HDFS整理

---

1. HDFS 概述

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，主流分布式文件管理系统还有 GFS(Google)，TFS(Taobao)，Ceph等，其他DFS参考博文：https://www.cnblogs.com/three-fighter/p/14391291.html

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。

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。

2. HDFS 优缺点

2.1. 优点

1. 高容错
   • 数据自动保存多个副本。它通过增加副本的形式，提高容错性。
   • 某一个副本丢失以后，它可以自动恢复。
2. 适合处理大数据
   • 数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据；
   • 文件规模：能够处理百万规模以上的文件数量，数量相当之大。
3. 可构建在廉价机器上，通过多副本机制，提高可靠性。

2.2. 缺点

1. 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。

2. 无法高效的对大量小文件进行存储。

   • 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；

     生产环境NN的运行内存为128GB；

     存储一个block元信息的需要150B；

     理论上最大存储数量为916259689，约9亿1千6百2十5万多个。

   • 小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。

     家用机械硬盘转速主流为 7200，平均寻址速度大概多少为 14 ms左右，

     服务器 机械硬盘 转速主流 为 10000～150000，平均寻址时间，取个整数 10 ms

3. 不支持并发写入、文件随机修改。

   • 一个文件只能有一个写，不允许多个线程同时写。
   • 仅支持数据append（追加），不支持文件的随机修改

3. HDFS 组成架构

下图是 HDFS 写入及读取 的简单流程

3.1. NameNode

Master，它是集群的主管、管理者，简称 NN，负责如下工作：

• 管理HDFS的名称空间。
• 配置副本策略。
• 管理数据块（Block）映射信息。
• 处理客户端读写请求。

3.2. DataNode

Slave，NameNode下达命令，DataNode执行实际的操作，负责如下工作：

• 存储实际的数据块。
• 执行数据块的读/写操作。

3.3. Client

客户端，HDFS支持命令行/web(需要配置打开) 以及 API 方式 访问 HDFS

• 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。
• 与NameNode交互，获取文件的位置信息。
• 与DataNode交互，读取或者写入数据。
• Client提供一些命令来管理HDFS，比如NameNode格式化。
• Client可以通过一些命令来访问HDFS，比如对HDFS增删查改操作。

3.4. Secondary NameNode

并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。

• 辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode。
• 在紧急情况下，可辅助恢复NameNode。

4. HDFS 读写流程

4.1 HDFS 写数据流程

1. 客户端通过 DistributedFileSystem 模块向 NameNode 请求上传文件，

2. NameNode 检查父目录是否存在，目标文件是否已存在，是否拥有写入权限，响应客户端通过。

3. 客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。

4. NameNode 通过计算(最短距离)获得，最佳存储节点，比如 dn1，dn2，dn3，响应给客户端。

   节点距离：两个节点到达最近的共同祖先的距离总和。

   Hadoop3.1.3副本节点选择:

   1. 第一个副本在Client所处的节点上。如果客户端在集群外，随机选一个。
   2. 第二个副本在另一个机架的随机一个节点
   3. 第三个副本在第二个副本所在机架的随机节点

5. 客户端创建 FSDataOutputStream ，以及数据缓存区，将需要上传的数据封装为一个个的 chunk，一个chunk由4byte的chunksum头信息，和512byte 数据信息组成。当chunk累计大小到达64k时，就将这他们封装为一个packet，一个个的packet组成packet队列，等待上传。与此同时，还有一个ACK队列存在，ACK队列不但保存校验信息，还会保存一份packet数据，以供dn写入数据失败重新读取。

6. FSDataOutputStream 模块请求建立 dn1 上传数据通道，dn1 收到请求，有请求建立dn2上传数据通道，然后 dn2 收到请求，又请求 建立 dn3 上传数据通道，将这个通信管道建立完成。

7. 通信管道连接成功后，向客户端确认连接，准备开始上传数据。

8. 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

9. 一个 Block 数据 全部上传成功后，客户端向 NameNode 确认一个Block数据上传成功，重复以上操作。

4.2 HDFS 读数据流程

1. 客户端通过 DistributedFileSystem 模块向 NameNode 请求读取文件，
2. NameNode 检查父目录是否存在，目标文件是否已存在，是否拥有写入权限。通过则在元数据区检索文件对应的block所在 DataNode 信息，并响应给客户端
3. 拿到节点信息之后，优先找最近的节点读取，如 DataNode1, block1。若最近的节点负载过高，则找下个节点读取下个block，如DataNode2, block2。
4. 客户端请求 DataNode1，读取第一个文件块 即block1，DataNode1响应给客户端。
5. 客户端请求 DataNode2，读取第二个文件块 即block2，DataNode2响应给客户端。
6. 直到全部block都读取完成，HDFS的读数据流程完成。

5. NameNode 高可用

NN和2NN的故事：

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。

NN和2NN的区别和联系：

• 区别：
  1. NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息。
  2. SecondaryNameNode主要用于定期合并命名空间镜像和命名空间镜像的编辑日志。
• 联系：
  1. SecondaryNameNode中保存了一份和namenode一致的镜像文件fsimage 和编辑日志 edits。
  2. 在Namenode发生故障时（假设没有及时备份数据），可以从SecondaryNameNode恢复数据。

