Hadoop NameNode元数据相关文件目录解析

在第一次部署好Hadoop集群的时候，我们需要在NameNode（NN）节点上格式化磁盘：

1	[wyp@wyp hadoop-2.2.0]$  $HADOOP_HOME/bin/hdfs namenode -format

　　格式化完成之后，将会在$dfs.namenode.name.dir/current目录下如下的文件结构

1

current/

2	|-- VERSION

3	|-- edits_*

4	|-- fsimage_0000000000008547077

5	|-- fsimage_0000000000008547077.md5

6	`-- seen_txid

其中的dfs.namenode.name.dir是在hdfs-site.xml文件中配置的，默认值如下：

01	<property>

02	<name>dfs.namenode.name.dir</name>

03	<value>file://${hadoop.tmp.dir}/dfs/name</value>

04	</property>

05

06	hadoop.tmp.dir是在core-site.xml中配置的，默认值如下

07	<property>

08	<name>hadoop.tmp.dir</name>

09	<value>/tmp/hadoop-${user.name}</value>

10	<description>A base for other temporary directories.</description>

11	</property>

　　dfs.namenode.name.dir属性可以配置多个目录，如/data1/dfs/name,/data2/dfs/name,/data3/dfs/name,....。各个目录存储的文件结构和内容都完全一样，相当于备份，这样做的好处是当其中一个目录损坏了，也不会影响到Hadoop的元数据，特别是当其中一个目录是NFS（网络文件系统Network File System，NFS）之上，即使你这台机器损坏了，元数据也得到保存。
　　下面对$dfs.namenode.name.dir/current/目录下的文件进行解释。
　　1、VERSION文件是Java属性文件，内容大致如下：

1	#Fri Nov 15 19:47:46 CST 2013

2	namespaceID=934548976

3	clusterID=CID-cdff7d73-93cd-4783-9399-0a22e6dce196

4

cTime=0

5	storageType=NAME_NODE

6	blockpoolID=BP-893790215-192.168.24.72-1383809616115

7	layoutVersion=-47

其中
　　（1）、namespaceID是文件系统的唯一标识符，在文件系统首次格式化之后生成的；
　　（2）、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）；
　　（3）、cTime表示NameNode存储时间的创建时间，由于我的NameNode没有更新过，所以这里的记录值为0，以后对NameNode升级之后，cTime将会记录更新时间戳；
　　（4）、layoutVersion表示HDFS永久性数据结构的版本信息， 只要数据结构变更，版本号也要递减，此时的HDFS也需要升级，否则磁盘仍旧是使用旧版本的数据结构，这会导致新版本的NameNode无法使用；
　　（5）、clusterID是系统生成或手动指定的集群ID，在-clusterid选项中可以使用它；如下说明

a、使用如下命令格式化一个Namenode：

1	$ $HADOOP_HOME/bin/hdfs namenode -format [-clusterId <cluster_id>]

选择一个唯一的cluster_id，并且这个cluster_id不能与环境中其他集群有冲突。如果没有提供cluster_id，则会自动生成一个唯一的ClusterID。

b、使用如下命令格式化其他Namenode：

1	$ $HADOOP_HOME/bin/hdfs namenode -format -clusterId <cluster_id>

c、升级集群至最新版本。在升级过程中需要提供一个ClusterID，例如：

1	$ $HADOOP_PREFIX_HOME/bin/hdfs start namenode       \

2	--config $HADOOP_CONF_DIR  -upgrade -clusterId <cluster_ID>

如果没有提供ClusterID，则会自动生成一个ClusterID。

　　（6）、blockpoolID：是针对每一个Namespace所对应的blockpool的ID，上面的这个BP-893790215-192.168.24.72-1383809616115就是在我的ns1的namespace下的存储块池的ID，这个ID包括了其对应的NameNode节点的ip地址。
　　
　　2、$dfs.namenode.name.dir/current/seen_txid非常重要，是存放transactionId的文件，format之后是0，它代表的是namenode里面的edits_*文件的尾数，namenode重启的时候，会按照seen_txid的数字，循序从头跑edits_0000001~到seen_txid的数字。所以当你的hdfs发生异常重启的时候，一定要比对seen_txid内的数字是不是你edits最后的尾数，不然会发生建置namenode时metaData的资料有缺少，导致误删Datanode上多余Block的资讯。

　　3、$dfs.namenode.name.dir/current目录下在format的同时也会生成fsimage和edits文件，及其对应的md5校验文件。fsimage和edits是Hadoop元数据相关的重要文件，我打算在下一篇文章中fsimage和edits存储的内容和他们之间的关系进行说明，请关注本博客。