HDFS 系列整理（全）

最新推荐文章于 2023-03-16 15:49:09 发布
原创 最新推荐文章于 2023-03-16 15:49:09 发布 · 2.4k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章目录

1. HDFS 概念

1.1 概念

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的设计适合一次写入，多次读出的场景，且不支持文件的修改，适合用来做数据分析，并不适合用来做网盘应用

1.2 组成

HDFS 集群包括，NameNode 和 DataNode 以及 Secondary Namenode

  1. NameNode 负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息
  2. DataNode 负责管理用户的文件数据块，每一个数据块都可以在多个 Datanode 上存储多个副本
  3. Secondary NameNode 用来监控 HDFS 状态的辅助后台程序，每隔一段时间获取 HDFS 元数据的快照

1.3 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 版本中是 128M，老版本中是 64M

HDFS 的块比磁盘的块大，其目的是为了最小化寻址开销

如果块设置得足够大，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

因而，传输一个由多个块组成的文件的时间取决于磁盘传输速率

如果寻址时间约为 10ms，而传输速率为 100MB/s，为了使寻址时间仅占传输时间的 1%，我们要将块大小设置约为100MB

块的大小：10ms100100M/s = 100M

2. HFDS命令行操作

2.1 基本语法

bin/hadoop fs 具体命令

2.2 参数大全

bin/hadoop fs

[-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] <localsrc> ... <dst>]
[-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-count [-q] <path> ...]
[-cp [-f] [-p] <src> ... <dst>]
[-createSnapshot <snapshotDir> [<snapshotName>]]
[-deleteSnapshot <snapshotDir> <snapshotName>]
[-df [-h] [<path> ...]]
[-du [-s] [-h] <path> ...]
[-expunge]
[-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-getfacl [-R] <path>]
[-getmerge [-nl] <src> <localdst>]
[-help [cmd ...]]
[-ls [-d] [-h] [-R] [<path> ...]]
[-mkdir [-p] <path> ...]
[-moveFromLocal <localsrc> ... <dst>]
[-moveToLocal <src> <localdst>]
[-mv <src> ... <dst>]
[-put [-f] [-p] <localsrc> ... <dst>]
[-renameSnapshot <snapshotDir> <oldName> <newName>]
[-rm [-f] [-r|-R] [-skipTrash] <src> ...]
[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
[-setrep [-R] [-w] <rep> <path> ...]
[-stat [format] <path> ...]
[-tail [-f] <file>]
[-test -[defsz] <path>]
[-text [-ignoreCrc] <src> ...]
[-touchz <path> ...]
[-usage [cmd ...]]

2.3 常用命令实操

2.3.1 -help：输出这个命令参数

bin/hdfs dfs -help rm

2.3.2 -ls: 显示目录信息

hadoop fs -ls /

2.3.3 -mkdir: 在hdfs上创建目录

hadoop fs -mkdir -p /aaa/bbb/cc/dd

2.3.4 -moveFromLocal: 从本地剪切粘贴到hdfs

hadoop fs - moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd

2.3.5 -moveToLocal: 从hdfs剪切粘贴到本地

hadoop fs - moveToLocal /aaa/bbb/cc/dd /home/hadoop/a.txt

2.3.6 --appendToFile: 追加一个文件到已经存在的文件末尾

hadoop fs -appendToFile ./hello.txt /hello.txt

2.3.7 -cat: 显示文件内容

2.3.8 -tail: 显示一个文件的末尾

hadoop fs  -tail  /weblog/access_log.1

2.3.9 -text：以字符形式打印一个文件的内容

hadoop  fs  -text  /weblog/access_log.1

2.3.10 -chgrp 、-chmod、-chown: linux文件系统中的用法一样，修改文件所属权限

hadoop  fs  -chmod  666  /hello.txt
hadoop  fs  -chown  someuser:somegrp   /hello.txt

