Hadoop学习总结之HDFS

简介

首先简单介绍一下HDFS。

1. HDFS的设计思想：
   分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析；为各类分布式运算框架（如：mapreduce，spark等）提供数据存储服务。

2. HDFS的特性：
   1） 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版本中是128M。
   2） 适合用来做数据分析，并不适合用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本太高。

3. HDFS集群两大角色：
   1） NameNode负责管理整个文件系统的元数据。
   2） DataNode 负责管理用户的文件数据块，Datanode会定期向NameNode汇报自身所保存的文件block信息，而NameNode则会负责保持文件的副本数量。

---

HDFS工作机制

HDFS写流程

1. 与namenode通信请求上传文件，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；client请求第一个 block该传输到哪些datanode服务器上。
3. namenode返回n(副本数量)个datanode服务器；client请求3台dataNode中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将真个pipeline建立完成，逐级返回客户端。
4. client开始往A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(64k)为单位传输，以chunk(512Byte)为单位校验，A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答。

5. 当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。

   

---

HDFS读流程

1. 与namenode通信查询元数据，找到文件块所在的datanode服务器
2. 挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流
3. datanode开始发送数据（从磁盘里面读取数据放入流，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元数据的checkpoint

• namenode元数据checkpoint机制
  1、内存中有一份完整的元数据(内存meta data)
  2、磁盘有一个“准完整”的元数据镜像（fsimage）文件(在namenode的工作目录中)
  3、用于衔接内存metadata和持久化元数据镜像fsimage之间的操作日志（edits文件）
  4、当客户端对hdfs中的文件进行新增或者修改操作，操作记录首先被记入edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存中

• namenode和secondary namenode（第一种）

  

• 高可用集群上的namenode(active和standby)(第二种)

  基于高可用HA的Hadoop集群中的namenode一般成对存在，不同在于一个为active状态(工作状态)，另一个为standby(替补状态)。

  这里standby状态的namenode会负责进行checkpoint操作。

  高可用HA集群中，qjournal(本身也是分布式的)会负责edits日志管理。而qjournal则借助Zookeeper做分布式协调，这里只是简单提一下，具体关于高可用HA集群的知识想要了解的同学可以查看相关博客~