Hadoop之HDFS详解

目录

Hadoop之HDFS

第一章、HDFS概述

1.1 HDFS产生背景及定义

1.1.1 HDFS产生背景

  • 随着数据量越来越大,在一个操作系统存不下所有的数据,那么需要把数据分配到更多的操作系统管理的磁盘上,但是不方便管理和维护,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。HDFS只是分布式管理系统中的一种

1.1.2 HDFS定义

  • HDFS它是一个文件系统,用于存储文件,通过目录树来定位文件,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
  • HDFS的使用场景:适合一次写入,多次读出的场景。一个文件经过创建、写入和关闭之后就不需要改变

1.2 HDFS优缺点

1.2.1 HDFS优点

  • 高容错性
    • 数据自动保存多个副本,它通过增加副本的方式,提高容错性
    • 某一个副本丢失以后,它可以自动恢复
  • 适合处理大数据
    • 数据规模:能够处理数据规模达到GB、TB甚至PB级别的数据
    • 文件规模:能够处理百万规模以上的文件数量,数量相当之大
  • 可构建在廉价的机器上,通过多副本机制,提高可靠性

1.2.2 HDFS缺点

  • 不适合低延时数据访问,比如毫秒级的存储数据,是做不到的
  • 无法高效的对大量小文件进行存储
    • 存储大量小文件的话,它会占用NameNode大量的内存来存储文件目录和块信息,这样是不可取的,因为NameNode的内存总是有限的
    • 小文件存储的寻址时间会超过读取时间,它违反了HDFS的设计目标
  • 不支持并发写入、文件随机修改
    • 一个文件只能有一个写,不允许多个线程同时写
    • 仅支持数据append(追加),不支持文件的随机修改

1.3 HDFS组成架构

Hadoop之HDFS详解

  • namenode
    • 就是master,它是一个主管,管理者
    • 管理HDFS的名称空间
    • 配置副本策略
    • 管理数据块(block)映射信息
    • 处理客户端读写请求
  • datanode
    • 就是slave。namenode下达命令,DataNode执行实际的操作
    • 执行数据块的读写操作
  • client
    • 就是客户端
    • 文件切分。文件上传HDFS的时候,client将文件切分成一个个block,然后进行上传
    • 与namenode交互,获取文件的位置信息
    • 与datanode交互,读取或者写入数据
    • client提供一些命令来管理HDFS,比如NameNode格式化
    • client可以通过命令来访问HDFS,比如对HDFS进行增删改查操作
  • SecondaryNameNode
    • 并非NameNode的热备,当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务
    • 辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode
    • 在紧急情况下,可辅助恢复NameNode

1.4 HDFS文件块大小

  • 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和Hadoop3.X版本中是128M,1.X版本中是64M

    • 如果寻址时间为10ms,即查找到目标block的时间为10ms
    • 寻址时间为传输时间的1%时,则为最佳状态。因此传输时间=10ms/0.01=1000ms=1s
    • 目前磁盘(机械硬盘)的传输速率普遍为100MB/s
    #为什么块的大小不能设置太小,也不能设置太大
    #HDFS的块设置太小,会增加寻址时间,程序一直在找块的开始位置
    #HDFS的块设置太大,从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间,导致程序在处理这块数据时,会非常慢
    ##总结:HDFS块的大小设置主要取决于磁盘传输速率
    

