当前位置:   article > 正文

大数据Hadoop3.1.3 HDFS 详细入门笔记_hadoop3 hdfs-site.xml

hadoop3 hdfs-site.xml
网页右边,向下滑有目录索引,可以根据标题跳转到你想看的内容
如果右边没有就找找左边

还没有搭建环境的可以参考第一章:环境搭建,当然不搭建你也可以看图片学习

声明:此文是学习尚硅谷Hadoop3.1.x课程的学习笔记
尚硅谷视频资源地址:https://www.bilibili.com/video/BV1Qp4y1n7EN?p=34&spm_id_from=pageDriver

一、概述

1、HDFS的产生背景和定义

HDFS 产生背景

  1. 随着数据量越来越大,在一个操作系统存不下所有的数据,那么就分配到更多的操作系统管理的磁盘中,但是不方便管理和维护,迫切需要一种系统来管理多台机器上的文件,这就是分布式文件管理系统。HDFS 只是分布式文件管理系统中的一种

HDFS 定义

  1. 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。

适用场景

  1. 适合一次写入,多次读出的场景。一个文件经过创建、写入和关闭之后就不需要改变,唯一的改变,就只有追加内容和删除内容,无法修改存储的文件

2、优缺点

优点

  1. 高容错性
    在这里插入图片描述
  2. 适合处理大数据
  1. 数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据
  2. 文件规模:能够处理百万规模以上的文件数量,数量相当之大
  1. 可构建在廉价机器上,通过多副本机制,提高可靠性

缺点

  1. 不适合低延时数据访问,比如毫秒级的存储数据,是做不到的
  2. 无法高效的对大量小文件进行存储
  1. 存储大量小文件的话,它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的,因为NameNode的内存总是有限的
  2. 小文件存储的寻址时间会超过读取时间,它违反了HDFS的设计目标
  1. 不支持并发写入、文件随机修改
    在这里插入图片描述
  1. 一个文件只能有一个写,不允许多个线程同时写
  2. 仅支持数据append(追加),不支持文件的随机修改

3、组成

在这里插入图片描述

  1. NameNode(nn):就是Master,它是一个主管、管理者
  1. 管理HDFS的名称空间,所有文件元数据都存在这里,(文件名之类的)
  2. 配置副本策略(记录每个文件有几个副本)
  3. 管理数据块(Block)映射信息(一个大文件通常分成多个数据块,这些数据块统一由NameNode记录管理,每个数据块还有不等量副本,也由NameNode管理)
  4. 处理客户端读写请求
  1. DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作
  1. 存储实际的数据块
  2. 执行数据块的读/写操作
  1. Client:就是客户端
  1. 文件切分。文件上传HDFS的时候,Client将文件切分成一个一个的Block,然后进行上传,一般最大128M或256M一个数据块
  2. 与NameNode交互,获取文件的位置信息,就是NameNode先出个方案,你这文件应该往哪存
  3. 与DataNode交互,读取或者写入数据,根据NameNode的方案,和对应DataNode交涉,存储数据
  4. Client提供一些命令来管理HDFS,比如NameNode格式化
  5. Client可以通过一些命令来访问HDFS,比如对HDFS增删查改操作
  1. Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务
  1. 辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode
  2. 在紧急情况下,可辅助恢复NameNode

4、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/3.x版本中是128M,1.x版本中是64M,如果有个1KB的数据,也会分配128M的块,但是并不会直接占用128M空间,而是块最大128M,实际上还是块中数据的大小

  1. 集群中的block
    在这里插入图片描述
  2. 如果寻址时间约为10ms,即查找到目标block的时间为10ms
  3. 寻址时间为传输时间的1%时,则为最佳状态。(专家)因此,传输时间=10ms/0.01=1000ms=1s
  4. 而目前磁盘的传输速率普遍为100MB/s,所以我们一般选择最接近的128m作为块最大空间,而公司有钱用固态硬盘可达到300M/s数据,选择256m作为块空间大小

为什么块的大小不能设置太小也不能设置太大

  1. HDFS的块设置太小会增加寻址时间,程序一直在找块的开始位置,比如一个文件100m,分了100个1m的块,光寻址就要100次,寻址完了才开始获取数据
  2. 如果块设置的太大,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。导致程序在处理这块数据时,会非常慢,我们要遵循寻址时间正好是传输时间的1%的原则
  3. HDFS块的大小设置主要取决于磁盘传输速率,普通机械硬盘,我们用128m设置块大小,固态硬盘,用256m

