HDFS主要知识汇总

HDFS

HDFS是一个分布式文件系统，适合一次写入多次读出的场景。

HDFS的优缺点

优点

• 高容错性：数据自动保存多个副本，默认是3，且在某个副本丢失后可以自动恢复
• 适合处理大数据：数据规模大，文件规模多
• 可以构建在廉价机器上，通过多副本机制，提高可靠性。

缺点

• 不适合低延时数据访问，比如毫秒级别的存储数据，是做不到的。
• 无法高效的对对大量小文件进行处理，所以可以采用特定的文件格式处理小文件
  • 因为大量的小文件会占用大量的NameNode空间来存放元数据
  • 小文件的存储和寻址时间会超过读取时间，违反了HDFS的设计目标。
• 不支持并发写入，文件随即修改
  • 一个文件只能有一个写。
  • 仅支持append，不支持文件的随即修改 。

HDFS 组成架构

NN：

• 管理HDFS的名称空间
• 配置副本策略
• 管理数据块映射信息
• 处理客户端读写请求

DN：

• 存储实际的数据块
• 执行数据块的读写操作

Client：

• 文件切分。文件上传刀HDFS的时候，Client将文件切成一个一个的Block，然后进行上传。
• 与NN交互，获取文件的位置信息。
• 与DN交互，读取或写入数据
• Client提供一些命令来管理HDFS，比如NN格式化
• 对HDFS进行增删改查

SNN：

• 辅助NN，分担其任务量，比如定期合并Fsimage和Edit并推送给NN
• 在紧急情况下，辅助NN恢复数据

HDFS文件块大小

• HDFS在物理上是分块存储,快的大小可以通过dfs.blockSize更改。
• 默认Hadoop2.X每块大小是128M，1.X是64MB，单机是32M。
• 寻址时间大约为传输时间的1%最好，我们默认寻址时间是10ms,传输速率是100MB/s，因此默认块大小是128mb。
• 块太小会影响到寻址时间。
• 块太大会影响到处理时间，让处理时间变慢。

HDFS的Shell操作

• -ls: 显示目录信息
• -mkdir：在HDFS上创建目录
• -moveFromLocal：从本地剪切粘贴到HDFS
• -appendToFile：追加一个文件到已经存在的文件末尾
• -cat：显示文件内容
• -chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限
• -copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去
• -copyToLocal：从HDFS拷贝到本地
• -cp ：从HDFS的一个路径拷贝到HDFS的另一个路径
• -mv：在HDFS目录中移动文件
• -get：等同于copyToLocal，就是从HDFS下载文件到本地
• -getmerge：合并下载多个文件，比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,…
• -put：等同于copyFromLocal
• -tail：显示一个文件的末尾
• -rm：删除文件或文件夹
• -rmdir：删除空目录
• -du：统计文件夹的大小信息
• -setrep：设置HDFS中文件的副本数量

通过Java操作Hadoop

public class HdfsClient{	
@Test
public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
		
		// 1 获取文件系统
		Configuration configuration = new Configuration();
		// 配置在集群上运行
		// configuration.set("fs.defaultFS", "hdfs://hadoop102:9000");
		// FileSystem fs = FileSystem.get(configuration);

		FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
		
		// 2 创建目录
		fs.mkdirs(new Path("/1108/daxian/banzhang"));
		
		// 3 关闭资源
		fs.close();
	}
}

客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=win10，win10为用户名称。

HDFS的数据流

HDFS的写操作：

• 1）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。
• 2）NameNode返回是否可以上传。
• 3）客户端请求第一个 Block上传到哪几个DataNode服务器上。
• 4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。
• 5）客户端通过FSDataOutputStream模块请求dn1上传数据，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。
• 6）dn1、dn2、dn3逐级应答客户端。
• 7）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（默认64KB）会放入一个应答队列等待应答。
• 8）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的读操作

• 1）客户端通过Distributed FileSystem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。
• 2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
• 3）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）。
• 4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。

网络拓扑-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。

• 同一节点上的进程：distance=0
• 同一机架上的不同节点：distance = 2
• 同一数据中心里的不同机架：distance = 4
• 不同数据中心：distance=6

副本节点选择

• 第一个副本在Client所在的节点上
• 第二个副本在相同机架上其他节点
• 第三个位于不同机架随即节点

NameNode和SecondaryNameNode

NN和2NN工作机制

• NN元数据存储在内存中，但是为了防止断电丢失数据，因此需要落盘。
• 产生在磁盘中备份元数据的FsImage。
• 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，如果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)。每当元数据有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。
• 一旦NameNode节点断电，可以通过FsImage和Edits的合并，合成元数据。
• 因为如果合并的任务交给NN去处理，会导致NN的工作负荷过大，因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并。