第二章、HDFS的shell相关操作

2.1 基本语法

hadoop fs 具体命令
hdfs  dfs 具体命令
#这两种方式是完全相同的,个人习惯使用hadoop fs

2.2 命令大全

[xiaoyao@hadoop102 ~]$ hadoop  fs
Usage: hadoop fs [generic options]
	[-appendToFile <localsrc> ... <dst>]
	[-cat [-ignoreCrc] <src> ...]
	[-checksum <src> ...]
	[-chgrp [-R] GROUP PATH...]
	[-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
	[-chown [-R] [OWNER][:[GROUP]] PATH...]
	[-copyFromLocal [-f] [-p] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
	[-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
	[-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]
	[-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]
	[-createSnapshot <snapshotDir> [<snapshotName>]]
	[-deleteSnapshot <snapshotDir> <snapshotName>]
	[-df [-h] [<path> ...]]
	[-du [-s] [-h] [-v] [-x] <path> ...]
	[-expunge [-immediate]]
	[-find <path> ... <expression> ...]
	[-get [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
	[-getfacl [-R] <path>]
	[-getfattr [-R] {-n name | -d} [-e en] <path>]
	[-getmerge [-nl] [-skip-empty-file] <src> <localdst>]
	[-head <file>]
	[-help [cmd ...]]
	[-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]
	[-mkdir [-p] <path> ...]
	[-moveFromLocal [-f] [-p] [-l] [-d] <localsrc> ... <dst>]
	[-moveToLocal <src> <localdst>]
	[-mv <src> ... <dst>]
	[-put [-f] [-p] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
	[-renameSnapshot <snapshotDir> <oldName> <newName>]
	[-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]
	[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
	[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
	[-setfattr {-n name [-v value] | -x name} <path>]
	[-setrep [-R] [-w] <rep> <path> ...]
	[-stat [format] <path> ...]
	[-tail [-f] [-s <sleep interval>] <file>]
	[-test -[defswrz] <path>]
	[-text [-ignoreCrc] <src> ...]
	[-touch [-a] [-m] [-t TIMESTAMP ] [-c] <path> ...]
	[-touchz <path> ...]
	[-truncate [-w] <length> <path> ...]
	[-usage [cmd ...]]

2.3 常用命令实操

2.3.1 准备工作

#启动hadoop集群
[xiaoyao@hadoop102 ~]$ myhadoop.sh start
#查看命令使用参数
[xiaoyao@hadoop102 ~]$ hadoop  fs  -help rm
-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ... :
  Delete all files that match the specified file pattern. Equivalent to the Unix
  command "rm <src>"
                                                                                 
  -f          If the file does not exist, do not display a diagnostic message or 
              modify the exit status to reflect an error.                        
  -[rR]       Recursively deletes directories.                                   
  -skipTrash  option bypasses trash, if enabled, and immediately deletes <src>.  
  -safely     option requires safety confirmation, if enabled, requires          
              confirmation before deleting large directory with more than        
              <hadoop.shell.delete.limit.num.files> files. Delay is expected when
              walking over large directory recursively to count the number of    
              files to be deleted before the confirmation.
              
#创建/sanguo文件夹
[xiaoyao@hadoop102 ~]$ hadoop  fs  -mkdir  /sanguo

2.3.2 上传

-moveFromLocal:从本地剪切粘贴到HDFS
[xiaoyao@hadoop102 hadoop-3.2.2]$ echo  "shuguo" >>  shuguo.txt
[xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -moveFromLocal shuguo.txt /sanguo
#上传到HDFS后,本地文件就消失了,是剪切操作

-copyFromLocal:从本地文件系统拷贝到HDFS
[xiaoyao@hadoop102 hadoop-3.2.2]$  echo  "weiguo"  >>  weiguo.txt
[xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -copyFromLocal weiguo.txt /sanguo
#上传到HDFS后,本地文件继续存在

-put 等同于-copyFromLocal 生产环境习惯使用-put
[xiaoyao@hadoop102 hadoop-3.2.2]$ echo  "wuguo"  >>  wuguo.txt
[xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs -put  wuguo.txt /sanguo

-appendTOFile:追加一个文件到已经存在的文件末尾
[xiaoyao@hadoop102 hadoop-3.2.2]$ echo  "liubei"  >> liubei.txt
[xiaoyao@hadoop102 hadoop-3.2.2]$ echo  "test"  >> test.txt
[xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -appendToFile liubei.txt /sanguo/shuguo.txt
[xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -appendToFile test.txt /sanguo/shuguo.txt

