Hadoop的namenode的管理机制,工作机制和datanode的工作原理

HDFS前言:

  1) 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;

  2)在大数据系统中作用:

    为各类分布式运算框架(如:mapreduce,spark,tez,……)提供数据存储服务

  3)重点概念:文件切块,副本存放,元数据

  4)、NameNode节点:由core-site.xml配置指定(name=fs.defaultFS,value=hdfs://slaver1:8020)。

      DataNode/NodeManager节点:由slavers文件指定。

      SecondaryNameNode节点:由hdfs-site.xml文件指定(name=dfs.namenode.secondary.http-address,value=slaver1:50090)

     ResourceManager节点:在yarn-site.xml文件中指定(name=yarn.resourcemanager.hostname,value=slaver1)。

     historyServer节点:在mapred-site.xml配置文件里面修改。

1:分布式文件系统(Distributed File System):

(1):数据量越来越多,在一个操作系统管辖的范围存不下了,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,因此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 。
(2):是一种允许文件通过网络在多台主机上分享的文件系统,可让多机器上的多用户分享文件和存储空间。
(3):通透性。让实际上是通过网络来访问文件的动作,由程序与用户看来,就像是访问本地的磁盘一般。
(4):容错。即使系统中有某些节点脱机,整体来说系统仍然可以持续运作而不会有数据损失。
(5):分布式文件管理系统很多,hdfs只是其中一种。适用于一次写入多次查询的情况,不支持并发写情况,小文件不合适。

2:Hadoop最擅长的是(离线 )日志分析

(1):HDFS----》海量数据的存储,负责文件读写。

(2):MapReduce----》海量数据的分析。

(3):YARN----》资源管理调度,负责为mapreduce程序分配硬件资源。

3:HDFS的Shell

(1):调用文件系统(FS)Shell命令应使用 bin/hadoop fs 的形式。
(2):所有的FS shell命令使用URI路径作为参数。
   URI格式是scheme://authority/path。HDFS的scheme是hdfs,对本地文件系统,scheme是file。其中scheme和authority参数都是可选的,如果未加指定,就会使用配置中指定的默认scheme。
   例如:/parent/child可以表示成hdfs://namenode:namenodePort/parent/child,或者更简单的/parent/child(假设配置文件是namenode:namenodePort)
(3):大多数FS Shell命令的行为和对应的Unix Shell命令类似。

4:HDFS fs命令

(1)-help [cmd]    //显示命令的帮助信息
(2)-ls(r) <path>    //显示当前目录下所有文件
(3)-du(s) <path>    //显示目录中所有文件大小
(4)-count[-q] <path>    //显示目录中文件数量
(5)-mv <src> <dst>    //移动多个文件到目标目录
(6)-cp <src> <dst>    //复制多个文件到目标目录
(7)-rm(r)        //删除文件(夹)
(8)-put <localsrc> <dst>    //本地文件复制到hdfs
(9)-copyFromLocal    //同put
(10)-moveFromLocal    //从本地文件移动到hdfs
(11)-get [-ignoreCrc] <src> <localdst>    //复制文件到本地,可以忽略crc校验
(12)-getmerge <src> <localdst>        //将源目录中的所有文件排序合并到一个文件中
(13)-cat <src>    //在终端显示文件内容
(14)-text <src>    //在终端显示文件内容
(15)-copyToLocal [-ignoreCrc] <src> <localdst>    //复制到本地
(16)-moveToLocal <src> <localdst>
(17)-mkdir <path>    //创建文件夹
(18)-touchz <path>    //创建一个空文件

