoop fs -cat /sanguo/shuguo.txt

3）-chgrp、-chmod、-chown：Linux 文件系统中的用法一样，修改文件所属权限
hadoop fs -chmod 666 /sanguo/shuguo.txt

hadoop fs -chown atguigu:atguigu /sanguo/shuguo.txt

4）-mkdir：创建路径
hadoop fs -mkdir /jinguo

5）-cp：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
hadoop fs -cp /sanguo/shuguo.txt /jinguo

6）-mv：在 HDFS 目录中移动文件
hadoop fs -mv /sanguo/wuguo.txt /jinguo
hadoop fs -mv /sanguo/weiguo.txt /jinguo

7）-tail：显示一个文件的末尾 1kb 的数据
hadoop fs -tail /jinguo/shuguo.txt

8）-rm：删除文件或文件夹
hadoop fs -rm /sanguo/shuguo.txt

9）-rm -r：递归删除目录及目录里面内容
hadoop fs -rm -r /sanguo

10）-du 统计文件夹的大小信息
hadoop fs -du -s -h /jinguo

27 81 /jinguo

hadoop fs -du -h /jinguo

14 42 /jinguo/shuguo.txt
7 21 /jinguo/weiguo.txt
6 18 /jinguo/wuguo.tx

说明：27 表示文件大小；81 表示 27*3 个副本；/jinguo 表示查看的目录

11）-setrep：设置 HDFS 中文件的副本数量

hadoop fs -setrep 10 /jinguo/shuguo.txt

这里设置的副本数只是记录在 NameNode 的元数据中，是否真的会有这么多副本，还得
看 DataNode 的数量。因为目前只有 3 台设备，最多也就 3 个副本，只有节点数的增加到 10
台时，副本数才能达到 10。

HDFS的API操作

客户端环境准备

1）找到资料包路径下的 Windows 依赖文件夹，拷贝 hadoop-3.1.0 到非中文路径（比如 d:\）

2）配置 HADOOP_HOME 环境变量

3）配置 Path 环境变量。
注意：如果环境变量不起作用，可以重启电脑试试。

验证 Hadoop 环境变量是否正常。双击 winutils.exe，如果报如下错误。说明缺少微软运行库（正版系统往往有这个问题）。再资料包里面有对应的微软运行库安装包双击安装即可

启动IDEA

创建maven工程

修改pom.xml文件

<dependencies>
	<dependency>
		<groupId>org.apache.hadoop</groupId>
		<artifactId>hadoop-client</artifactId>
		<version>3.1.3</version>
	</dependency>
	<dependency>
		<groupId>junit</groupId>
		<artifactId>junit</artifactId>
		<version>4.12</version>
	</dependency>
	<dependency>
	    <groupId>org.slf4j</groupId>
	    <artifactId>slf4j-log4j12</artifactId>
	    <version>1.7.30</version>
	</dependency>
</dependencies>

在项目的 src/main/resources 目录下，新建一个文件，命名为“log4j.properties”，在文件中填入

log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

创建包名：com.atguigu.hdfs

创建 HdfsClient 类

客户端代码常用套路
1、获取一个客户端对象
2、执行相关的操作命令
3、关闭资源

package com.atguigu.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.Test;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;


public class HdfsClient {

    @Test
    public void testmkdir() throws URISyntaxException, IOException {
        //连接的集群nn地址
        URI uri = new URI("hdfs://hadoop102:8020");
        //配置文件
        Configuration configuration = new Configuration();
        //获取客户端对象
        FileSystem fs = FileSystem.get(uri, configuration);

        //创建文件夹
        fs.mkdirs(new Path("/xiyou/huaguoshan"));

        //关闭资源
        fs.close();

    }
}

执行程序

客户端去操作 HDFS 时，是有一个用户身份的。默认情况下，HDFS 客户端 API 会从采用 Windows 默认用户访问 HDFS，会报权限异常错误。所以在访问 HDFS 时，一定要配置
用户。

org.apache.hadoop.security.AccessControlException: Permission denied:
user=56576, access=WRITE,
inode="/xiyou/huaguoshan":atguigu:supergroup:drwxr-xr-x