2.3.3 下载

-copyToLocal:从HDFS拷贝到本地
[xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -copyToLocal /sanguo/shuguo.txt ./
-get 等同于-copyToLocal,生产环境更习惯使用-get

2.3.4 直接操作

  • -ls:显示目录信息
[xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -ls /sanguo
Found 3 items
-rw-r--r--   3 xiaoyao supergroup         19 2021-06-28 00:04 /sanguo/shuguo.txt
-rw-r--r--   3 xiaoyao supergroup          7 2021-06-27 23:58 /sanguo/weiguo.txt
-rw-r--r--   3 xiaoyao supergroup          6 2021-06-28 00:01 /sanguo/wuguo.txt
  • -cat:显示文件内容

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -cat /sanguo/weiguo.txt
    weiguo
    
  • -chgrp、-chmod、-chown、:Linux文件系统中的用法一样,修改文件所属权限

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -chown xiaoyao:xiaoyao  /sanguo/shuguo.txt
    
    
  • -mkdir:创建目录

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -mkdir  /jingguo
    
    
  • -cp:从HDFS的一个路径拷贝到另一个路径

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -cp  /sanguo/shuguo.txt  /jingguo
    
    
  • -mv:在HDFS目录中移动文件

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -mv  /sanguo/weiguo.txt  /jingguo
    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -mv  /sanguo/wuguo.txt  /jingguo
    
    
  • -tail:显示一个文件的末尾1kb的数据

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -tail  /sanguo/shuguo.txt  /jingguo
    
    
  • -rm:删除文件或文件夹

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -rm  -r  /sanguo/shuguo.txt
    
    
  • -rm -r :递归删除目录及目录中的内容

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -rm  -r  /sanguo
    Deleted /sanguo
    
    
  • -du:统计文件夹的大小信息

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -du -s -h /jingguo
    32  96  /jingguo
    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop  fs  -du  -h /jingguo
    19  57  /jingguo/shuguo.txt
    7   21  /jingguo/weiguo.txt
    6   18  /jingguo/wuguo.txt
    
    
  • -setrep:设置HDFS中文件的副本数量

    [xiaoyao@hadoop102 hadoop-3.2.2]$ hadoop fs  -setrep 10  /jingguo/weiguo.txt
    #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的副本,还是看DataNode的数量,因为目前只有三台设备,最多也就三个副本,只有节点数量增加到10台后,副本数才能达到10
    
    

第三章、HDFS的客户端API

3.1 客户端环境准备

  1. 把服务器上的hadoop-3.2.2目录文件夹拷贝到windows系统下的非中文目录下

  2. 配置Hadoop环境变量

  3. 下载到的hadooponwindows-master.zip,解压,将bin目录(包含以下.dll和.exe文件)文件替换原来hadoop目录下的bin目录

  4. 然后双击运行bin目录下的winutils.exe执行程序

    • 如果出现报错,缺少dll文件,百度下载安装微软运行库即可
  5. 在IDEA中创建一个Maven工程HdfsClientDemo,并导入相应的依赖坐标+日志添加

    <dependencies>
           <dependency>
               <groupId>org.apache.hadoop</groupId>
               <artifactId>hadoop-client</artifactId>
               <version>3.2.2</version>
           </dependency>
           <dependency>
               <groupId>junit</groupId>
               <artifactId>junit</artifactId>
               <version>4.12</version>
           </dependency>
           <dependency>
               <groupId>org.slf4j</groupId>
               <artifactId>slf4j-log4j12</artifactId>
               <version>1.7.30</version>
           </dependency>
    </dependencies>
    
    
    • 在项目的src/main/resources目录下,新建一个文件,命名为“log4j.properties”,文件内容

      log4j.rootLogger=INFO, stdout
      log4j.appender.stdout=org.apache.log4j.ConsoleAppender
      log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
      log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
      log4j.appender.logfile=org.apache.log4j.FileAppender
      log4j.appender.logfile.File=target/spring.log
      log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
      log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
      