二、shell相关操作

  1. 基本语法
两条命令都可以
1. hadoop fs 具体命令
2. hdfs dfs 具体命令
  • 1
  • 2
  • 3
  1. 常用命令查看方式
--查看hadoop,就是hdfs的相关命令
[hadoop100@hadoop102 hadoop-3.1.3]$ bin/hadoop fs
--使用-help查看指定命令的参数,比如下面查询rm命令的参数
[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm
  • 1
  • 2
  • 3
  • 4
  1. 常用命令介绍
  1. 启动hadoop集群
    在这里插入图片描述
  2. 创建一个sanguo文件夹,-mkdir
    在这里插入图片描述
[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /sanguo
  • 1
  1. 从本地剪切到HDFS,-moveFormLocal
    在这里插入图片描述
[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./shuguo.txt /sanguo
  • 1
  1. 从本地文件系统中拷贝文件到 HDFS 路径去,-copyFromLocal
    在这里插入图片描述
[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal weiguo.txt /sanguo
  • 1
  1. -put,等同于copyFromLocal,生产环境更多的用put命令
[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./wuguo.txt /sanguo
  • 1
  1. 追加一个文件到已经存在的文件末尾,-appendToFile
    在这里插入图片描述
[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt
  • 1
  1. 下载,从HDFS拷贝到本地,-copyToLocal,-get
[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo.txt ./

[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt
  • 1
  • 2
  • 3
  1. 一些直接操作HDFS的命令
1-ls: 显示目录信息
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /sanguo
2-cat:显示文件内容
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo.txt
3-chgrp、-chmod、-chown:Linux 文件系统中的用法一样,修改文件所属权限
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -chmod 666 /sanguo/shuguo.txt
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -chown hadoop100:hadoop100 /sanguo/shuguo.txt
4-mkdir:创建路径
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /jinguo
5-cp:从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo.txt /jinguo
6-mv:在 HDFS 目录中移动文件
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/wuguo.txt/jinguo
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/weiguo.txt /jinguo
7-tail:显示一个文件的末尾 1kb 的数据
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /jinguo/shuguo.txt
8-rm:删除文件或文件夹
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /sanguo/shuguo.txt
9-rm -r:递归删除目录及目录里面内容
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /sanguo
10-du 统计文件夹的大小信息
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /jinguo
		27 81 /jinguo
		说明:27 表示文件大小;81 表示 27*3 个副本;/jinguo 表示查看的目录
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -du -h /jinguo
		14 42 /jinguo/shuguo.txt
		7 21 /jinguo/weiguo.txt
		6 18 /jinguo/wuguo.tx		
11-setrep:设置 HDFS 中文件的副本数量
	[hadoop100@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /jinguo/shuguo.txt
	这里设置的副本数为10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
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33

三、HDFS的客户端API

1、搭建客户端环境

先搞到编译后的hadoop客户端
我将资源上传到了这里,免费下载即可
https://download.csdn.net/download/grd_java/16728142
或者到github上下载https://github.com/cdarlint/winutils

在这里插入图片描述

配置环境变量

在这里插入图片描述

运行

在这里插入图片描述
如果报如下错误。说明缺少微软运行库(正版系统往往有这个问题)。百度对应的微软运行库安装包双击安装即可
在这里插入图片描述

2、使用IDEA创建MAVEN项目

  1. 创建Maven项目,因为相关依赖
    在这里插入图片描述
<dependencies>
 <dependency>
	 <groupId>org.apache.hadoop</groupId>
	 <artifactId>hadoop-client</artifactId>
	 <version>3.1.3</version>
 </dependency>
 <dependency>
	 <groupId>junit</groupId>
	 <artifactId>junit</artifactId>
	 <version>4.12</version>
 </dependency>
 <dependency>
	 <groupId>org.slf4j</groupId>
	 <artifactId>slf4j-log4j12</artifactId>
	 <version>1.7.30</version>
 </dependency>
</dependencies>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  1. 在项目的 src/main/resources 目录下,新建一个文件,命名为“log4j.properties”
    在这里插入图片描述
log4j.rootLogger=INFO, stdout 
log4j.appender.stdout=org.apache.log4j.ConsoleAppender 
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout 
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n 
log4j.appender.logfile=org.apache.log4j.FileAppender 
log4j.appender.logfile.File=target/spring.log 
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout 
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

3、远程创建目录

  1. 编写java代码
    在这里插入图片描述
package com.yzpnb.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.Test;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;

public class HdfsClient {
    @Test
    public void testMkdirs() throws IOException, URISyntaxException,
            InterruptedException {
        // 1 获取文件系统
        Configuration configuration = new Configuration();
        //建立连接,并指定一个用户名(默认用windows默认用户,不一致肯定报错的),才能完成操作,下面给出两种连接,ip地址192.168.10.102不推荐使用,推荐配置主机名映射hadoop102
        // FileSystem fs = FileSystem.get(new URI("hdfs://192.168.10.102:8020"),configuration,"hadoop100");
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),configuration,"hadoop100");
        