5:HDFS的Shell命令练习

(1)#hadoop fs -ls /  查看HDFS根目录
(2)#hadoop fs -mkdir /test 在根目录创建一个目录test
(3)#hadoop fs -mkdir /test1 在根目录创建一个目录test1
(4)#hadoop fs -put ./test.txt /test 或#hadoop fs -copyFromLocal ./test.txt /test
(5)#hadoop fs -get /test/test.txt . 或#hadoop fs -getToLocal /test/test.txt .
(6)#hadoop fs -cp /test/test.txt /test1
(7)#hadoop fs -rm /test1/test.txt
(8)#hadoop fs -mv /test/test.txt /test1
(9)#hadoop fs -rmr /test1

6:HDFS架构

(1)NameNode
(2)DataNode
(3)Secondary NameNode

7:NameNode

(1)是整个文件系统的管理节点。它维护着整个文件系统的文件目录树,文件/目录的元信息和每个文件对应的数据块列表。接收用户的操作请求。
(2)文件包括:
fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。
edits:操作日志文件。
fstime:保存最近一次checkpoint的时间
(3)以上这些文件是保存在linux的文件系统中。

(4)、NameNode是主节点,存储文件的元数据,如文件名,文件目录结构,文件属性(生成事件,副本数,文件权限),以及每个文件的块列表和块所在的DataNode信息等等。

(5)、Namenode是一个中心服务器,单一节点,负责管理文件系统的名字空间,以及客户端对文件的访问。文件操作,NameNode负责文件元数据的操作,DataNode负责处理文件内容的读写请求,跟文件内容相关的数据流不经过NameNode,只会询问它跟那个DataNode联系,否则NameNode会成为系统的瓶颈。副本存放在那些DataNode上由NameNode来控制,根据全局情况做出块放置决定,读取文件时候NameNode尽量让用户先读取最近的副本,降低带块消耗和读取延时。NameNode全权管理数据块的复制。它周期性的从集群中每个DataNode接受心跳信号和块状态报告(Blocreport)。接受到心跳信号意味着该DataNode节点正常工作。块状态报告包含一个该DataNode上所有数据块的列表。

8:NameNode的工作特点

(1)Namenode始终在内存中保存metedata,用于处理“读请求”
(2)到有“写请求”到来时,namenode会首先写editlog到磁盘,即向edits文件中写日志,成功返回后,才会修改内存,并且向客户端返回
(3)Hadoop会维护一个fsimage文件,也就是namenode中metedata的镜像,但是fsimage不会随时与namenode内存中的metedata保持一致,而是每隔一段时间通过合并edits文件来更新内容。Secondary namenode就是用来合并fsimage和edits文件来更新NameNode的metedata的。

9:SecondaryNameNode

(1)HA的一个解决方案。但不支持热备。配置即可。
(2)执行过程:从NameNode上下载元数据信息(fsimage,edits),然后把二者合并,生成新的fsimage,在本地保存,并将其推送到NameNode,替换旧的fsimage.
(3)默认在安装在NameNode节点上,但这样...不安全!

(4)、用来监控hdfs状态的辅助后台程序,每隔一段事件获取hdfs元数据的快照。

10:secondary namenode的工作流程

(1)secondary通知namenode切换edits文件
(2)secondary从namenode获得fsimage和edits(通过http)
(3)secondary将fsimage载入内存,然后开始合并edits
(4)secondary将新的fsimage发回给namenode
(5)namenode用新的fsimage替换旧的fsimage

11:什么时候checkpiont

(1)fs.checkpoint.period 指定两次checkpoint的最大时间间隔,默认3600秒。

(2)fs.checkpoint.size    规定edits文件的最大值,一旦超过这个值则强制checkpoint,不管是否到达最大时间间隔。默认大小是64M。

12:NameNode和SecondNameNode之间的联系

Hadoop的namenode的管理机制,工作机制和datanode的工作原理

13:Datanode

(1)提供真实文件数据的存储服务。
(2)文件块(block):最基本的存储单位。对于文件内容而言,一个文件的长度大小是size,那么从文件的0偏移开始,按照固定的大小,顺序对文件进行划分并编号,划分好的每一个块称一个Block。HDFS默认Block大小是128MB,以一个256MB文件,共有256/128=2个Block.
dfs.block.size
(3)不同于普通文件系统的是,HDFS中,如果一个文件小于一个数据块的大小,并不占用整个数据块存储空间
(4)Replication。多复本。默认是三个。hdfs-site.xml的dfs.replication属性。