      
    1. 创建包名:com.xiaoyao.hdfs

    2. 创建HdfsClient类

      #创建文件夹
          public class HdfsClient {
      /**
       * 客户端代码常用套路
       * 1、获取一个客户端对象
       * 2、执行相关的操作命令
       * 3、关闭资源
       *
       */
        private  FileSystem fs;
        @Before
        public void init() throws URISyntaxException, IOException, InterruptedIOException {
            //连接集群的nn地址
            URI uri = new URI("hdfs://hadoop102:8020");
            //创建一个配置文件
            Configuration configuration = new Configuration();
            //用户
            String user = "xiaoyao";
            //获取一个客户端对象
            FileSystem fs = FileSystem.get(uri, configuration, user);
        }
        @After
        public void close() throws IOException {
            //关闭资源
            fs.close();
        }
        @Test
        public  void testmkdir() throws URISyntaxException, IOException, InterruptedIOException {
            //创建一个文件夹
            fs.mkdirs(new Path(patString:"xiyou/huaguoshan"));
      
        }
      
      }
      
      

3.2 HDFS的API案例实操

3.2.1 HDFS文件上传

//上传
@Test
public void testPut() throws IOException {
//参数解读:参数一:表示删除原数据;参数二:是否允许覆盖;参数三:原数据路径;参数四:目的地路径fs.copyFromLocalFile(delSrc: false,overwrite: false,new Path(pathString:"D:\\sunwukong.txt"), new Path(pathString:"/xiyou/huaguoshan"));
  }
/**
 *参数优先级
 * hdfs-default.xml => hdfs-site.xml => 在项目资源目录中的配置文件 => 代码里面的配置
 */

3.2.2 HDFS文件下载

//下载
  @Test
  public void testPut() throws IOException {
      //参数解读:参数一:原文件是否删除;参数二:原文件路径HDFS;参数三:目的地址路径windows
      fs.copyToLocalFile(delSrc: false,new Path(pathString:"/xiyou/huaguoshan"), new Path(pathString:"D:\\sunwukong.txt"));
  }

3.2.3 HDFS文件更名和移动

  //文件的更名和移动
    public void testmv() throws IOException {
      //参数解读:参数1:原文件路径;参数2:目标文件路径
        // 对文件名称的修改
        fs.rename(new Path(pathString:"/wcinput/test.txt"),new Path(pathString:"/wcinput/ss.txt"));
        //文件的移动和更名
        fs.rename(new Path(pathString:"/wcinput/ss.txt"),new Path(pathString:"/cls.txt"));
    }

3.2.4 HDFS删除文件和目录

  //删除
    public void test Rm() throws IOException {
      //参数解读:参数1:要删除的路径;参数2:是否递归删除
        fs.delete(new Path(pathString: "/jdk-8u291-linux-x64.tar.gz"),recursive:false);
    }

3.2.5 HDFS文件详情查看

//获取文件详细信息
    public void fileDetail() throws IOException {
      //获取文件所有信息
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path(pathString:"/"), recursive: true);
        //遍历文件
        while (listFiles.hasNext()) {
            LocatedFileStatus fileStatus = listFiles.next();

            System.out.println("=========" + fileStatus.getPath() + "==========");
            System.out.println(fileStatus.getPermission());
            System.out.println(fileStatus.getOwner());
            System.out.println(fileStatus.getGroup());
            System.out.println(fileStatus.getLen());
            System.out.println(fileStatus.getModificationTime());
            System.out.println(fileStatus.getReplication());
            System.out.println(fileStatus.getBlockSize());
            System.out.println(fileStatus.getPath().getName());
            //获取块信息
            BlockLocation[] blockLocations = fileStatus.getBlockLocations();