修改加上user即可

@Test
    public void testmkdir() throws URISyntaxException, IOException, InterruptedException {
        //连接的集群nn地址
        URI uri = new URI("hdfs://hadoop102:8020");
        //配置文件
        Configuration configuration = new Configuration();
        //用户
        String user = "zuck";

        //获取客户端对象
        FileSystem fs = FileSystem.get(uri, configuration,user);


        //创建文件夹
        fs.mkdirs(new Path("/xiyou/huaguoshan"));

        //关闭资源
        fs.close();

    }

封装hdfs

修改后的代码

package com.atguigu.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;

public class HdfsClient {

    private FileSystem fs;

    @Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        //连接的集群nn地址
        URI uri = new URI("hdfs://hadoop102:8020");
        //配置文件
        Configuration configuration = new Configuration();
        //用户
        String user = "zuck";

        //获取客户端对象
        fs = FileSystem.get(uri, configuration,user);
    }

    @After
    public void close() throws IOException {
        //关闭资源
        fs.close();
    }

    @Test
    public void testmkdir() throws URISyntaxException, IOException, InterruptedException {



        //创建文件夹
        fs.mkdirs(new Path("/xiyou/huaguoshan1"));



    }
}

上传

新增一个测试方法。

//测试上传文件
    @Test
    public void testPut() throws IOException {
        //参数解读:
        //参数一:表示删除原数据;
        //参数二:是否允许覆盖;
        //参数三:原数据路径;
        //参数四: 目的地路径
        fs.copyFromLocalFile(
                false,
                false,
                new Path("F:\\sunwukong.txt"),
                new Path("/xiyou/huaguoshan"));
    }

将F盘下的sunwukong.txt上传到hdfs的xiyou/huaguoshan文件夹下。

参数配置优先级

参数优先级

hdfs-default. xml < hdfs-site.xml < 在项目资源目录下的配置文件 < 代码里面的配置

1.测试再项目资源目录下的配置文件

hdfs-site.xml

<?xml version="1.0" encoding="UTF-8" ?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!--配置副本数-->
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

运行程序，上传sunwukong.txt，发现replication为1

2. 测试在configuration修改

修改这段代码configuration.set("dfs.replication","2");

@Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        //连接的集群nn地址
        URI uri = new URI("hdfs://hadoop102:8020");
        //配置文件
        Configuration configuration = new Configuration();
        configuration.set("dfs.replication","2");

        //用户
        String user = "zuck";

        //获取客户端对象
        fs = FileSystem.get(uri, configuration,user);
    }

发现replication为2

HDFS的API案例实操

HDFS文件下载

文件下载

//文件下载
    @Test
    public void testGet() throws IOException {
        //参数的解读:
        //参数一:原文件是否删除;
        //参数二:原文件路径HDFS;
        //参数三:标地址路径Win ;
        //参数四:

        fs.copyToLocalFile(
                false,
                new Path("hdfs://hadoop102/xiyou/huaguoshan"),
                new Path("F:\\test"),
                true);

    }

HDFS文件更名与移动

//文件更名和移动
    @Test
    public void testUpdate() throws IOException {

        //文件更名
        //fs.rename(new Path("/input/word.txt"),new Path("/input/ss.txt"));

        //文件移动和更名
        //fs.rename(new Path("/input/ss.txt"),new Path("/xx.txt"));

        //目录更名
        fs.rename(new Path("/jinguo"),new Path("/rename_jinguo"));

    }

删除文件和目录

删除文件

    //文件删除
    @Test
    public void testDel() throws IOException {
        //参数解读:
        //参数1:要删除的路径
        //参数2:是否递归删除
        fs.delete(new Path("/xiyou/huaguoshan1"),false);

    }

文件详情查看

//查看文件信息
    @Test
    public void testAllInfo() throws IOException {
        // 参数1：路径
        // 参数2：是否递归访问
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);

        while (listFiles.hasNext()) {
            LocatedFileStatus fileStatus = listFiles.next();
            System.out.println("=============="+fileStatus.getPath().getName()+"======================");
            System.out.println(fileStatus.getPermission());
            System.out.println(fileStatus.getOwner());
            System.out.println(fileStatus.getGroup());
            System.out.println(fileStatus.getLen());
            System.out.println(fileStatus.getModificationTime());
            System.out.println(fileStatus.getReplication());
            System.out.println(fileStatus.getBlockSize());