1. 第一阶段：NameNode启动
（1）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。
（2）客户端对元数据进行增删改的请求。
（3）NameNode记录操作日志，更新滚动日志。
（4）NameNode在内存中对数据进行增删改。
2. 第二阶段：Secondary NameNode工作
（1）Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。
（2）Secondary NameNode请求执行CheckPoint。
（3）NameNode滚动正在写的Edits日志。
（4）将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。
（5）Secondary NameNode加载编辑日志和镜像文件到内存，并合并。
（6）生成新的镜像文件fsimage.chkpoint。
（7）拷贝fsimage.chkpoint到NameNode。
（8）NameNode将fsimage.chkpoint重新命名成fsimage。

NN和2NN工作机制详解：

• Fsimage：NameNode内存中元数据序列化后形成的文件。

• Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据）。
  NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。然后，NameNode会在内存中执行元数据的增删改的操作。

• 由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。

• SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了）。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。

Fsimage和Edits解析

• Fsimage文件：HDFS文件系统元数据的一个永久检查点，其中包含HDFS文件系统的所有目录和文件inode的序列化信息。
• Edits文件：存在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Fsimage中的内容到内存中，保证内存中的元数据是最新的，可以理解成NN启动时自动整合了FSimage和edits。

oiv查看Fsimage文件

• hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

oev查看Edits文件

• hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

CheckPoint时间设置

• 通常情况下，SecondaryNameNode每隔一小时执行一次。
• 一分钟检查一次操作次数，3当操作次数达到1百万时，SecondaryNameNode执行一次。

NameNode故障处理

• 方法一：将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；
  • 1.kill -9 NameNode进程
  • 2.删除NameNode存储的数据（/opt/module/hadoop-2.7.2/data/tmp/dfs/name）
  • 3.拷贝SecondaryNameNode中数据到原NameNode存储数据目录
  • 4.重新启动NameNode
• 方法二：使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。
  • 1.修改hdfs-site.xml中的"dfs.namenode.checkpoint.period"
  • 2.kill -9 NameNode进程
  • 3.删除NameNode存储的数据（/opt/module/hadoop-2.7.2/data/tmp/dfs/name）
  • 4.如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件
  • 5.导入检查点数据（等待一会ctrl+c结束掉）
  • 6.启动NameNode

集群安全模式

• NameNode刚启动时候，因为要整和Fsimage和edits，因此会进入一段只读阶段。
• DataNode在安全阶段想NameNode发送存储在当前节点上数据的映射。
• 只有当最小副本数达到99%30秒后，就会退出安全模式。

NameNode多目录配置

• 在hdfs-site.xml文件中增加如下内容

<property>
    <name>dfs.namenode.name.dir</name>
<value>file:///${hadoop.tmp.dir}/dfs/name1,file:///${hadoop.tmp.dir}/dfs/name2</value>
</property>

DataNode

DataNode工作机制

• 1）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.
• 2）DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息。
• 3）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。
• 4）集群运行中可以安全加入和退出一些机器。

数据完整性

DataNode节点保证数据完整性的方法：

• 1）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Block已经损坏。
• 3）Client读取其他DataNode上的Block。
• 4）DataNode在其文件创建后周期验证CheckSum，如图3-16所示。
  

服役新数据节点

在原有集群基础上动态添加新的数据节点：

• 直接启动DataNode，即可关联到集群
• 如果数据不均衡，可以用命令实现集群的再平衡

atguigu@hadoop102 sbin]$ ./start-balancer.sh
starting balancer, logging to /opt/module/hadoop-2.7.2/logs/hadoop-atguigu-balancer-hadoop102.out
Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved

退役旧数据节点

添加白名单

• 1.在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts文件
• 2.添加主机名称
• 3.在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性
• 4.配置文件分发，刷新NameNode
• 5.更新ResourceManager节点
• 6.如果数据不均衡，可以用命令实现集群的再平衡

黑名单退役

• 1.在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件
• 2.添加要退役的节点主机名称
• 3.在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性
• 4.刷新NameNode、刷新ResourceManager
• 5.如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役，如图3-18所示
• 6.如果数据不均衡，可以用命令实现集群的再平衡

HDFS 2.X新特性

集群间数据拷贝

1．scp实现两个远程主机之间的文件复制

	scp -r hello.txt root@hadoop103:/user/atguigu/hello.txt		// 推 push
	scp -r root@hadoop103:/user/atguigu/hello.txt  hello.txt		// 拉 pull
	scp -r root@hadoop103:/user/atguigu/hello.txt root@hadoop104:/user/  
	//是通过本地主机中转实现两个远程主机的文件复制；如果在两个远程主机之间ssh没有配置的情况下可以使用该方式。