        // 2 创建目录,调用mkdirs方法,通过Path类构造方法,创建指定路径目录
        fs.mkdirs(new Path("/xiyou/huaguoshan1/"));
        // 3 关闭资源
        fs.close();
    }
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  1. 执行结果
    在这里插入图片描述在这里插入图片描述

4、数据的上传和下载

1、 HDFS文件上传(测试参数优先级)

  1. 创建一个用来上传的文件
    在这里插入图片描述
  2. 编写代码执行
    在这里插入图片描述
@Test
public void testCopyFromLocalFile() throws IOException,
             InterruptedException, URISyntaxException {
     // 1 获取文件系统
     Configuration configuration = new Configuration();
     configuration.set("dfs.replication", "2");
     FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
             configuration, "hadoop100");
     // 2 上传文件下面代码省略了参数一:是否删除源数据,参数二:是否允许覆盖
     fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new
             Path("/xiyou/huaguoshan"));
     // 3 关闭资源
     fs.close();
 }
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  1. 结果
    在这里插入图片描述
  2. 参数优先级测试(比如我客户端代码中有xml配置文件,服务器中也有相同的xml配置文件,那么,客户端代码执行时以谁为准呢?)
  1. 参数优先级

参数优先级排序:(1)客户端代码中设置的值 >(2)ClassPath 下的用户自定义配置文件 >(3)然后是服务器的自定义配置(xxx-site.xml)>(4)服务器的默认配置(xxx-default.xml)

  1. 将 hdfs-site.xml 拷贝到项目的 resources 资源目录下,利用dfs.replication配置副本数量,查看是客户端配置的1生效了,还是服务器配置的3生效
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
	<property>
		<name>dfs.replication</name>
		<value>1</value>
	</property>
</configuration>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

2、 文件下载

  1. 编写测试代码(如果执行如下代码,下载不了文件,有可能是你电脑的微软支持的运行库少,需要安装一下微软运行库,另外你可能会在下载的文件旁边看到.crc后缀的文件,它是校验文件是否传输错误的,HDFS发送数据时,对文件加密,结果保存到crc文件,然后将crc和源数据一同发送,客户端收到后,同样对文件加密,查看结果和crc文件是否一致)
    在这里插入图片描述
 @Test
public void testCopyToLocalFile() throws IOException,
        InterruptedException, URISyntaxException{
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "hadoop100");

    // 2 执行下载操作
    fs.copyToLocalFile(false,                                   //boolean delSrc 指是否将原文件删除
            new Path("/xiyou/huaguoshan/sunwukong.txt"),    //Path src 指要下载的文件路径
            new Path("d:/sunwukong2.txt"),                  //Path dst 指将文件下载到的路径
            true);                               //boolean useRawLocalFileSystem 是否开启文件校验
    // 3 关闭资源
    fs.close();
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

3、 文件更名和移动

  1. 编写代码并测试
    在这里插入图片描述
@Test
public void testRename() throws IOException, InterruptedException,
        URISyntaxException{
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "hadoop100");
    // 2 修改文件名称
    fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"),
            new Path("/xiyou/huaguoshan/meihouwang.txt"));
    // 3 关闭资源
    fs.close();
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

4、删除文件和目录

  1. 编写代码运行
    在这里插入图片描述
    在这里插入图片描述
@Test
public void testDelete() throws IOException, InterruptedException,
        URISyntaxException{
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "hadoop100");
    // 2 执行删除,参数1:删除路径,参数2:是否递归删除,不递归的话,删除不了它里面 的文件
    fs.delete(new Path("/xiyou"), true);
    // 3 关闭资源
    fs.close();
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

5、 HDFS 文件详情查看

  1. 编写代码运行
    在这里插入图片描述
@Test
public void testListFiles() throws IOException, InterruptedException,
        URISyntaxException {
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "hadoop100");
    // 2 获取文件详情
    RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"),
            true);
    while (listFiles.hasNext()) {//遍历文件,直到没有文件
        LocatedFileStatus fileStatus = listFiles.next();//获取下一个文件
        System.out.println("========" + fileStatus.getPath() + "=========");//文件路径
        System.out.println(fileStatus.getPermission());//权限
        System.out.println(fileStatus.getOwner());//所属用户
        System.out.println(fileStatus.getGroup());//所属组
        System.out.println(fileStatus.getLen());//长度
        System.out.println(fileStatus.getModificationTime());//修改时间
        System.out.println(fileStatus.getReplication());//副本数量
        System.out.println(fileStatus.getBlockSize());//块长度
        System.out.println(fileStatus.getPath().getName());//文件名
        // 获取块信息
        BlockLocation[] blockLocations = fileStatus.getBlockLocations();
        System.out.println(Arrays.toString(blockLocations));
    }
    // 3 关闭资源
    fs.close();
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28

