Hadoop中NameNode元数据管理机制解读

大家都知道hadoop是分布式离线批处理框架，主从架构，namenode是主节点，datanode是从节点，

hadoop整体分为：

        HDFS：分布式文件存储系统

        MapReduce：分布式离线并行计算框架

        yarn：分布式资源调度管理框架

1.元数据管理概述

　　HDFS元数据，按类型分，主要包括以下几个部分：

　　　　1、文件、目录自身的属性信息，例如文件名，目录名，修改信息等。

　　　　2、文件记录的信息的存储相关的信息，例如存储块信息，分块情况，副本个数等。

　　　　3、记录 HDFS 的 Datanode 的信息，用于 DataNode 的管理。

　　按形式分为内存元数据和元数据文件两种，分别存在内存和磁盘上。

　　HDFS 磁盘上元数据文件分为两类，用于持久化存储：

　　fsimage 镜像文件：是元数据的一个持久化的检查点，包含 Hadoop 文件系统中的所有目录和文件元数据信息，但不包含文件块位置的信息。文件块位置信息只存储在内存中，是在 datanode 加入集群的时候，namenode 询问 datanode 得到的，并且间断的更新。

　　Edits 编辑日志：存放的是 Hadoop 文件系统的所有更改操作（文件创建，删除或修改）的日志，文件系统客户端执行的更改操作首先会被记录到 edits 文件中。

　　fsimage 和 edits 文件都是经过序列化的，在 NameNode 启动的时候，它会将 fsimage文件中的内容加载到内存中，之后再执行 edits 文件中的各项操作，使得内存中的元数据和实际的同步，存在内存中的元数据支持客户端的读操作，也是最完整的元数据。

　　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元数据中。因为 fsimage 文件一般都很大，如果所有的更新操作都往 fsimage 文件中添加，这样会导致系统运行的十分缓慢。

　　HDFS 这种设计实现于：一是内存中数据更新、查询快，极大缩短了操作响应时间；二是内存中元数据丢失风险颇高（断电等），因此辅佐元数据镜像文件fsimage+编辑日志文件edits的备份机制进行确保元数据的安全。

　　NameNode 维护整个文件系统元数据。因此，元数据的准确管理，影响着 HDFS 提供文件存储服务的能力。

2. 元数据目录相关文件

1.首先当我们搭建好hadoop集群之后我们需要格式化namenode，以下配置文件是用来存储namenode的元数据目录

当我们格式化namenode之后会在此dfs目录下生成元数据文件

 dfs文件夹内保存的是关于namenode与datanode的信息

 data：文件夹保存的是datanode信息

name：文件夹保存的是namenode的信息

namesecondary：保存的是secondarynamenode信息

当我们格式化namenode时候我们会发现这个路径下会产生Fsimage和edits文件，也就是说在格式化的时候会初始化镜像文件

fsimage 和 edits 文件都是经过序列化的，所以我们无需查看内容。

 

namespaceID/clusterID/blockpoolID 这些都是 HDFS 集群的唯一标识符。标识符被用来防止 DataNodes 意外注册到另一个集群中的 namenode 上。这些标识在联邦（Federation）部署中特别重要。联邦模式下，会有多个 NameNode 独立工作。每个的 NameNode 提供唯一的命名空间（namespaceID），并管理一组唯一的文件块池（blockpoolID）。clusterID 将整个集群结合在一起作为单个逻辑单元，在集群中的所有节点上都是一样的。

　　storageType 说明这个文件存储的是什么进程的数据结构信息（如果是 DataNode，storageType=DATA_NODE）；

　　cTime NameNode 存储系统创建时间，首次格式化文件系统这个属性是 0，当文件系统升级之后，该值会更新到升级之后的时间戳；

　　layoutVersion 表示 HDFS 永久性数据结构的版本信息，是一个负整数。

3.SecondaryNamenode

NameNode 职责是管理元数据信息，DataNode 的职责是负责数据具体存储，那么SecondaryNameNode 的作用是什么？对很多初学者来说是非常迷惑的。它为什么会出现在HDFS 中。从它的名字上看，它给人的感觉就像是 NameNode 的备份。但它实际上却不是。