2.3.11 -copyFromLocal：从本地文件系统中拷贝文件到hdfs路径去

hadoop  fs  -copyFromLocal  ./jdk.tar.gz  /aaa/

2.3.12 -copyToLocal: 从hdfs拷贝到本地

hadoop fs -copyToLocal /aaa/jdk.tar.gz

2.3.13 -cp: 从hdfs的一个路径拷贝到hdfs的另一个路径

hadoop  fs  -cp  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

2.3.14 -mv: 在hdfs目录中移动文件

hadoop  fs  -mv  /aaa/jdk.tar.gz  /

2.3.15 -get: 等同于copyToLocal，就是从hdfs下载文件到本地

hadoop fs -get  /aaa/jdk.tar.gz

2.3.16 -getmerge: 合并下载多个文件，比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,…

hadoop fs -getmerge /aaa/log.* ./log.sum

2.3.17 -put: 等同于copyFromLocal

hadoop  fs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

2.3.18 -rm: 删除文件或文件夹

hadoop fs -rm -r /aaa/bbb/

2.3.19 -rmdir: 删除空目录

hadoop fs -rmdir /aaa/bbb/ccc

2.3.20 -df: 统计文件系统的可用空间信息

hadoop  fs  -df  -h  /

2.3.21 -du: 统计文件夹的大小信息

hadoop  fs  -du  -s  -h /aaa/*

2.3.22 -count: 统计一个指定目录下的文件节点数量

hadoop fs -count /aaa/

2.3.23 -setrep: 设置hdfs中文件的副本数量

hadoop fs -setrep 3 /aaa/jdk.tar.gz

image

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副本，还得看 Datanode 的数量

因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10

3. HDFS 数据流

3.1 HDFS 写数据流程

3.1.1 剖析文件写入

  1. Client 向 NameNode 通信请求上传文件，NameNode 检查目标文件是否已经存在，父目录是否已经存在

  2. NameNode 返回是否可以上传

  3. Client 先对文件进行切分，请求第一个 block 该传输到哪些 DataNode 服务器上

  4. NameNode 返回3个 DataNode 服务器 DataNode 1，DataNode 2，DataNode 3

  5. Client 请求3台中的一台 DataNode 1(网络拓扑上的就近原则，如果都一样，则随机挑选一台DataNode)上传数据（本质上是一个RPC调用，建立pipeline），DataNode 1 收到请求会继续调用 DataNode 2，然后 DataNode 2 调用 DataNode 3，将整个 pipeline 建立完成，然后逐级返回客户端

  6. Client 开始往 DataNode 1 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。写入的时候 DataNode 会进行数据校验，它并不是通过一个 packet 进行一次校验而是以 chunk 为单位进行校验（512byte）。DataNode 1 收到一个 packet 就会传给 DataNode 2，DataNode 2 传给 DataNode 3，DataNode 1 每传一个 packet 会放入一个应答队列等待应答

  7. 当一个 block 传输完成之后，Client 再次请求 NameNode 上传第二个block的服务器

3.1.2 网络拓扑概念

在本地网络中，两个节点被称为“彼此近邻”是什么意思？

在海量数据处理中，其主要限制因素是节点之间数据的传输速率——带宽很稀缺

这里的想法是将两个节点间的带宽作为距离的衡量标准

节点距离：两个节点到达最近的共同祖先的距离总和

例如，假设有 数据中心d1 机架r1 中的节点 n1，该节点可以表示为/d1/r1/n1，利用这种标记，这里给出四种距离描述：

Distance(/d1/r1/n1, /d1/r1/n1)=0（同一节点上的进程）
Distance(/d1/r1/n1, /d1/r1/n2)=2（同一机架上的不同节点）
Distance(/d1/r1/n1, /d1/r3/n2)=4（同一数据中心不同机架上的节点）
Distance(/d1/r1/n1, /d2/r4/n2)=6（不同数据中心的节点）

image

3.1.3 机架感知（副本节点选择）

官方介绍：

http://hadoop.apache.org/docs/r2.7.3/hadoop-project-dist/hadoop-common/RackAwareness.html
http://hadoop.apache.org/docs/r2.7.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication
3.1.3.1 低版 本Hadoop 副本节点选择