(5)、DataNode在本地文件系统存储文件块数据,以及块数据的校验和。

(6)、DataNode,一个数据块在DataNode以文件存储在磁盘上,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NameNode注册,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,或者删除某个数据块。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。

14:Remote Procedure Call

(1)RPC——远程过程调用协议,它是一种通过网络从远程计算机程序上请求服务,而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在,如TCP或UDP,为通信程序之间携带信息数据。在OSI网络通信模型中,RPC跨越了传输层和应用层。RPC使得开发包括网络分布式多程序在内的应用程序更加容易。

(2)RPC采用客户机/服务器模式。请求程序就是一个客户机,而服务提供程序就是一个服务器。首先,客户机调用进程发送一个有进程参数的调用信息到服务进程,然后等待应答信息。在服务器端,进程保持睡眠状态直到调用信息的到达为止。当一个调用信息到达,服务器获得进程参数,计算结果,发送答复信息,然后等待下一个调用信息,最后,客户端调用进程接收答复信息,获得进程结果,然后调用执行继续进行。

(3)hadoop的整个体系结构就是构建在RPC之上的(见org.apache.hadoop.ipc)。

15:HDFS读过程

(1)初始化FileSystem,然后客户端(client)用FileSystem的open()函数打开文件
(2)FileSystem用RPC调用元数据节点,得到文件的数据块信息,对于每一个数据块,元数据节点返回保存数据块的数据节点的地址。
(3)FileSystem返回FSDataInputStream给客户端,用来读取数据,客户端调用stream的read()函数开始读取数据。
(4)DFSInputStream连接保存此文件第一个数据块的最近的数据节点,data从数据节点读到客户端(client)
(5)当此数据块读取完毕时,DFSInputStream关闭和此数据节点的连接,然后连接此文件下一个数据块的最近的数据节点。
(6)当客户端读取完毕数据的时候,调用FSDataInputStream的close函数。
(7)在读取数据的过程中,如果客户端在与数据节点通信出现错误,则尝试连接包含此数据块的下一个数据节点。
(8)失败的数据节点将被记录,以后不再连接。

Hadoop的namenode的管理机制,工作机制和datanode的工作原理

16:HDFS写过程

(1)初始化FileSystem,客户端调用create()来创建文件
(2)FileSystem用RPC调用元数据节点,在文件系统的命名空间中创建一个新的文件,元数据节点首先确定文件原来不存在,并且客户端有创建文件的权限,然后创建新文件。
(3)FileSystem返回DFSOutputStream,客户端用于写数据,客户端开始写入数据。
(4)DFSOutputStream将数据分成块,写入data queue。data queue由Data Streamer读取,并通知元数据节点分配数据节点,用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点。第二个数据节点将数据发送给第三个数据节点。
(5)DFSOutputStream为发出去的数据块保存了ack queue,等待pipeline中的数据节点告知数据已经写入成功。
(6)当客户端结束写入数据,则调用stream的close函数。此操作将所有的数据块写入pipeline中的数据节点,并等待ack queue返回成功。最后通知元数据节点写入完毕。
(7)如果数据节点在写入的过程中失败,关闭pipeline,将ack queue中的数据块放入data queue的开始,当前的数据块在已经写入的数据节点中被元数据节点赋予新的标示,则错误节点重启后能够察觉其数据块是过时的,会被删除。失败的数据节点从pipeline中移除,另外的数据块则写入pipeline中的另外两个数据节点。元数据节点则被通知此数据块是复制块数不足,将来会再创建第三份备份。