5.1 SecondName 方案

Hadoop1.x使用的方案

1. 第一阶段：namenode启动

   1. 第一次启动namenode格式化后，data/tmp/dfs/name/current生成如下文件:

      fsimage_0000000000000000000

      fsimage_0000000000000000000.md5

      seen_txid

      VERSION

      Fsimage：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。

      Edits：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，只进行追加操作，效率很高。

      seen_txid：保存的是一个数字，就是最后一个edits_的数字

      每次NameNode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NameNode启动的时候就将Fsimage和Edits文件进行了合并。

   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， 带回 NameNode是否检查结果。
      触发条件一：默认 每隔一小时。
      触发条件二：一分钟检查一次 NameNode，操作次数达到 1百万 。
   2. Secondary NameNode 请求执行 CheckPoint。
   3. NameNode 滚动正在写的 Edits 日志, 生成edits_inprogress文件。
   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。

5.2 HDFS HA 方案

HDFS HA 功能通过配置 Active/Standby 两种 NameNodes 实现在集群中对 NameNode 的热备来解决上述问题。如果出现故障，如机器崩溃或机器需要升级维护，这时可通过此种方式将 NameNode 很快的切换到另外一台机器。

5.2.1. HDFS HA 工作要点

1. 元数据管理方式需要改变

​ 内存中都保存一份元数据。Edits日志只有 Active 的 NameNode 节点可以做写操作；两个 NameNode 都可以读取 Edits；共享的 Edits 放在一个共享存储中管理(qjournal 和 NFS 两个主流实现)。

2. 需要一个状态管理功能模块

   ​ 实现了一个 zkfailover，常驻在每一个 namenode 所在的节点，每一个 zkfailover 负责监控自己所在 NameNode 节点，利用 zk 进行状态标识，当需要进行状态切换时，由 zkfailover来负责切换，切换时需要防止 brain split 现象的发生。

3. 必须保证两个 NameNode 之间能够 ssh 无密码登录

4. 隔离（Fence），即同一时刻仅仅有一个 NameNode 对外提供服务，防止脑裂。

5.2.2. HDFS-HA 自动故障转移工作机制

自动故障转移为 HDFS 部署增加了两个新组件：ZooKeeper 和 ZKFailoverController（ZKFC）进程。ZooKeeper 是维护少量协调数据，通知客户端这些数据的改变和监视客户端故障的高可用服务。HA 的自动故障转移依赖于 ZooKeeper 的以下功能：

1. 故障检测：
   集群中的每个 NameNode 在 ZooKeeper 中维护了一个持久会话，如果机器崩溃，ZooKeeper 中的会话将终止，ZooKeeper 通知另一个 NameNode 需要触发故障转移。

2. 现役NameNode选择：

   ​ ZooKeeper 提供了一个简单的机制用于唯一的选择一个节点为 active 状态。如果目前现役 NameNode 崩溃，另一个节点可能从 ZooKeeper 获得特殊的排外锁以表明它应该成为现役 NameNode。

ZKFailoverController（ZKFC） 是自动故障转移中的另一个新组件，是 ZooKeeper 的客户端，也监视和管理NameNode 的状态。每个运行 NameNode 的主机也运行了一个 ZKFC 进程，ZKFC 负责：

1. 健康监测：
   ZKFC 使用一个健康检查命令定期地 ping 与之在相同主机的 NameNode，只要该 NameNode 及时地回复健康状态，ZKFC 认为该节点是健康的。如果该节点崩溃，冻结或进入不健康状态，健康监测器标识该节点为非健康的。

2. Zookeepr 会话管理:

   ​ 当本地 NameNode 是健康的，ZKFC 保持一个在 ZooKeeper中打开的会话。如果本地 NameNode 处于 active 状态，ZKFC 也保持一个特殊的 znode 锁，该锁使用了 ZooKeeper 对短暂节点的支持，如果会话终止，锁节点将自动删除。

3. 基于 ZooKeeper 的选择:

   ​ 如果本地 NameNode 是健康的，且 ZKFC 发现没有其它的节点当前持有 znode 锁，它将为自己获取该锁。如果成功，则它已经赢得了选择，并负责运行故障转移进程以使它的本地 NameNode 为 Active。首先补刀(ssh kill -9 xxx和用户自定义kill脚本)并确定杀死之前的服役 NameNode，防止脑裂，然后本地NameNode 转换为 Active 状态。

5.3 单点故障 与 脑裂

6. HDFS 文件块大小配置

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 Hadoop1.x 版本中是64M，在 Hadoop2.x/3.x 版本中是128M。

dfs.blocksize 即 文件块大小配置受什么因素影响？

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。
   

上面说了服务器机械硬盘寻址时间约为 10 ms左右，根据公式 传输时间 X 1% = 寻址时间，可以得到，传输时间为 1s，机械硬盘读写速率在 100 MB/s 左右，取一个最接近的值就是 128 MB。如果使用 SSD，SSD读写速率在 300 MB/s 左右，寻址时间和读写速率都更优异，经过计算设置为 256MB 较为合适。

总结：HDFS块的大小设置主要取决于磁盘传输速率

7. 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。

   dfs.blockreport.intervalMsec: DN 向 NN 汇报当前解读信息的时间间隔,默认 6 小时

   dfs.datanode.directoryscan.interval: DN 扫描自己节点块信息列表的时间，默认 6 小时

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。