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

第二个副本和第一个副本位于不相同机架的随机节点上

第三个副本和第二个副本位于相同机架，节点随机

image

3.1.3.2 Hadoop 2.9.2 副本节点选择

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。

第二个副本和第一个副本位于相同机架，随机节点

第三个副本位于不同机架，随机节点

image

3.2 HDFS 读数据流程

  1. 与 NameNode 通信查询元数据，找到文件块所在的 DataNode 服务器

  2. 挑选一台 DataNode（网络拓扑上的就近原则，如果都一样，则随机挑选一台 DataNode）服务器，请求建立 socket 流

  3. DataNode 开始发送数据(从磁盘里面读取数据放入流， packet（一个 packet 为64kb）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

image

4. NameNode 工作机制

4.1 NameNode、Fsimage 、Edits 和 SecondaryNameNode 概述

NameNode：在内存中储存 HDFS 文件的元数据信息（目录）

如果节点故障或断电，存在内存中的数据会丢失，显然只在内存中保存是不可靠的

实际在磁盘当中也有保存：Fsimage 和 Edits，一个 NameNode 节点在重启后会根据这磁盘上的这两个文件来恢复到之前的状态

Fsimage（镜像文件） 和 Edits（编辑日志）：记录内存中的元数据

如果每次对 HDFS 的操作都实时的把内存中的元数据信息往磁盘上传输，这样显然效率不够高，也不稳定

这时就出现了 Edits 文件，用来记录每次对 HDFS 的操作，这样在磁盘上每次就只用做很小改动（只进行追加操作）

当 Edits 文件达到了一定大小或过了一定的时间，就需要把 Edits 文件转化 Fsimage 文件，然后清空 Edits

这样的 Fsimage 文件不会和内存中的元数据实时同步，需要加上 Edits 文件才相等

SecondaryNameNode：负责 Edits 转化成 Fsimage

SecondaryNameNode 不是 NameNode 的备份

SecondaryNameNode 会定时定量的把集群中的 Edits 文件转化为 Fsimage 文件，来保证 NameNode 中数据的可靠性

4.2 NameNode & Secondary NameNode 工作机制

image

4.2.1 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，追加滚动日志

  4. Namenode 在内存中对数据进行增删改查

4.2.2 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

4.2.3 web 端访问 SecondaryNameNode

  1. 启动集群

  2. 浏览器中输入：http://slave1:50090/status.html

  3. 查看 SecondaryNameNode 信息

4.2.4 chkpoint检查时间参数设置

[hdfs-default.xml]

  1. 通常情况下，SecondaryNameNode 每隔一小时执行一次
<property>
    <name>dfs.namenode.checkpoint.period</name>
    <value>3600</value>
</property>
  1. 一分钟检查一次操作次数，当操作次数达到一百万时，SecondaryNameNode执行一次。
<property>
    <name>dfs.namenode.checkpoint.txns</name>
    <value>1000000</value>
    <description>操作动作次数</description>
</property>
<property>
    <name>dfs.namenode.checkpoint.check.period</name>
    <value>60</value>
    <description> 1分钟检查一次操作次数</description>
</property>

4.3 镜像文件和编辑日志文件

4.3.1 概念

Namenode 被格式化之后，将在 /usr/local/hadoop/tmp/dfs/name/current 目录中产生如下文件：

image

edits_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION

  1. 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 idnode 的序列化信息

  2. 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

  3. seen_txid 文件：保存的是一个数字，就是最后一个 edits_ 的数字

  4. 每次 Namenode 启动的时候都会将 fsimage 文件读入内存，并从 00001 开始到 seen_txid 中记录的数字依次执行每个 edit s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

4.3.2 oiv 查看 fsimage 文件

  1. 查看 oiv 和 oev 命令
[root@master current]$ hdfs
oiv	apply the offline fsimage viewer to an fsimage
oev	apply the offline edits viewer to an edits file
  1. 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

  1. 案例实操
[root@master current]# pwd
/usr/local/hadoop/tmp/dfs/name/current

[root@master current]# hdfs oiv -p XML -i fsimage_0000000000000002141 -o /usr/hadoop/fsimage.xml
20/03/04 20:44:45 INFO offlineImageViewer.FSImageHandler: Loading 5 strings

[root@master current]# cat /usr/hadoop/fsimage.xml

将显示的 xml 文件内容格式化 查看 （可看到 Hdfs 上各个文件目录信息）

4.3.3 oev 查看 edits 文件

  1. 基本语法

hdfs oev -p 文件类型 -i 编辑日志 -o 转换后文件输出路径

  1. 案例实操
[root@master current]# hdfs oev -p XML -i edits_0000000000000002491-0000000000000002492 -o /usr/hadoop/edits.xml
[root@master current]# cat /usr/hadoop/edits.xml

