HDFS体系结构及常见功能

本文主要是介绍HDFS的体系结构和常用操作，涉及到的知识点如下：

1. HDFS的体系结构
2. 数据上传
3. 数据下载

HDFS的体系结构

Hadoop的生态圈，包括HDFS、Yarn、HBase都是主从结构。对于HDFS来说，它的主节点是NameNode，从节点是DataNode，还有一个更新最新状态的SecondaryNameNode，下面我们对这几个结点做详细的解释。

1. NameNode：名称节点

   （1）职责：

   • 管理、维护HDFS；
   • 接收客户端的请求：上传、下载、创建目录等；
   • 维护两个非常重要的文件：edits文件 –> 记录了操作日志；fsimage文件 –> 记录HDFS元信息

   （2）HDFS操作日志：edits文件

   位置：find . -name edits* (在当前目录下查找以edits打头的文件)

   ​ 最新的操作日志以edits_inprogress***开头

   记录：Edits文件保存了自最后一次检查点之后所有针对HDFS文件系统的操作，比如：增加文件、重命名文件、删除目录等等

   都是二进制

   HDFS提供了一个工具：edits viewer 日志查看器，可以将操作日志转化为XML格式来查看。命令如下：

   hdfs oev 命令将日志（二进制）输出为XML文件 -i表示输入，-o表示输出
   hdfs oev -i edits_inprogress_0000000000000000208 -o ~/a.xml

   （3）HDFS的元信息：fsimage文件

   位置：和edits文件在一起

   记录：fsimage是HDFS文件系统存于硬盘中的元数据检查点，里面记录了自最后一次检查点之前HDFS文件系统中所有目录和文件的序列化信息（数据块的位置、冗余信息）

   也是二进制

   HDFS提供了一个工具：image viewer查看器，可以将操作日志转化为文本或者XML格式来查看

   hdfs oiv 命令将日志（二进制）输出为文本文件 -i表示输入，-o表示输出
   hdfs oiv -i fsimage_0000000000000000207 -o ~/b.txt （文本）
   hdfs oiv -i fsimage_0000000000000000207 -o ~/c.xml -p XML(xml文件)

2. DataNode：数据结点

   数据块大小：

   • 1.x版本 64M
   • 2.x笨笨 128M

   位置：find . -name blk*(blk是block的简写)

   一般原则：数据块的冗余度一般跟数据结点个数一致，最大不要超过3。在生产环境下，至少2个数据结点

   blk_*表示数据块

   blk_*.meta表示数据块的元信息

3. SecondaryNameNode：第二名称结点

   作用：把edits中最新的状态信息合并到fsimage文件中，即日志合并。合并原理图如下。

   

   NameNode和SecondaryNameNode在一起的原因是为了效率问题，因为两者在一起，SecondaryNameNode在合并最新的edits到fsimage中时，只需要执行cp操作即可；在合并后，把最新的fsimage上传回NameNode下的fsimage

   什么时候合并？当HDFS发出检查点（checkpoint）的时候。默认会在两种情况下发出检查点：

   ​ （1）每隔60分钟。可通过修改参数，改变时间

   ​ （2）当edits文件达到64M。可通过修改参数，改变阈值

   补充：Oracle数据库中也有检查点，如果发生检查点，会以最高优先级唤醒数据库写进程（DBWn）把内存中的脏数据写到数据文件上（持久化）

   注意：NameNode和SecondaryNameNode名字看起来差不多，但是两者并没有什么关系

4. HDFS存在的问题：

   （1）NameNode单点故障，即一旦出现问题整个系统就瘫痪

   ​ 解决方案：Hadoop1.0中，没有解决方案。

   ​ Hadoop2.0中，使用Zooker实现Name的HA（高可用性，后面会讲到）功能。

   （2）NameNode压力过大，且内存受限，影响系统扩展

   ​ 解决方案：Hadoop1.0中，没有解决方案

   ​ Hadoop2.0中，使用NameNode的联盟实现其水平扩展

HDFS上传

先来一张HDFS文件上传的流程图：

看完