hdfs 原理和指令

1 hdfs原理

1.1 三大组件

 NameNode、DataNode、SecondaryNameNode

1.2 NameNode
作用：存储元数据(文件名、创建时间、大小、权限、文件与block块映射关系)
数据存储目录：dfs.namenode.name.dir

1.3 DataNode
作用：存储真实的数据信息
数据存储目录：dfs.datanode.data.dir
block块：默认128M，通过dfs.blocksize设置
副本策略：默认是3个副本，通过dfs.replication配置
存放形式：

I.如果客户端在集群中，第一个副本放到客户端机器上；否则第一个副本随机挑选一个不忙的机器
II.第二个副本放到和第一个副本不同的机架上的一个服务器上
III.第三个副本放到和第二个副本相同机架不同服务器上
IV.如果还有更多副本，就随机存放

DataNode与NameNode通信：

I.DN启动后向NN进行注册，注册完后周期性(1小时)向NN上传块报告(blockreport)
    blockreport：block与datanode的映射关系(第二映射关系)
	作用：DN通过上传块报告，能更新NN内存中的映射关系
II DN发送心跳(3s)给NN，超过10m，就认为DN不可用了

1.4 SecondaryNameNode
作用：减轻NameNode压力，将edits编辑日志文件和fsimage镜像文件进行合并
执行流程

1. 周期性发送请求给`NN`，获取`fsimage`和`edits`
2. NN收到请求后，生成一个空的edits.new文件
3. NN给SNN发送fsimage和edits
4. SNN将fsimage文件加载到内存，合并edits文件
5. SNN生成新的镜像文件fsimage.ckpt
6. SNN发送fsimage.ckpt给NN
7. NN将fsimage.ckpt替换fsimage文件，将edits.new重命名为edits文件

1.5 HDFS读写流程
写入流程

1. 客户端给NN通信，创建文件
2. NN判断文件是否存在，是否有权限，如果有就创建文件，否则失败报错
3. 客户端将数据进行切片，放到缓冲区队列中；每个切片都需要给NN发送请求，NN给客户端返回DN列表
4. 客户端连接DN列表写入数据
5. DN根据副本策略将数据发送给其他DN
6. DN给客户端返回ACK包，如果成功就执行下一个切片，如果失败就重试

读取流程

1. 客户端给NN通信，读取文件
2. NN查找文件与block块关系，block与DN关系返回给客户端
3. 客户端创建输入流，根据NN返回的关系，去DN查找block数据
4. DN查找block块数据，返回给客户端
5. 客户端通过校验和比对block是否损坏。如果损坏，就取另外DN上的block块；如果没有，就读取下一个block块

2 bin/hdfs dfs命令：

2.1 -help：查看有哪些命令

2.2 -mkdir：创建目录，-p:创建多个目录

-copyFromLocal
-moveFromLocal

2.3 -ls：查看指定目录下有哪些文件和子目录，-R：递归地查看有哪些文件和目录

2.4 -du(s)：查看目录或文件的大小

-count 【-q】

2.5 -mv/-cp：移动/复制目录或文件

2.6 -rm -r：删除目录或文件，-r：递归删除
2.7 -get：将服务器上的文件下载到本地

-copyToLocal
-moveToLocal

2.8 -cat/-text：查看服务器上文本格式的文件