            System.out.println(Arrays.toString(blockLocations));

        }
    }

3.2.6 HDFS文件和文件夹判断

   //判断文件和文件夹
    public void testFile() throws IOException {
      FileStatus[] listStatus = fs.listStatus(new Path(pathString: "/"));
      for (FileStatus status : listStatus){
          if (status.isFile()) {
              System.out.println("文件", + status.getPath().getName());
          }else {
              System.out.println("目录",+ status.getPath().getName());
          }

      }

第四章、HDFS的读写流程

4.1 HDFS写数据流程

4.1.1 剖析文件写入

  1. 客户端需要创建一个分布式文件系统
  2. 客户端向NameNode请求上传文件/user/xiaoyao/ss,avi
  3. NameNode检测目录树是否能够创建文件:
    • 检查权限
    • 检查目录结构(目录是否存在)
  4. NameNode响应可以上传文件
  5. 客户端创建流请求上传第一个Block(0-128M),并要求NameNode返回可以上传的DataNode
  6. NameNode需要考虑每个节点是否可用,负载均衡、节点距离最近等多因素,然后返回datanode给客户端
  7. 客户端请求建立Block传输通道
  8. 第一个节点接收到数据后,往磁盘写入一份数据,在内存中保存一份,在内存中保存的数据传到下一个节点上
  9. NameNode返回传输状态给客户端
  10. 客户端传输单位是packet(64位),packet是由(chunk512byte+chunksum4byte)组成

4.1.2 节点距离计算

  • 在HDFS写数据的过程中,NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离如何计算呢?
  • 节点距离:两个节点到达最近的共同祖先的距离总和

4.1.3 机架感知(副本存储节点选择)

  • 第一个副本在client所处的节点上,如果客户端在集群外,随机选一个
  • 第二个副本在另一个机架的随机一个节点
  • 第三个副本在第二个副本所在机架的随机节点

4.2 HDFS读数据流程

  1. 客户端需要创建一个分布式文件系统对象,请求下载文件/usr/xiaoyao/ss.avi
  2. namenode返回目标文件的元数据
  3. 客户端创建流,请求读数据的块数据,会根据节点距离最近和负载能力
  4. datanode传输数据

第五章、NN和2NN

5.1 NameNode的元数据如何存储

  • 首先我们做个假设,如果存储在NameNode节点的磁盘上,因为经常需要进行随机访问,还有响应客户请求,必然效率过低,因此,元数据需要存储在内存上,但如果只存在内存上,一旦断电,元数据丢失,整个集群就无法工作了,因此产生在磁盘上中备份元数据的FsImage。
  • 这样又会带来新的问题,当在内存中的元数据更新时,如果同时更新FsImage,就会导致效率过低,但如果不更新,就会发生一致性问题,一旦NameNode节点断电,就会产生数据丢失,因此,引入Edits文件(只进行追加操作,效率很高)。每当元数据更新或者添加元数据时,修改内存中的元数据并追加到Edits中,这样,一旦NameNode节点断电,可以通过FsImage和Edits的合并,合成元数据。
  • 但是如果长时间添加数据到Edits中,就会导致文件数据过大,效率降低,而且一旦断电,恢复元数据需要的时间过长,因此需要定期合并FsImage和Edits,如果这个操作都由NameNode节点完成,又会导致效率过低。因此引入了一个新的节点2NN,专门用于FsImage和Edits的合并

5.2 NameNode的工作机制

5.2.1 NameNode启动

  • 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
  • 客户端对元数据进行增删改的请求
  • NameNode记录操作日志,更新滚动日志
  • NameNode在内存中对数据进行增删改操作

5.2.2 2NN工作

  • 2NN询问NameNode是否需要CheckPoint,直接带回NameNode是否需要检查结果
  • 2NN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2NN
  • 2NN加载编辑日志和镜像文件到内存并合并
  • 生产新的镜像文件fsimage.chkpoint
  • 拷贝fsimage.chkpoint到NameNode
  • NameNode将fsimage.chkpoint重命名为fsimage