Hadoop的namenode的管理机制,工作机制和datanode的工作原理

17:HDFS的架构

(1)主从结构
  主节点, namenode
  从节点,有很多个: datanode
(2)namenode负责:
  接收用户操作请求
  维护文件系统的目录结构
  管理文件与block之间关系,block与datanode之间关系
(3)datanode负责:
  存储文件
  文件被分成block存储在磁盘上
  为保证数据安全,文件会有多个副本

18:Hadoop部署方式

(1)本地模式
(2)伪分布模式
(3)集群模式

19:Hadoop的特点

(1)扩容能力(Scalable):能可靠地(reliably)存储和处理千兆字节(PB)数据。
(2)成本低(Economical):可以通过普通机器组成的服务器群来分发以及处理数据。这些服务器群总计可达数千个节点。
(3)高效率(Efficient):通过分发数据,hadoop可以在数据所在的节点上并行地(parallel)处理它们,这使得处理非常的快速。
(4)可靠性(Reliable):hadoop能自动地维护数据的多份副本,并且在任务失败后能自动地重新部署(redeploy)计算任务。

20:HDFS的概念和特性:

  1)首先,它是一个文件系统,用于存储文件,通过统一的命名空间——目录树来定位文件

  2)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;

  3)重要特性如下:

    (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,老版本中是64M

    (2)HDFS文件系统会给客户端提供一个统一的抽象目录树,客户端通过路径来访问文件,形如:hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

    (3)目录结构及文件分块信息(元数据)的管理由namenode节点承担

      namenode是HDFS集群主节点,负责维护整个hdfs文件系统的目录树,以及每一个路径(文件)所对应的block块信息(block的id,及所在的datanode服务器)

    (4)文件的各个block的存储管理由datanode节点承担

      datanode是HDFS集群从节点,每一个block都可以在多个datanode上存储多个副本(副本数量也可以通过参数设置dfs.replication)

    (5)HDFS是设计成适应一次写入,多次读出的场景,且不支持文件的修改

  注意: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;

22:hadoop常用命令参数介绍:

-help             
功能:输出这个命令参数手册
-ls                  
功能:显示目录信息
示例: hadoop fs -ls hdfs://hadoop-server01:9000/
备注:这些参数中,所有的hdfs路径都可以简写
-->hadoop fs -ls /   等同于上一条命令的效果
-mkdir              
功能:在hdfs上创建目录
示例:hadoop fs  -mkdir  -p  /aaa/bbb/cc/dd
-moveFromLocal            
功能:从本地剪切粘贴到hdfs
示例:hadoop  fs  - moveFromLocal  /home/hadoop/a.txt  /aaa/bbb/cc/dd
-moveToLocal              
功能:从hdfs剪切粘贴到本地
示例:hadoop  fs  - moveToLocal   /aaa/bbb/cc/dd  /home/hadoop/a.txt
--appendToFile  
功能:追加一个文件到已经存在的文件末尾
示例:hadoop  fs  -appendToFile  ./hello.txt  hdfs://hadoop-server01:9000/hello.txt
可以简写为:
Hadoop  fs  -appendToFile  ./hello.txt  /hello.txt

-cat  
功能:显示文件内容  
示例:hadoop fs -cat  /hello.txt

-tail                 
功能:显示一个文件的末尾
示例:hadoop  fs  -tail  /weblog/access_log.1
-text                  
功能:以字符形式打印一个文件的内容
示例:hadoop  fs  -text  /weblog/access_log.1
-chgrp
-chmod
-chown
功能:linux文件系统中的用法一样,对文件所属权限
示例:
hadoop  fs  -chmod  666  /hello.txt
hadoop  fs  -chown  someuser:somegrp   /hello.txt
-copyFromLocal    
功能:从本地文件系统中拷贝文件到hdfs路径去
示例:hadoop  fs  -copyFromLocal  ./jdk.tar.gz  /aaa/
-copyToLocal      
功能:从hdfs拷贝到本地
示例:hadoop fs -copyToLocal /aaa/jdk.tar.gz
-cp              
功能:从hdfs的一个路径拷贝hdfs的另一个路径
示例: hadoop  fs  -cp  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