6、HDFS 文件和文件夹判断

  1. 编写代码并运行
    在这里插入图片描述
@Test
public void testListStatus() throws IOException, InterruptedException,
        URISyntaxException{
    // 1 获取文件配置信息
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "hadoop100");
    // 2 判断是文件还是文件夹
    FileStatus[] listStatus = fs.listStatus(new Path("/"));
    for (FileStatus fileStatus : listStatus) {
        // 如果是文件
        if (fileStatus.isFile()) {
            System.out.println("f:"+fileStatus.getPath().getName());
        }else {
            System.out.println("d:"+fileStatus.getPath().getName());
        }
    }
    // 3 关闭资源
    fs.close();
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20

四、HDFS的读写流程

1、写流程

  1. 文件写入剖析
    在这里插入图片描述
  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)
  1. 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。那么这个最近距离怎么计算呢?
  1. 节点距离:两个节点到达最近的共同祖先的距离总和
  2. 根据下图解析在这里插入图片描述
  1. 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q标记,这里给出四种距离描述
    在这里插入图片描述
  1. 机架感知(副本存储节点选择)
  1. 官方文档:http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication
  2. 根据源码查看(Crtl + n 查找 BlockPlacementPolicyDefault,在该类中查找 chooseTargetInOrder 方法)
  3. 副本节点的选择
    总体依据,就近和可靠原则
    在这里插入图片描述

2、读数据

  1. 流程
    先就近原则读,当处理能力到上限,就去副本所在服务器读
    在这里插入图片描述
  1. 客户端通过 DistributedFileSystem 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

五、NN和2NN(NameNode 和 SecondaryNameNode)

1、工作机制

  1. NameNode中的元数据存储在哪
  1. 存储在内存,但是为了断电不丢失,产生了在磁盘中备份元数据的FsImage,但是同时更新FsImage效率又会低,因此引入Edits文件,只进行追加操作,元数据有更新等操作时,同时会进行追加,但是Edits会越来越大,因此引入一个新节点,SecondaryNamenod,专门用于FsImage和Edits合并
    在这里插入图片描述
NameNode工作机制

在这里插入图片描述

  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 在内存中对元数据进行增删改
  1. 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。

2、 Fsimage和Edits

  1. 概念
    在这里插入图片描述
  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inode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,加 载Edits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。
  1. oiv 查看 Fsimage 文件
    在这里插入图片描述
[hadoop100@hadoop102 current]$ hdfs
oiv apply the offline fsimage viewer to an fsimage
oev apply the offline edits viewer to an edits file

基本语法如下
hdfs oiv -p 文件类型 -i 镜像文件 -o 转换后文件输出路径

实操:
[hadoop100@hadoop102 current]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/name/current
[hadoop100@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml
[hadoop100@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  1. oev查看Edits文件
    在这里插入图片描述在这里插入图片描述
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
实操:
[hadoop100@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml
[hadoop100@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml
  • 1
  • 2
  • 3
  • 4
  • 5
  1. CheckPoint时间设置
  1. 通常情况下,SecondaryNameNode 每隔一小时执行一次(参考下面hdfs-default.xml的默认配置)
<property>
 <name>dfs.namenode.checkpoint.period</name>
 <value>3600s</value>
</property>
  • 1
  • 2
  • 3
  • 4
  1. 一分钟检查一次操作次数,当操作次数达到 1 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>60s</value>
<description> 1 分钟检查一次操作次数</description>
</property
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

六、Datanode

1、 DataNode工作机制

在这里插入图片描述

  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(6 小时)的向 NameNode 上报所有的块信息
    在这里插入图片描述在这里插入图片描述
  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

2、数据完整性

  1. 如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号(1)和绿灯信号(0),但是存储该数据的磁盘坏了,一直显示是绿灯,是否很危险?同理 DataNode 节点上的数据损坏了,却没有发现,是否也很危险,那么如何解决呢?
  2. 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. 常见的校验算法 crc(32),md5(128),sha1(160)
  5. DataNode 在其文件创建后周期验证 CheckSum
    在这里插入图片描述

3、掉线时限参数设置

在这里插入图片描述

  1. 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
    在这里插入图片描述
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Cpp五条/article/detail/626596
推荐阅读
相关标签
  

闽ICP备14008679号