将显示的 xml 文件内容格式化 查看

4.4 滚动编辑日志

正常情况 HDFS 文件系统有更新操作时，就会滚动编辑日志，也可以用命令强制滚动编辑日志

  1. 滚动编辑日志（前提必须启动集群）
[root@master current]# hdfs dfsadmin -rollEdits
Successfully rolled edit logs.
New segment starts at txid 2507
  1. 镜像文件什么时候产生

Namenode 启动时加载镜像文件和编辑日志

image

4.5 Namenode 版本号

4.5.1 查看 Namenode 版本号

在 /usr/local/hadoop/tmp/dfs/name/current 这个目录下查看 VERSION

[root@master current]# cat VERSION 
#Wed Mar 04 17:53:02 CST 2020
namespaceID=866472014
clusterID=CID-f383d6c4-da30-47c7-beb6-02c589c47f27
cTime=1582684942545
storageType=NAME_NODE
blockpoolID=BP-116957957-192.168.27.101-1582684942545
layoutVersion=-63

4.5.2 Namenode 版本号具体解释

  1. NamespaceID 在 HDFS 上，会有多个 Namenode，所以不同 Namenode 的 namespaceID 是不同的，分别管理一组 blockpoolID

  2. clusterID 集群id，全局唯一

  3. cTime 属性标记了 Namenode 存储系统的创建时间，对于刚刚格式化的存储系统，这个属性为0；但是在文件系统升级之后，该值会更新到新的时间戳

  4. storageType 属性说明该存储目录包含的是 Namenode 的数据结构

  5. blockpoolID：一个 blockpoolid 标识一个 block pool，并且是跨集群的全局唯一。当一个新的 Namespace 被创建的时候(format过程的一部分)会创建并持久化一个唯一ID。在创建过程构建全局唯一的 BlockPoolID 比人为的配置更可靠一些。NN 将 BlockPoolID 持久化到磁盘中，在后续的启动过程中，会再次load并使用

  6. layoutVersion 是一个负整数，通常只有 HDFS 增加新特性时才会更新这个版本号

4.6 SecondaryNameNode 目录结构

Secondary NameNode 用来监控 HDFS 状态的辅助后台程序，每隔一段时间获取 HDFS 元数据的快照

在 slave2 机器上的 /usr/local/hadoop/tmp/dfs/namesecondary/current 这个目录中查看 SecondaryNameNode 目录结构

[root@slave1 current]# pwd
/usr/local/hadoop/tmp/dfs/namesecondary/current
[root@slave1 current]# ll
total 1060
-rw-r--r--. 1 root root 1048576 Mar  4 23:05 edits_0000000000000002749-0000000000000002749
-rw-r--r--. 1 root root      42 Mar  4 23:05 edits_0000000000000002750-0000000000000002751
-rw-r--r--. 1 root root      42 Mar  5 15:21 edits_0000000000000002781-0000000000000002782
-rw-r--r--. 1 root root    4115 Mar  5 15:21 fsimage_0000000000000002780
-rw-r--r--. 1 root root      62 Mar  5 15:21 fsimage_0000000000000002780.md5
-rw-r--r--. 1 root root    4115 Mar  5 15:21 fsimage_0000000000000002782
-rw-r--r--. 1 root root      62 Mar  5 15:21 fsimage_0000000000000002782.md5
-rw-r--r--. 1 root root     217 Mar  5 15:21 VERSION

SecondaryNameNode 的 namesecondary/current 目录和主 Namenode 的 current 目录的布局相同

好处：在主 Namenode 发生故障时（假设没有及时备份数据），可以从 SecondaryNameNode 恢复数据

4.6.1 Namenode 故障恢复方法一

将 SecondaryNameNode 中数据拷贝到 Namenode 存储数据的目录

案例实操：模拟 Namenode 故障，并采用方法一，恢复 Namenode 数据

  1. kill -9 namenode 进程 (-9 表示无条件终止)

