本文深入探讨Hadoop分布式文件系统(HDFS)的架构与工作原理，包括计算机集群结构、冗余数据保存策略、数据读写流程及错误恢复机制，强调HDFS在大数据存储领域的优势与局限。
文章目录
分布式文件系统
计算机集群结构
分布式文件系统把文件分布存储到多个计算机节点上，多个节点构成计算机集群。目前分布式文件系统采用的计算机集群都是由普通硬件构成，极大的降低了硬件的开销。
分布式文件系统的结构
在物理上由计算机集群中的多个节点构成，节点分为两类，一类是“主节点”，也成为名称结点，一类是“从节点”，称为数据结点
HDFS简介
HDFS主要要实现以下目标：
-
兼容廉价的硬件设备
-
流数据读写
-
大数据集
-
简单的文件模型
-
强大的跨平台性
缺陷：
- 不适合低延迟数据访问
- 无法高效存储小文件
- 不支持多用户写入及任意修改文件
HDFS相关概念
块
默认一个块64M，一个文件被分为多个块，以块做为存储单位，块的大小远远的大于普通文件系统，可以最小化寻址开销
好处：
-
支持大规模文件存储
-
简化系统设计
-
适合数据备份
名称结点和数据结点
NameNode DataNode 存储元数据 存储文件内容 元数据存储在内存中 文件存储在磁盘 保存block和datanode之间的映射关系 维护了block id到datanode本地文件的映射关系 名称结点的数据结构
名称结点负责管理分布式文件系统的命名空间，保存了两个核心的数据结构，FsImage和EditLog
-
FsImage
用于维护文件系统树以及树中文件和文件夹的元数据
-
EditLog 操作日志文件，里面记录了针对于文件的创建，删除，重命名等操作。
-
名称结点记录了每个文件中各个块所在数据结点的位置信息
FsImage文件
FsImage文件包括文件系统中所有目录和文件的inode的序列化形式。每个inode是一个文件或者目录的元数据的内部表示，并包含此类信息：文件的复制等级，修改和访问时间，访问权限，块大小以及组成文件的块。
FsImage文件中没有存储文件包含哪些块，和每个块存储在那个数据结点。而是由名称结点把这些映射信息保存在内存中，当数据结点加入HDFS集群时，数据结点会把自己包含的块列表告知给名称系欸但，此后会定期执行这些告知操作，以确保名称结点的块映射是最新的。
名称结点的启动
在启动名称结点启动的时候，他将FsImage文件中的内容加载到内存中，之后在执行EditLog文件中的各项操作，使内存中的呀u三年护具和实际的同步，存在内存中的元数据支持客户端的读操作。
一旦内存中成功建立文件系统元数据的映射，则创建一个新的FsImage文件和一个空的EditLog文件。
名称结点起来之后。HDFS中更新操作会写在EdItLog中，因为FsImage文件一般都很大，如果所有的更新操作都往FsImage中添加，这样会导致系统运行的十分缓慢，但是，如果往EditLog文件里面写就不会这样，因为EditLog要小很多。每次执行写操作之后，且在向客户端发送成功代码之前，edits文件都需要同步更新。
名称结点玉兴期间EditLog不断变大的问题
在名称结点运行期间，HDFS的所有更新操作都直接写入Editlog中，时间长了，EditLog也会变得很大，虽然在名称结点运行时没有什么影响，但是当名称结点重启的时候，名称结点需要将FsImage里面所有内容影响到内存，然后在一条一条执行EditLog中的操作，当EditLog很大时，会导致名称结点启动十分慢。
解决：
SecondaryNameNode第二名称结点。
第二名称结点，他是用来保存名称结点中对HDFS元数据信息的备份，并减少名称结点重启的时间。第二名称结点一般单独运行在一台机器上。
第二名称结点的工作情况：
- SecondaryNameNode会定期和NameNode通信，请求其停止使用EditLog文件，暂时将新的写操作写到一个新的文件edit.new上，这个操作是瞬间完成的，山城写日志的函数完全感觉不到差别
- SecondaryNameNode通过HTTPGET方式从NameNode上获取FsImage和EditLog文件，并下载到本地的相应目录下，
- SecondaryNameNode将下载的FsImage载入内存，然后一条一条的执行EditLog中的各项更新操作，使得内存中的FsImage保持最新。这个过程就是EditLog和FsImage合并
- SecondaryNameNode执行完3后会通过post方式将新的FsImage发送到NameNode上
