HDFS简述及其三种运行模式

Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统。它和现有的分布式文件系统有很多共同点。但同时，它和其他的分布式文件系统的区别也是很明显的。HDFS是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。HDFS放宽了一部分POSIX约束，来实现流式读取文件系统数据的目的。HDFS在最开始是作为Apache Nutch搜索引擎项目的基础架构而开发的。HDFS是Apache Hadoop Core项目的一部分。

总的来说，dfs(Hadoop Distributed File System)实质是分布式文件系统，作为Apache Nutch的基础架构具有高容错性的特点适用于大规模数据集。

简单概述Hadoop三种运行模式

Hadoop有下列三种运行模式:

• 单机模式
• 伪分布式模式
• 完全分布式模式

单机模式

• 默认模式。
• 不对配置文件进行修改。
• 使用本地文件系统，而不是分布式文件系统。
• Hadoop不会启动NameNode、DataNode、JobTracker、TaskTracker等守护进程，Map()和Reduce()任务作为同一个进程的不同部分来执行的。
• 用于对MapReduce程序的逻辑进行调试，确保程序的正确。

伪分布式模式

• 在一台物理主机上模拟多台主机。
• Hadoop启动NameNode、DataNode、JobTracker、TaskTracker这些守护进程都在同一台机器上运行，是相互独立的Java进程。
• 在这种模式下，Hadoop使用的是分布式文件系统，各个作业也是由JobTraker服务，来管理的独立进程。在单机模式之上增加了代码调试功能，允许检查内存使用情况，HDFS输入输出，以及其他的守护进程交互。类似于完全分布式模式，因此，这种模式常用来开发测试Hadoop程序的执行是否正确。
• 修改3个配置文件：core-site.xml（Hadoop集群的特性，作用于全部进程及客户端）、hdfs-site.xml（配置HDFS集群的工作属性）、mapred-site.xml（配置MapReduce集群的属性）
• 格式化文件系统

示例

1.core-site.xml修改

<configuration>
    <property>
        <name>fs.default.name</name>
        <value>hdfs://localhost</value>
    </property>
</configuration>

2.对hdfs-site.xml修改（主要是用来指定集群中数据块的副本系数）

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

3.对mapred-site.xml修改

<configuration>
    <property>
        <name>mapred.job.tracker</name>
        <value>localhost:8021</value>
    </property>
</configuration>

4.对文件系统进行格式化

hadoop namenode -format

5.启动守护进程
bin文件下
运行start-all.sh
启动HDFS和MapReduce的守护进程
至此，NameNode、DataNode、JobTracker、TaskTracker等守护进程启动。

完全分布式模式

• Hadoop的守护进程运行在由多台主机搭建的集群上，是真正的生产环境。
  在所有的主机上安装JDK和Hadoop，组成相互连通的网络。
• 在主机间设置SSH免密码登录，把各从节点生成的公钥添加到主节点的信任列表
  修改3个配置文件：core-site.xml、hdfs-site.xml、mapred-site.xml，指NameNode和JobTraker的位置和端口，设置文件的副本等参数
• 格式化文件系统

示例

假设有3台主机，其中1台主节点，2台从节点。主节点和从节点配置相同。
1.core-site.xml修改

<configuration>
    <property>
        <name>fs.default.name</name>
        <value>hdfs://192.168.235.153:9000</value>
    </property>
    <property>
         <name>hadoop.tmp.dir</name>
         <value>/root/sw/haddoop-data/tmp</value>//临时文件夹
    </property>
</configuration>

2.对hdfs-site.xml修改（主要是用来指定集群中数据块的副本系数）

<configuration>
    <property>
        <name>dfs.name.dir</name>
        <value>root/sw/hadoop-data/hafs/name</value>
    </property>
    <property>
        <name>dfs.data.dir</name>
        <value>/root/sw/hadoop-data/hafs/data</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>2</value>
    </property>
</configuration>

3.对mapred-site.xml修改

<configuration>
    <property>
        <name>mapred.job.tracker</name>
        <value>192.168.235.153:9001</value>
    </property>
</configuration>

4.对配置文件下的conf/slaves进行编辑（将从节点的IP写入）

localhost
192.168.235.154
192.168.235.155

5.设置SSH免密码登录
ssh-keygen
将公钥密令追加到信任授权列表中
cat /home/test/.ssh/id_rsa.pub >>authorized_keys

6.格式化HDFS主节点

hadoop namenode -format

7.启动

start-dfs.sh