　　       当 HDFS 集群运行一段事件后，就会出现下面一些问题：

　　　　edit logs 文件会变的很大，怎么去管理这个文件是一个挑战。

　　　　NameNode 重启会花费很长时间，因为有很多改动要合并到 fsimage 文件上。

　　　　如果 NameNode 挂掉了，那就丢失了一些改动。因为此时的 fsimage 文件非常旧。

　　因此为了克服这个问题，我们需要一个易于管理的机制来帮助我们 减小 edit logs 文件的大小和得到一个最新的fsimage 文件，这样也会减小在 NameNode 上的压力。这样当系统发生问题时，我们能够回滚到最新的一次恢复点上。

　　SecondaryNameNode 就是来帮助解决上述问题的，它的职责是合并 NameNode 的 editlogs 到 fsimage 文件中。

 

 Checkpoint

　　每达到触发条件，会由 secondary namenode 将 namenode 上积累的所有 edits 和一个最新的 fsimage 下载到本地，并加载到内存进行 merge（这个过程称为 checkpoint），如下图所示：

 

 

• NameNode 管理着元数据信息，其中有两类持久化元数据文件：edits 操作日志文件和fsimage 元数据镜像文件。新的操作日志不会立即与 fsimage 进行合并，也不会刷到NameNode 的内存中，而是会先写到 edits 中(因为合并需要消耗大量的资源)，操作成功之后更新至内存。

• 有 dfs.namenode.checkpoint.period 和 dfs.namenode.checkpoint.txns 两个配置，只要达到这两个条件任何一个，secondarynamenode 就会执行 checkpoint 的操作。

• 当触发 checkpoint 操作时，NameNode 会生成一个新的 edits 即上图中的 edits.new 文件，同时 SecondaryNameNode 会将 edits 文件和 fsimage 复制到本地（HTTP GET 方式）。

• secondarynamenode 将下载下来的 fsimage 载入到内存，然后一条一条地执行 edits 文件中的各项更新操作，使得内存中的 fsimage 保存最新，这个过程就是edits 和fsimage文件合并，生成一个新的 fsimage 文件即上图中的 Fsimage.ckpt 文件。

• secondarynamenode 将新生成的 Fsimage.ckpt 文件复制到 NameNode 节点。

• 在 NameNode 节点的 edits.new 文件和 Fsimage.ckpt 文件会替换掉原来的 edits 文件和 fsimage 文件，至此刚好是一个轮回，即在 NameNode 中又是 edits 和 fsimage 文件。

• 等待下一次 checkpoint 触发 SecondaryNameNode 进行工作，一直这样循环操作。

•  Checkpoint 触发条件

  　　Checkpoint 操作受两个参数控制，可以通过 core-site.xml 进行配置：

• <property>
  　　<name>dfs.namenode.checkpoint.period</name>
  　　<value>3600</value>
  　　<description>
  　　　　两次连续的 checkpoint 之间的时间间隔。默认 1 小时
  　　</description>
  </property>
  <property>
  　　<name>dfs.namenode.checkpoint.txns</name>
  　　<value>1000000</value>
  　　<description>
  　　　　最大的没有执行 checkpoint 事务的数量，满足将强制执行紧急 checkpoint，即使
  　　　　尚未达到检查点周期。默认设置为 100 万。
  　　</description>
  </property>

         从上面的描述我们可以看出，SecondaryNamenode 根本就不是 Namenode 的一个热备，其只是将 fsimage 和 edits 合并。其拥有的 fsimage 不是最新的，因为在他从 NameNode 下载 fsimage 和 edits 文件时候，新的更新操作已经写到 edit.new 文件中去了。而这些更新在 SecondaryNamenode 是没有同步到的！当然， 如果 NameNode 中的 fsimage 真的出问题了，还是可以用SecondaryNamenode 中的 fsimage 替换一下NameNode 上的 fsimage ，虽然已经不是最新的 fsimage ，但是我们可以将损失减小到最少