- NameNode将从SecondaryNameNode接受到的新的FsImage替换旧的FsImge文件，同时将edit.new替换EditLog文件，通过这个方式就解决了EditLog不断变大问题
数据结点
数据结点时分布式文件系统HDFS的工作借idan，负责数据的存储和读取，会根据客户端或者名称系欸但的调度来进行数据的存储和检索，并且向名称结点定期发送自己所存储块的列表
-
HDFS体系结构
HDFS采用了主从结构模型，一个HDFS集群包括一个名称结点但和若干个数据结点。名称系欸但负责管理文件系统的命名空间以及客户端对文件的访问。集群中的数据系欸但那一般时一个接待你运行一个数据结点，负责处理文件系统客户端的读写请求，在名称节点的统一调度下进行数据块的创建、删除和复制等操作。
通信协议
•HDFS是一个部署在集群上的分布式文件系统，因此，很多数据需要通过网络进行传输
•所有的HDFS通信协议都是构建在TCP/IP协议基础之上的
•客户端通过一个可配置的端口向名称节点主动发起TCP连接，并使用客户端协议与名称节点进行交互
•名称节点和数据节点之间则使用数据节点协议进行交互
•客户端与数据节点的交互是通过RPC（Remote Procedure Call）来实现的。在设计上，名称节点不会主动发起RPC，而是响应来自客户端和数据节点的RPC请求
客户端
•客户端是用户操作HDFS最常用的方式，HDFS在部署时都提供了客户端
•HDFS客户端是一个库，暴露了HDFS文件系统接口，这些接口隐藏了HDFS实现中的大部分复杂性
•严格来说，客户端并不算是HDFS的一部分
•客户端可以支持打开、读取、写入等常见的操作，并且提供了类似Shell的命令行方式来访问HDFS中的数据
•此外，HDFS也提供了Java API，作为应用程序访问文件系统的客户端编程接口
HDFS存储原理
冗余数据保存
为了保证系统的容错性和可用性，HDFS采用了多副本方式对数据进行冗余存储，通常一个数据块的多个副本会被分布到不同的数据节点上。
副本方式具有以下几个优点：
（1）加快数据传输速度
（2）容易检查数据错误
（3）保证数据可靠性
数据存取策略
数据存放
•第一个副本：放置在上传文件的数据节点；如果是集群外提交，则随机挑选一台磁盘不太满、CPU不太忙的节点
•第二个副本：放置在与第一个副本不同的机架的节点上
•第三个副本：与第一个副本相同机架的其他节点上
•更多副本：随机节点
2. 数据读取
•HDFS提供了一个API可以确定一个数据节点所属的机架ID，客户端也可以调用API获取自己所属的机架ID
•当客户端读取数据时，从名称节点获得数据块不同副本的存放位置列表，列表中包含了副本所在的数据节点，可以调用API来确定客户端和这些数据节点所属的机架ID，当发现某个数据块副本对应的机架ID和客户端对应的机架ID相同时，就优先选择该副本读取数据，如果没有发现，就随机选择一个副本读取数据
数据错误和恢复
HDFS具有较高的容错性，可以兼容廉价的硬件，它把硬件出错看作一种常态，而不是异常，并设计了相应的机制检测数据错误和进行自动恢复，主要包括以下几种情形：名称节点出错、数据节点出错和数据出错。
1. 名称节点出错
名称节点保存了所有的元数据信息，其中，最核心的两大数据结构是FsImage和Editlog，如果这两个文件发生损坏，那么整个HDFS实例将失效。因此，HDFS设置了备份机制，把这些核心文件同步复制到备份服务器SecondaryNameNode上。当名称节点出错时，就可以根据备份服务器SecondaryNameNode中的FsImage和Editlog数据进行恢复。
2. 数据节点出错
•每个数据节点会定期向名称节点发送“心跳”信息，向名称节点报告自己的状态
•当数据节点发生故障，或者网络发生断网时，名称节点就无法收到来自一些数据节点的心跳信息，这时，这些数据节点就会被标记为“宕机”，节点上面的所有数据都会被标记为“不可读”，名称节点不会再给它们发送任何I/O请求
•这时，有可能出现一种情形，即由于一些数据节点的不可用，会导致一些数据块的副本数量小于冗余因子
•名称节点会定期检查这种情况，一旦发现某个数据块的副本数量小于冗余因子，就会启动数据冗余复制，为它生成新的副本
•HDFS和其它分布式文件系统的最大区别就是可以调整冗余数据的位置
3. 数据出错
•网络传输和磁盘错误等因素，都会造成数据错误