2．采用distcp命令实现两个Hadoop集群之间的递归数据复制

[atguigu@hadoop102 hadoop-2.7.2]$  bin/hadoop distcp
hdfs://haoop102:9000/user/atguigu/hello.txt hdfs://hadoop103:9000/user/atguigu/hello.txt

小文件存档

• 每个文件按块存储，本省并不会影响磁盘占有量，但是因为每个小文件都需要在NN中存储元数据，这样会大量占用NN的内存，因此效率十分低下。
• HDFS存档文件或HAR文件可以解决这个问题，他将文件存入HDFS块，在减少NN内存使用的同时，允许对文件进行透明的访问，也就是说对内是一个一个小文件，对HDFS来讲是一个整体文件，可以理解成压缩包那种存储感觉，减少了NN的内存使用。

归档方法：

• 归档文件

bin/hadoop archive -archiveName input.har –p /user/atguigu/input /user/atguigu/output

• 查看归档

hadoop fs -lsr /user/atguigu/output/input.har
hadoop fs -lsr har:///user/atguigu/output/input.har

• 解归档文件

hadoop fs -cp har:/// user/atguigu/output/input.har/* /user/atguigu

回收站

• 可以通过设置参数开启
  

快照

• 快照相当于对目录进行一个备份，并不会复制所有文件，而是记录文件变化。
  

HDFS HA高可用

HA概述

• 1）所谓HA（High Available），即高可用（7*24小时不中断服务）。
• 2）实现高可用最关键的策略是消除单点故障。HA严格来说应该分成各个组件的HA机制：HDFS的HA和YARN的HA。
• 3）Hadoop2.0之前，在HDFS集群中NameNode存在单点故障（SPOF）。
• 4）NameNode主要在以下两个方面影响HDFS集群
  • NameNode机器发生意外，如宕机，集群将无法使用，直到管理员重启
  • NameNode机器需要升级，包括软件、硬件升级，此时集群也将无法使用
• HDFS HA功能通过配置Active/Standby两个NameNodes实现在集群中对NameNode的热备来解决上述问题。如果出现故障，如机器崩溃或机器需要升级维护，这时可通过此种方式将NameNode很快的切换到另外一台机器。

故障转移机制

• 1）故障检测：集群中的每个NameNode在ZooKeeper中维护了一个持久会话，如果机器崩溃，ZooKeeper中的会话将终止，ZooKeeper通知另一个NameNode需要触发故障转移。
• 2）现役NameNode选择：ZooKeeper提供了一个简单的机制用于唯一的选择一个节点为active状态。如果目前现役NameNode崩溃，另一个节点可能从ZooKeeper获得特殊的排外锁以表明它应该成为现役NameNode。
  ZKFC是自动故障转移中的另一个新组件，是ZooKeeper的客户端，也监视和管理NameNode的状态。每个运行NameNode的主机也运行了一个ZKFC进程，ZKFC负责：
  • 1）健康监测：ZKFC使用一个健康检查命令定期地ping与之在相同主机的NameNode，只要该NameNode及时地回复健康状态，ZKFC认为该节点是健康的。如果该节点崩溃，冻结或进入不健康状态，健康监测器标识该节点为非健康的。
  • 2）ZooKeeper会话管理：当本地NameNode是健康的，ZKFC保持一个在ZooKeeper中打开的会话。如果本地NameNode处于active状态，ZKFC也保持一个特殊的znode锁，该锁使用了ZooKeeper对短暂节点的支持，如果会话终止，锁节点将自动删除。
  • 3）基于ZooKeeper的选择：如果本地NameNode是健康的，且ZKFC发现没有其它的节点当前持有znode锁，它将为自己获取该锁。如果成功，则它已经赢得了选择，并负责运行故障转移进程以使它的本地NameNode为Active。故障转移进程与前面描述的手动故障转移相似，首先如果必要保护之前的现役NameNode，然后本地NameNode转换为Active状态。

HDFS Federation架构设计

NameNode架构的局限性：

• （1）Namespace（命名空间）的限制：由于NameNode在内存中存储所有的元数据（metadata），因此单个NameNode所能存储的对象（文件+块）数目受到NameNode所在JVM的heap size的限制。50G的heap能够存储20亿（200million）个对象，这20亿个对象支持4000个DataNode，12PB的存储（假设文件平均大小为40MB）。随着数据的飞速增长，存储的需求也随之增长。单个DataNode从4T增长到36T，集群的尺寸增长到8000个DataNode。存储的需求从12PB增长到大于100PB。
• （2）隔离问题：由于HDFS仅有一个NameNode，无法隔离各个程序，因此HDFS上的一个实验程序就很有可能影响整个HDFS上运行的程序。
• （3）性能的瓶颈：由于是单个NameNode的HDFS架构，因此整个HDFS文件系统的吞吐量受限于单个NameNode的吞吐量。