  2. 删除 Namenode 存储的数据 （/usr/local/hadoop/tmp/dfs/name）

    rm -rf /usr/local/hadoop/tmp/dfs/name/*

    打开 http://master:50070/ 无法访问

  3. 拷贝 SecondaryNameNode 中数据到原 Namenode 存储数据目录

    [root@slave1 dfs]# scp -r /usr/local/hadoop/tmp/dfs/namesecondary/* master:/usr/local/hadoop/tmp/dfs/name/
edits_0000000000000002749-0000000000000002749                100% 1024KB   1.0MB/s   00:00    
edits_0000000000000002750-0000000000000002751                100%   42     0.0KB/s   00:00    
VERSION                                                      100%  217     0.2KB/s   00:00    
fsimage_0000000000000002780.md5                              100%   62     0.1KB/s   00:00    
fsimage_0000000000000002780                                  100% 4115     4.0KB/s   00:00    
edits_0000000000000002781-0000000000000002782                100%   42     0.0KB/s   00:00    
fsimage_0000000000000002782.md5                              100%   62     0.1KB/s   00:00    
fsimage_0000000000000002782                                  100% 4115     4.0KB/s   00:00    
in_use.lock

  4. 重新启动 Namenode

    sbin/hadoop-daemon.sh start namenode

    打开 http://master:50070/ 可以访问，并可操作 Hdfs

4.6.2 Namenode 故障恢复方法二

使用 -importCheckpoint 选项启动 Namenode 守护进程，从而将 SecondaryNameNode 用作新的主 Namenode

案例实操：模拟 Namenode 故障，并采用方法二，恢复 Namenode 数据

  1. 修改 hdfs-site.xml 中的

    <property>
    <name>dfs.namenode.checkpoint.period</name>
    <value>120</value>
</property>

  2. kill -9 namenode进程

  3. 删除 Namenode 存储的数据（/usr/local/hadoop/tmp/dfs/name）

    rm -rf /usr/local/hadoop/tmp/dfs/name/*

    打开 http://master:50070/ 无法访问

  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

    [root@master dfs]# pwd
/usr/local/hadoop/tmp/dfs
[root@master dfs]# ls
name  namesecondary

  5. 导入检查点数据（等待一会 ctrl+c 结束掉）

    bin/hdfs namenode -importCheckpoint

  6. 启动 Namenode

    sbin/hadoop-daemon.sh start namenode

  7. 如果提示文件锁了，可以删除 in_use.lock

    rm -rf /usr/local/hadoop/tmp/dfs/namesecondary/in_use.lock

4.7 集群安全模式操作

4.7.1 概述

Namenode 启动时，首先将映像文件（fsimage）载入内存，并执行编辑日志（edits）中的各项操作

一旦在内存中成功建立文件系统元数据的映像，则创建一个新的 fsimage 文件和一个空的编辑日志，此时 Namenode 开始监听 Datanode 请求

但是此刻，Namenode 运行在安全模式，即 Namenode 的文件系统对于客户端来说是只读的

系统中的数据块的位置并不是由 Namenode 维护的，而是以块列表的形式存储在 Datanode 中

在系统的正常操作期间，Namenode 会在内存中保留所有块位置的映射信息

在安全模式下，各个 Datanode 会向 Namenode 发送最新的块列表信息，Namenode 了解到足够多的块位置信息之后，即可高效运行文件系统

如果满足“最小副本条件”，Namenode 会在30秒钟之后就退出安全模式

所谓的最小副本条件指的是在整个文件系统中99.9%的块满足最小副本级别（默认值：dfs.replication.min=1）

在启动一个刚刚格式化的 HDFS 集群时，因为系统中还没有任何块，所以 Namenode 不会进入安全模式

4.7.2 基本语法

集群处于安全模式，不能执行重要操作（写操作），集群启动完成后，自动退出安全模式。

  1. bin/hdfs dfsadmin -safemode get （功能描述：查看安全模式状态）
  2. bin/hdfs dfsadmin -safemode enter （功能描述：进入安全模式状态）
  3. bin/hdfs dfsadmin -safemode leave （功能描述：离开安全模式状态）
  4. bin/hdfs dfsadmin -safemode wait （功能描述：等待安全模式状态）

4.7.3 案例

模拟等待安全模式

  1. 先进入安全模式

    bin/hdfs dfsadmin -safemode enter

    安全模式下只可查看 Hdfs 文件，无法新增、删除

  2. 执行下面的脚本

    编辑一个脚本

    #!/bin/bash
bin/hdfs dfsadmin -safemode wait
bin/hdfs dfs -put ~/hello.txt /root/hello.txt