            BlockLocation[] blockLocations = fileStatus.getBlockLocations();
            System.out.println(Arrays.toString(blockLocations));

        }
    }

判定是文件还是目录

//判断是文件还是目录
    @Test
    public void testIsDirOrFile() throws IOException {
        FileStatus[] fileStatuses = fs.listStatus(new Path("/"));

        for (FileStatus sta : fileStatuses) {
            if(sta.isDirectory()){
                System.out.println(sta.getPath().getName()+"是目录");
            }else{
                System.out.println(sta.getPath().getName()+"是文件");
            }
        }
    }

HDFS的读写流程（面试重点）

HDFS写数据流程

剖析文件写入

（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）。

网络拓扑-节点距离计算

在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。

机架感知（副本存储节点选择）

Hadoop3.1.3副本节点选择

HDFS读数据流程

（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SecondaryNameNode

NN和2NN工作机制

思考：NameNode中的元数据是存储在哪里的？
首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。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ameNode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。

1）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。
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。

Fsimage和Edits解析

N ameNode被格式化之后，将在/ opt/module/hadoop-3.1.3/data/tmp/dfs/name/curent目录中产生如下文件
fs image_ 00000 00000000000000
f simage_ 00 000000 00000000000. md 5
seen_ txid
V ERS ION
(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inode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N ameNode启动的时候都会将Fsimage文件读入内存，加载Edits里面的更新操作，保证内存中的元数据信息是最新的、同步的，可以看成N ameNode启动的时候就将Fsimage和Edits文件进行了合并。

1）oiv查看Fsimage文件
（1）查看oiv和oev命令
[atguigu@hadoop102 current]$ hdfs
oiv apply the offline fsimage viewer to an fsimage
oev apply the offline edits viewer to an edits file
（2）基本语法
hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径
（3）案例实操
[atguigu@hadoop102 current]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/name/current

[atguigu@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml

[atguigu@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml
将显示的xml文件内容拷贝到Idea中创建的xml文件中，并格式化。部分显示结果如下。
<inode>
   <id>16386</id>
   <type>DIRECTORY</type>
   <name>user</name>
   <mtime>1512722284477</mtime>
   <permission>atguigu:supergroup:rwxr-xr-x</permission>
   <nsquota>-1</nsquota>
   <dsquota>-1</dsquota>

</inode>
<inode>
   <id>16387</id>
   <type>DIRECTORY</type>
   <name>atguigu</name>
   <mtime>1512790549080</mtime>
   <permission>atguigu:supergroup:rwxr-xr-x</permission>
   <nsquota>-1</nsquota>
   <dsquota>-1</dsquota>
</inode>
<inode>
   <id>16389</id>
   <type>FILE</type>
   <name>wc.input</name>
   <replication>3</replication>
   <mtime>1512722322219</mtime>
   <atime>1512722321610</atime>
   <perferredBlockSize>134217728</perferredBlockSize>
   <permission>atguigu:supergroup:rw-r--r--</permission>
   <blocks>
       <block>
           <id>1073741825</id>
           <genstamp>1001</genstamp>
           <numBytes>59</numBytes>
       </block>
   </blocks>
</inode >
思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？
在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。
2）oev查看Edits文件
（1）基本语法
hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径
（2）案例实操
[atguigu@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml

[atguigu@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml
将显示的xml文件内容拷贝到Idea中创建的xml文件中，并格式化。显示结果如下。
<?xml version="1.0" encoding="UTF-8"?>
<EDITS>
   <EDITS_VERSION>-63</EDITS_VERSION>
   <RECORD>
       <OPCODE>OP_START_LOG_SEGMENT</OPCODE>
       <DATA>
           <TXID>129</TXID>
       </DATA>
   </RECORD>
   <RECORD>
       <OPCODE>OP_ADD</OPCODE>
       <DATA>
           <TXID>130</TXID>