-mv                     
功能:在hdfs目录中移动文件
示例: hadoop  fs  -mv  /aaa/jdk.tar.gz  /
-get              
功能:等同于copyToLocal,就是从hdfs下载文件到本地
示例:hadoop fs -get  /aaa/jdk.tar.gz
-getmerge             
功能:合并下载多个文件
示例:比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,...
hadoop fs -getmerge /aaa/log.* ./log.sum
-put                
功能:等同于copyFromLocal
示例:hadoop  fs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

-rm                
功能:删除文件或文件夹
示例:hadoop fs -rm -r /aaa/bbb/

-rmdir                 
功能:删除空目录
示例:hadoop  fs  -rmdir   /aaa/bbb/ccc
-df               
功能:统计文件系统的可用空间信息
示例:hadoop  fs  -df  -h  /

-du
功能:统计文件夹的大小信息
示例:
hadoop  fs  -du  -s  -h /aaa/*

-count         
功能:统计一个指定目录下的文件节点数量
示例:hadoop fs -count /aaa/

-setrep                
功能:设置hdfs中文件的副本数量
示例:hadoop fs -setrep 3 /aaa/jdk.tar.gz
<这里设置的副本数只是记录在namenode的元数据中,是否真的会有这么多副本,还得看datanode的数量>

23:Hdfs的工作机制:

(工作机制的学习主要是为加深对分布式系统的理解,以及增强遇到各种问题时的分析解决能力,形成一定的集群运维能力)

  注意:很多不是真正理解hadoop技术体系的人会常常觉得HDFS可用于网盘类应用,但实际并非如此。要想将技术准确用在恰当的地方,必须对技术有深刻的理解

概述
  1:HDFS集群分为两大角色:NameNode、DataNode
  2:NameNode负责管理整个文件系统的元数据
  3:DataNode 负责管理用户的文件数据块
  4:文件会按照固定的大小(blocksize)切成若干块后分布式存储在若干台datanode上
  5:每一个文件块可以有多个副本,并存放在不同的datanode上
  6: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
  7:HDFS的内部工作机制对客户端保持透明,客户端请求访问HDFS都是通过向namenode申请来进行

24:资源调度管理YARN的节点介绍:

、ResourceManager节点:
  处理客户端请求,启动和监控ApplicationMaster,监控NodeManager,资源分配和调度。
2、NodeManager:
  单个节点上的资源管理,处理来自ResourceManager的命令,处理来自ApplicationMaster的命令。
3、ApplicationMaster:
  数据切分,为应用程序申请资源,分分配给内部任务,任务监控与容错。
4、Container:
  对任务运行环境的抽象,封装了cpu,内存,等多为资源以及环境变量,启动命令等任务运行相关的信息。

25、离线计算框架,MapReduce:

、将计算过程分为两个阶段,Map阶段和Reduce阶段:
  map阶段并行处理输入数据。
  reduce阶段对map结果进行汇总。
2、Shuffle连接Map和Reduce两个阶段:
  Map Task将数据写到本地磁盘。
  Reduce Task从每个Map Task上读取一份数据。
3、仅仅适合离线批处理:
  具有很好的容错性和扩展性。
  适合简单的批处理任务。
4、缺点明显:启动开销大,过多使用磁盘导致效率低下等等

26、数据损坏(corruption)处理:

、当DataNode读取block的时候,它会计算checksum。
2、如果计算后的checksum,与block创建时值不一样,说明该block已经损坏。
3、Client读取其他DN上的block。
4、NameNode标记该块已经损坏,然后复制block达到预期设计的文件备份数。
5、DataNode在其他文件创建后三周验证其checksum

待续......

上一篇:【java开发】封装与继承


下一篇:多线程+fork 引发的bug查找