  3. 再打开一个窗口，执行

    bin/hdfs dfsadmin -safemode leave

4.8 Namenode 多目录配置

Namenode 的本地目录可以配置成多个，且每个目录存放内容相同，增加了可靠性

具体配置如下：

[hdfs-site.xml]

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

5. DataNode 工作机制

5.1 DataNode工作机制

image

  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

5.2 数据完整性

  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

5.3 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 不会立即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

如果定义超时时间为timeout，则超时时长的计算公式为：

timeout = 2 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval。

而默认的 dfs.namenode.heartbeat.recheck-interval 大小为5分钟，dfs.heartbeat.interval默认为3秒

需要注意的是 hdfs-site.xml 配置文件中的 heartbeat.recheck.interval 的单位为毫秒，dfs.heartbeat.interval 的单位为秒

<property>
    <name>dfs.namenode.heartbeat.recheck-interval</name>
    <value>300000</value>
</property>
<property>
    <name> dfs.heartbeat.interval </name>
    <value>3</value>
</property>

5.4 DataNode 的目录结构

和 Namenode 不同的是，Datanode 的存储目录是初始阶段自动创建的，不需要额外格式化

5.4.1 查看 DataNode 的版本号

在 /usr/local/hadoop/tmp/dfs/data/current 这个目录下查看版本号

[root@slave1 current]# cat VERSION 
#Fri Mar 06 16:58:36 CST 2020
storageID=DS-7908c807-e3ec-4b85-952a-922ba8d3a24f
clusterID=CID-f383d6c4-da30-47c7-beb6-02c589c47f27
cTime=0
datanodeUuid=f230ca32-5797-4949-b996-95bf66a25a0d
storageType=DATA_NODE
layoutVersion=-57

5.4.2 DataNode 版本号具体解释

  1. storageID：存储id号

  2. clusterID：集群id，全局唯一

  3. cTime：标记了 Datanode 存储系统的创建时间，对于刚刚格式化的存储系统，这个属性为0；但是在文件系统升级之后，该值会更新到新的时间戳

  4. datanodeUuid：Datanode 的唯一识别码

  5. storageType：存储类型

  6. layoutVersion: 是一个负整数，通常只有HDFS增加新特性时才会更新这个版本号

5.4.3 DataNode 数据块版本号

在 /usr/local/hadoop/tmp/dfs/data/current/BP-116957957-192.168.27.101-1582684942545/current 这个目录下查看该数据块的版本号

[root@slave1 current]# pwd
/usr/local/hadoop/tmp/dfs/data/current/BP-116957957-192.168.27.101-1582684942545/current
[root@slave1 current]# cat VERSION 
#Fri Mar 06 16:58:36 CST 2020
namespaceID=866472014
cTime=1582684942545
blockpoolID=BP-116957957-192.168.27.101-1582684942545
layoutVersion=-57

5.4.4 DataNode 数据块版本号的具体解释

  1. namespaceID：是 Datanode 首次访问 Namenode 的时候从 Namenode 处获取的 storageID； 对每个 Datanode 来说是唯一的（但对于单个 Datanode 中所有存储目录来说则是相同的），Namenode 可用这个属性来区分不同 Datanode

  2. cTime：标记了 Datanode 存储系统的创建时间，对于刚刚格式化的存储系统，这个属性为0；但是在文件系统升级之后，该值会更新到新的时间戳

  3. blockpoolID：一个 block pool id 标识一个block pool，并且是跨集群的全局唯一；当一个新的 Namespace 被创建的时候(format过程的一部分)会创建并持久化一个唯一ID；在创建过程构建全局唯一的 lockPoolID 比人为的配置更可靠一些。Namenode 将 BlockPoolID 持久化到磁盘中，在后续的启动过程中，会再次 load 并使用

  4. layoutVersion：一个负整数，通常只有 HDFS 增加新特性时才会更新这个版本号

5.5 服役新数据节点

5.5.1 需求

随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点

5.5.2 环境准备

  1. 克隆一台虚拟机（master -> slave3），并启动

    从 master 上克隆可节省文件同步的时间，否则需要重新安装、配置 JDK、Hadoop

  2. 修改 ip 地址为 192.168.27.104

  3. 修改 ip 映射（/etc/hosts），并在 master、slave1、slave2 上同步修改

    在 master、slave1、slave2 基础上新增 192.168.27.104 slave3

    192.168.27.101 master
192.168.27.102 slave1
192.168.27.103 slave2
192.168.27.104 slave3

