分布式文件系统HDFS(Distributed File System)是大数据生态组件Hadoop的一个重要组成部分。它是一个具有高度容错性的系统,适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问,非常适合大规模数据集上的应用。
HDFS写数据流程
HDFS写数据流程(图)
简述:
- 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;
- NameNode返回是否可以上传;
- 客户端向NameNode请求上传文件的第一个 Block到服务器上;
- NameNode返回DataNode节点信息;
- 在副本数为3的情况下,客户端通过FSDataOutputStream模块请求与dn1建立通信管道,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;
- dn1、dn2、dn3逐级应答客户端;
- 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;
- 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)。
HDFS读数据流程
简述:
- 客户端通过DFS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;
- 挑选一台DataNode(读第一个块采用就近原则,之后随机选择DN读数据)服务器,请求读取数据;
- 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);
- 客户端以Packet为单位接收,先在本地缓存,然后写入目标文件。
NN和2NN工作流程
简述:
NN阶段:
- 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。
- 若客户端对元数据进行增删改的请求或触发checkpoint,NameNode记录操作日志,更新滚动日志。
- NameNode在内存中对元数据进行增删改。
2NN阶段:
4. Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。
-
Secondary NameNode请求执行CheckPoint。
-
NameNode滚动正在写的Edits日志。
-
将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。
-
Secondary NameNode加载编辑日志和镜像文件到内存,并合并。
-
生成新的镜像文件fsimage.chkpoint。
-
拷贝fsimage.chkpoint到NameNode。
-
NameNode将fsimage.chkpoint重新命名成fsimage。
DN工作流程
简述:
-
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。
-
DataNode启动后向NameNode注册自己,通过后,周期性(1小时)的向NameNode上报所有的块信息。
-
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。
-
集群运行中可以安全加入和退出一些机器。
颜色搭配对我来讲真是要了亲命了,感觉怎么搭配都好丑啊。。。