   <LENGTH>0</LENGTH>
           <INODEID>16407</INODEID>
           <PATH>/hello7.txt</PATH>
           <REPLICATION>2</REPLICATION>
           <MTIME>1512943607866</MTIME>
           <ATIME>1512943607866</ATIME>
           <BLOCKSIZE>134217728</BLOCKSIZE>
           <CLIENT_NAME>DFSClient_NONMAPREDUCE_-1544295051_1</CLIENT_NAME>
           <CLIENT_MACHINE>192.168.10.102</CLIENT_MACHINE>
           <OVERWRITE>true</OVERWRITE>
           <PERMISSION_STATUS>
               <USERNAME>atguigu</USERNAME>
               <GROUPNAME>supergroup</GROUPNAME>
               <MODE>420</MODE>
           </PERMISSION_STATUS>
           <RPC_CLIENTID>908eafd4-9aec-4288-96f1-e8011d181561</RPC_CLIENTID>
           <RPC_CALLID>0</RPC_CALLID>
       </DATA>
   </RECORD>
   <RECORD>
       <OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE>
       <DATA>
           <TXID>131</TXID>
           <BLOCK_ID>1073741839</BLOCK_ID>
       </DATA>
   </RECORD>
   <RECORD>
       <OPCODE>OP_SET_GENSTAMP_V2</OPCODE>
       <DATA>
           <TXID>132</TXID>
           <GENSTAMPV2>1016</GENSTAMPV2>
       </DATA>
   </RECORD>
   <RECORD>
       <OPCODE>OP_ADD_BLOCK</OPCODE>
       <DATA>
           <TXID>133</TXID>
           <PATH>/hello7.txt</PATH>
           <BLOCK>
               <BLOCK_ID>1073741839</BLOCK_ID>
               <NUM_BYTES>0</NUM_BYTES>
               <GENSTAMP>1016</GENSTAMP>
           </BLOCK>
           <RPC_CLIENTID></RPC_CLIENTID>
           <RPC_CALLID>-2</RPC_CALLID>
       </DATA>
   </RECORD>
   <RECORD>
       <OPCODE>OP_CLOSE</OPCODE>
       <DATA>
           <TXID>134</TXID>
           <LENGTH>0</LENGTH>
           <INODEID>0</INODEID>
           <PATH>/hello7.txt</PATH>
           <REPLICATION>2</REPLICATION>
           <MTIME>1512943608761</MTIME>

   <ATIME>1512943607866</ATIME>
           <BLOCKSIZE>134217728</BLOCKSIZE>
           <CLIENT_NAME></CLIENT_NAME>
           <CLIENT_MACHINE></CLIENT_MACHINE>
           <OVERWRITE>false</OVERWRITE>
           <BLOCK>
               <BLOCK_ID>1073741839</BLOCK_ID>
               <NUM_BYTES>25</NUM_BYTES>
               <GENSTAMP>1016</GENSTAMP>
           </BLOCK>
           <PERMISSION_STATUS>
               <USERNAME>atguigu</USERNAME>
               <GROUPNAME>supergroup</GROUPNAME>
               <MODE>420</MODE>
           </PERMISSION_STATUS>
       </DATA>
   </RECORD>
</EDITS >
思考：NameNode如何确定下次开机启动的时候合并哪些Edits？
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>3600s</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>60s</value>
<description> 1分钟检查一次操作次数</description>
</property>

DataNode

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。
DN向NN汇报当前解读信息的时间间隔，默认6小时；
<property>
   <name>dfs.blockreport.intervalMsec</name>
   <value>21600000</value>
   <description>Determines block reporting interval in milliseconds.</description>
</property>
DN扫描自己节点块信息列表的时间，默认6小时
<property>
   <name>dfs.datanode.directoryscan.interval</name>
   <value>21600s</value>
   <description>Interval in seconds for Datanode to scan data directories and reconcile the difference between blocks in memory and on the disk.
   Support multiple time unit suffix(case insensitive), as described
   in dfs.heartbeat.interval.
   </description>
</property>
（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
思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理DataNode节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？
如下是DataNode节点保证数据完整性的方法。
（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。

掉线时限参数设置

需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒，dfs.heartbeat.interval的单位为秒。

<name>dfs.namenode.heartbeat.recheck-interval</name>

</property>

<name>dfs.heartbeat.interval</name>

</property>

ZuckD

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
打赏
0
评论
07学习大数据 - HDFS基础与概念

HDFS 产出背景及定义1）HDFS 产生背景随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS 只是分布式文件管理系统中的一种。2）HDFS 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。
复制链接

扫一扫