  4. 修改主机名

    hostnamectl set-hostname slave3

  5. 建立 master、slave1、slave2 和 slave3 之间的免密

    删除 slave3 下的 .ssh，重新生成公钥进行

最低0.47元/天 解锁文章

200万优质内容无限畅学
32道HDFS高频题整理(附答案背诵版)
Angela_L的博客
05-27 932
HDFS，即Hadoop Distributed File System，是Hadoop分布式文件系统。它是一个专门为了存储大量数据而设计的文件系统，能够在廉价的商用硬件上提供高吞吐量的数据访问，非常适合那些有大量数据集的应用程序。HDFS的设计目标是处理大文件，它支持的文件尺寸范围很广，可以从几百MB到几十TB。存储大规模数据：HDFS能够存储非常大的文件，适用于处理大规模数据集，比如网络日志、卫星图像数据等。高容错性：HDFS通过将数据分成多个块并在多个服务器之间进行复制来提供高度的容错性。
【面试宝典】32道HDFS高频题库整理(附答案背诵版)
tyler的博客
07-23 5825
HDFS，即Hadoop Distributed File System，是Hadoop分布式文件系统。它是一个专门为了存储大量数据而设计的文件系统，能够在廉价的商用硬件上提供高吞吐量的数据访问，非常适合那些有大量数据集的应用程序。HDFS的设计目标是处理大文件，它支持的文件尺寸范围很广，可以从几百MB到几十TB。存储大规模数据：HDFS能够存储非常大的文件，适用于处理大规模数据集，比如网络日志、卫星图像数据等。高容错性：HDFS通过将数据分成多个块并在多个服务器之间进行复制来提供高度的容错性。
HDFS
mztt的博客
12-25 270
HDFS:Hadoop Distributed File System 分布式文件系统，为海量数据存储&amp;amp;amp;amp;amp;计算服务，HDFS 将将要存储的大文件进行分割，分割到既定的存储块(Block)中进行了存储，并通过本地设定的任务节点进行预处理，从而解决对大文件存储与计算的需求。 文件系统的名字空间 HDFS支持传统的层次型文件组织结构。用户或者应用程序可以创建目录，然后将文件保存在这些目录里。文件系...
HDFS的安装配置及工作流程
jhchengxuyuan的博客
08-29 3433
HDFS 2.2.1 Hadoop相关概念 Hadoop是一个由Apache基金会所开发的分布式系统基础架构，用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。 Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。HDFS具有高容错性的特点，并且设计用来部署在低廉的硬件上，而且它提供高吞吐...
HDFS—集群迁移
zhongmingyu
03-16 265
HDFS—集群迁移。
hadoop相关概念回顾
weixin_44133605的博客
02-24 1463
文章目录前言一、Zookeeper1.特点2.leader选举机制二、HDFS1.组成与职责2.HDFS读流程和写流程3.HDFS元数据管理三、MapReduce与Yarn1.MapReduce思想2.MapReduce过程3.Yarn集群组成和功能3.MapReduce在Yarn集群中的调度流程四、高可用与hadoop集群方案1.高可用相关概念2.HDFS的高可用实现JMQ3.Yarn的高可用实现总结 前言 大数据特点：5V 体量大：volume 采集、储存、计算量大 数据种类多：variety 结.
hdfs资料整理
03-20
《HDFS资料整理》 Hadoop Distributed File System（HDFS）是Apache Hadoop项目的核心组件之一，它是一种分布式文件系统，旨在处理并存储大规模数据。HDFS的设计目标是为了在普通硬件上实现高容错性和高可扩展性，...
HDFS资料整理.pdf
09-07
6. 如果出现某个DataNode写入失败的情况，会进行一系列操作，包括关闭管道、清除未完成的block、移除失败的DataNode并把packet继续写入剩余的DataNode，同时NameNode会标记副本数减少，并稍后在其他DataNode上创建...
大数据hadoop伪分布式安装配置
岚猫的博客
08-12 586
修改配置：         (1)*-evn.sh：3个模块的环境变量文件             hadoop-env.sh 修改自己jdk位置 yarn-env.sh(23行) mapred-env.sh              (2)按模块配置 我要修改这几个配置文件        common模块：  core-site.xml  &lt;!--...