5.3 Fsimage和Edits解析

  • NameNode被格式化后,将在/opt/module/hadoop-3.2.2/data/dfs/name/current目录中产生如下文件

    -rw-rw-r--. 1 xiaoyao xiaoyao    1006 6月  30 22:22 fsimage_0000000000000000000
    -rw-rw-r--. 1 xiaoyao xiaoyao      62 6月  30 22:22 fsimage_0000000000000000000.md5
    -rw-rw-r--. 1 xiaoyao xiaoyao       4 6月  30 22:22 seen_txid
    -rw-rw-r--. 1 xiaoyao xiaoyao     218 6月  27 03:54 VERSION
    #fsimage文件:HDFS文件系统元数据的一个永久性的检查点,其中包含HDFS文件系统的所有目录和文件inode的系列化信息
    #Edits文件:存放HDFS文件系统的所有更新操作的路径,文件系统客户端执行的所有写操作首先会被记录到Edits文件中
    #seen_txid文件:保存的是一个数字,就是最后一个edits_的数字
    #每次NameNode启动的时候都会将fsimage文件读入内存,加载edits里面的更新操作,保证内存中的元数据信息是最新的、同步的,可以看成NameNode启动的时候就将Fsimage和edits文件进行了合并
    
    
  • oiv查看fsimage文件

    #查看oiv和oev命令;其中oiv查看镜像文件,oev查看编辑日志
    #基本语法
    hdfs oiv -p 文件类型 -i 镜像文件 -o 转换后文件输出路径
    [xiaoyao@hadoop102 current]$ cd  /opt/module/hadoop-3.2.2/data/dfs/name/current/
    [xiaoyao@hadoop102 current]$ hdfs  oiv -p XML  -i  fsimage_0000000000000000189 -o  /opt/src/fsimage.xml
    [xiaoyao@hadoop102 src]$ cat  /opt/src/fsimage.xml 
    
    
  • oev查看edits文件

    #基本语法
    hdfs  oev  -p  文件类型  -i 编辑日志文件  -o  转换后文件输出路径
    [xiaoyao@hadoop102 current]$ cd  /opt/module/hadoop-3.2.2/data/dfs/name/current/
    [xiaoyao@hadoop102 current]$ hdfs  oiv -p XML  -i  edits_inprogress_0000000000000000192 -o  /opt/src/edits.xml
    [xiaoyao@hadoop102 src]$ cat  /opt/src/edits.xml
    
    

5.4 CheckPoint时间设置

  • 通常情况下,2NN每隔一小时执行一次
  • edits的数据达到一百万次

第六章、Datanode的工作机制

6.1 DataNode的工作机制

  • 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,注册通过后,周期性(6小时)向NameNode汇报所有的块信息
  • 心跳是3s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
  • 集群运行中可以加入和退出一些机器

6.2 数据完整性

  • 下面是DataNode节点保证数据完整性的方法
    1. 当DataNode读取block的时候,他会计算checksum
    2. 如果计算后的checksum,与block创建时不一样,说明block已经损坏
    3. client读取其他datanode上的block
    4. 常见的校验算法crc(32)、md5(128)、shal(160)
    5. DataNode在其文件创建后周期验证checksum
    6. 在Hadoop底层采用的是crc32这种校验方式

6.3 掉线时限参数设置

  • DataNode进程死亡或者网络故障造成DataNode无法与NameNode通信
  • NameNode不会立刻把该节点判定为死亡,要经过一段时间,这段时间暂称作超时时长
  • HDFS默认的超时时长为10分钟+30秒

总结

需要掌握的内容

  1. 文件块大小和什么有关
  2. HDFS的shell操作
  3. HDFS的读写流程
上一篇:HDFS读数据流程


下一篇:第四次