•客户端在读取到数据后，会采用md5和sha1对数据块进行校验，以确定读取到正确的数据
•在文件被创建时，客户端就会对每一个文件块进行信息摘录，并把这些信息写入到同一个路径的隐藏文件里面
•当客户端读取文件的时候，会先读取该信息文件，然后，利用该信息文件对每个读取的数据块进行校验，如果校验出错，客户端就会请求到另外一个数据节点读取该文件块，并且向名称节点报告这个文件块有错误，名称节点会定期检查并且重新复制这个块
HDFS读写过程
读
import java.io.BufferedReader;
import java.io.InputStreamReader;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.FSDataInputStream;
public class Chapter3 {
public static void main(String[] args) {
try {
Configuration conf = new Configuration();
conf.set("fs.defaultFS","hdfs://localhost:9000");
conf.set("fs.hdfs.impl","org.apache.hadoop.hdfs.DistributedFileSystem");
FileSystem fs = FileSystem.get(conf);
Path file = new Path("test");
FSDataInputStream getIt = fs.open(file);
BufferedReader d = new BufferedReader(new InputStreamReader(getIt));
String content = d.readLine(); //读取文件一行
System.out.println(content);
d.close(); //关闭文件
fs.close(); //关闭hdfs
} catch (Exception e) {
e.printStackTrace();
}
}
}
}
写
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.Path;
public class Chapter3 {
public static void main(String[] args) {
try {
Configuration conf = new Configuration();
conf.set("fs.defaultFS","hdfs://localhost:9000");
conf.set("fs.hdfs.impl","org.apache.hadoop.hdfs.DistributedFileSystem");
FileSystem fs = FileSystem.get(conf);
byte[] buff = "Hello world".getBytes(); // 要写入的内容
String filename = "test"; //要写入的文件名
FSDataOutputStream os = fs.create(new Path(filename));
os.write(buff,0,buff.length);
System.out.println("Create:"+ filename);
os.close();
fs.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
•FileSystem是一个通用文件系统的抽象基类，可以被分布式文件系统继承，所有可能使用Hadoop文件系统的代码，都要使用这个类
•Hadoop为FileSystem这个抽象类提供了多种具体实现
•DistributedFileSystem就是FileSystem在HDFS文件系统中的具体实现
•FileSystem的open()方法返回的是一个输入流FSDataInputStream对象，在HDFS文件系统中，具体的输入流就是DFSInputStream；FileSystem中的create()方法返回的是一个输出流FSDataOutputStream对象，在HDFS文件系统中，具体的输出流就是DFSOutputStream。
扫一扫
1183
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