HDFS配置文件hdfs-site
05-31
HDFS测试环境配置文件，稳定运行无异常，分享给大家学习参考用；
Hadoop 2.2.0 在centos6.2 64位下的安装--分布式模式
weixin_30666943的博客
06-18 140
首先，要有Linux 64位的安装包，这个要自己编译，编译方法参见我的这篇帖子：http://www.cnblogs.com/conbein/p/3793166.html ，如果实在不想编译，留言发给你 具体安装过程可参考：http://blog.youkuaiyun.com/gobitan/article/details/13503717 集群情况： IP ...
5_HDFS常用操作指令及管理命令（权限、节点上下线、balancer、disk balancer）
nothair的博客
03-01 945
2020/12/16 sunhaiqi@bonc.com.cn 文章目录HDFS常用操作指令及管理命令（权限、节点上下线、balancer、disk balancer）一、HDFS权限1.1、HDFS权限简介1.2、HDFS基本权限管理1.2.1、初始目录权限1.2.2、修改默认权限配置umask1.3、HDFSACL权限管理1.3.1、开启HDFS ACL1.3.2、HDFS ACLshell命令1.3.3、HDFS ACL权限实体类别1.3.4、HDFS ACL权限生效的算法规则二、节点上下线2.1、黑
HDFS,数据块,NameNode&DataNode概念及一些原理
我们始终是路人
10-29 5153
分布式文件系统 ?管理网络中跨多台计算机存储的文件系统称为分布式文件系统(distributed fileSystem)HDFS ?HDFS 即 Hadoop Distributed FileSystem(Hadoop分布式文件系统)超大文件:上百M,GB,T的文件 流式数据访问:一次写入,多次读取是最高效的访问模式 不适合需要低时间延迟的数据访问:HDFS为高数据吞吐量应用优化,可能会以时间为代价
一文弄懂HDFS基本原理和架构
Haiwi-Song
06-09 2799
文章目录概述HDFS架构(Hadoop1.x)ClientNameNode（Master）DataNode（Slave）Secondary NameNodeHDFS 副本存放策略NameNode工作原理SecondNameNode与NameNode交互DataNode与NameNode交互![在这里插入图片描述](https://img-blog.csdnimg.cn/20190609163327...
HDFS集群搭建
weixin_43391550的博客
05-21 421
节点介绍开始搭建 HDFS 系统基础环境变量配置第 1 步：解压 Hadoop 安装包第 2 步：配置 Hadoop 的 Java 运行环境第 3 步：在 Linux 中配置 Hadoop 环境变量设置 SSH 免密码登录配置 HDFS配置 NameNode 节点格式化 NameNode 以及启动 HDFS 系统 节点介绍 首先，准备 5 台虚拟机，其中 1 台虚拟机作为NameNode，4 台虚拟机作为DataNode，分别为： IP Hosts（主机名） 192.168.56.101 ma
MongoDB 3.4 高可用集群搭建（三）深入副本集内部机制
weixin_34111790的博客
02-10 353
在上一篇文章《MongoDB 3.4 高可用集群搭建（二）replica set 副本集》 介绍了副本集的配置，这篇文章深入研究一下副本集的内部机制。还是带着副本集的问题来看吧！  副本集故障转移，主节点是如何选举的？能否手动干涉下架某一台主节点。 官方说副本集数量最好是奇数，为什么？ mongodb副本集是如何同步的？如果同步不及时会出现什么情况？会不会出现不一致性？ mongodb...
HDFS架构
Jaserok的博客
10-15 745
HDFS架构设计: 主从 NN 主名称节点 SNN 第二名称节点 --》NN DN 从 数据节点 NN: 文件系统的命名空间 a.文件名称 b.文件目录结构 c.文件属性(创建时间 权限 副本数) d.文件对应哪些数据块—》数据块对应分布到哪些datanode节点上blockmap,namenode节点不会持久化存储这种映射关系，集群在启动时和运行时，datanode定期发送bloc...
HDFS 章节测验头歌
最新发布
03-19
以下是基于上述参考资料整理的一些可能涉及的HDFS相关测验题目： 1. **单选题**: 下列哪项描述不符合 DataNode 的职责？ A) 数据块存储 B) 定期向 NameNode 发送心跳信号 C) 创建根目录结构 D) 实现数据副本...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值