大数据~DataNode详解&MapReduce 概述_datanode block map

DataNode 详解

DataNode----是存储数据块元数据

一 DataNode 工作机制

killall java 删除java 全部进程

如上图 什么是数据校验和?

数据完整性

思考：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？

如下是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）DataNode在其文件创建后周期验证CheckSum，如下图所示

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Wvn8EyYQ-1595565343682)(C:\Users\v_xjzxu\AppData\Roaming\Typora\typora-user-images\1595404867332.png)]

掉线时限参数设置

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>

1
2
3
4
5
6
7
8
9
10
11
12

二 服役新数据节点

\0. 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。

\1. 环境准备

​ （1）在hadoop104主机上再克隆一台hadoop105主机

​ （2）修改IP地址和主机名称

​ （3）删除原来HDFS文件系统留存的文件（/opt/module/hadoop-2.7.2/data和log）

​ （4）source一下配置文件

[root@hadoop105 hadoop-2.7.2]$ source /etc/profile

\2. 服役新节点具体步骤

（1）直接启动DataNode，即可关联到集群

[root@hadoop105 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode (不用配置主从集群什么副本 只需-但启-新增机器 ，他会自动完成注册)

（2）在hadoop105上上传文件

[root@hadoop105 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager

[root@hadoop105 hadoop-2.7.2]$ hadoop fs -put /opt/module/hadoop-2.7.2/LICENSE.txt /

（3）如果数据不均衡，可以用命令实现集群的再平衡

[root@hadoop102 sbin]$ ./start-balancer.sh

starting balancer, logging to /opt/module/hadoop-2.7.2/logs/hadoop-atguigu-balancer-hadoop102.out

Time Stamp Iteration# Bytes Already Moved Bytes Left To Move Bytes Being Moved

三 退役旧数据节点

1 添加白名单

添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被退出。

配置白名单的具体步骤如下：

（1）在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts文件
    
[root@hadoop102 hadoop]$ pwd
/opt/module/hadoop-2.7.2/etc/hadoop
[root@hadoop102 hadoop]$ touch dfs.hosts
[root@hadoop102 hadoop]$ vi dfs.hosts

添加如下主机名称（不添加hadoop105）
hadoop102
hadoop103
hadoop104
    
    
（2）在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性
<property>
	<name>dfs.hosts</name>
	<value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts</value>
</property>
    
 (3）配置文件分发
xsync hdfs-site.xml

    
 (4)刷新NameNode
hdfs dfsadmin -refreshNodes  
  
返回：Refresh nodes successful 代表刷新成功
  
5）更新ResourceManager节点
yarn rmadmin -refreshNodes
  
17/06/24 14:17:11 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.1.103:8033

  
如果数据不均衡，可以用命令实现集群的再平衡
./start-balancer.sh


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
34
35
36
37
38

刷新NameNode

hdfs dfsadmin -refreshNodes
1

更新ResourceManager节点

yarn rmadmin -refreshNodes
1

2 黑名单退役

在黑名单上面的主机都会被强制退出。

1.在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件

[root@hadoop102 hadoop]$ pwd

/opt/module/hadoop-2.7.2/etc/hadoop

[root@hadoop102 hadoop]$ touch dfs.hosts.exclude

[root@hadoop102 hadoop]$ vi dfs.hosts.exclude

添加如下主机名称（要退役的节点）

hadoop105

2．在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性

<property>

<name>dfs.hosts.exclude</name>

   <value>/opt/module/hadoop-2.7.2/etc/hadoop/**dfs.hosts.exclude**</value>

</property>
1
2
3
4
5
6
7

3．刷新NameNode、刷新ResourceManager

[root@hadoop102 hadoop-2.7.2]$ hdfs dfsadmin -refreshNodes

Refresh nodes successful

[root@hadoop102 hadoop-2.7.2]$ yarn rmadmin -refreshNodes

17/06/24 14:55:56 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.1.103:8033

\4. 检查Web浏览器，退役节点的状态为decommission in progress（退役中），说明数据节点正在复制块到其他节点

\5. 等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役，

[root@hadoop105 hadoop-2.7.2]$ sbin/hadoop-daemon.sh stop datanode

stopping datanode

[root@hadoop105 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager

stopping nodemanager

\6. 如果数据不均衡，可以用命令实现集群的再平衡

[atguigu@hadoop102 hadoop-2.7.2]$ sbin/start-balancer.sh

​ 注意：不允许白名单和黑名单中同时出现同一个主机名称。

四 Datanode多目录配置

\1. DataNode也可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本

2．具体配置如下

​ hdfs-site.xml

<property>
        <name>dfs.datanode.data.dir</name>				         			              <value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>
</property>

1
2
3
4

五 HDFS 2.X新特性

1 集群间数据拷贝

1．scp实现两个远程主机之间的文件复制

​ scp -r hello.txt root@hadoop103… // 推 push

​ scp -r root@hadoop103…/test / // 拉 pull

2 采用distcp命令实现两个Hadoop集群之间的递归数据复制

[root@hadoop102 hadoop-2.7.2]$  bin/hadoop distcp
hdfs://haoop102:9000/user/root/hello.txt hdfs://hadoop103:9000/user/root/hello.txt

1
2
3

2 小文件存档

把小文件打成一个包，打包需要yarn支持 ,启动yarn.

启动dfs/yarn

hadoop fs -put hadoop / 上传小文件

把小文件打包 bin/hadoop archive -archiveName input.har 设置名字 -p /（hadoop 要打包路径） / （打包好存放路径）

查看包里文件

hadoop fs -ls har:///input.har

六 MapReduce

优点：

简单（易于编程）

​ 良好扩展性

​ 较高容错性

缺点：慢

MapReduce核心思想

Map映射+Reduce归并

输入数据----》Map 阶段 把元数据映射成我们希望的样子（k,v）单词,1===>Reduce 阶段归并 把N个单词变成1 ，把1 变成N （1（单词），N（数量））

七 Hadoop 序列化概述

Hadoop 序列化特点

八 补充

如何导入idea ，导入前