前言

  • 设计思想
    分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析；
  • 在大数据系统中作用：
    为各类分布式运算框架（如：mapreduce，spark，tez，……）提供数据存储服务
  • 重点概念：文件切块，副本存放，元数据

    HDFS的概念和特性

首先，它是一个文件系统，用于存储文件，通过统一的命名空间——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；

重要特性如下：

  1. 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
  2. HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data
  3. 目录结构及文件分块位置信息(元数据)的管理由namenode节点承担
    ——namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息（block的id，及所在的datanode服务器）
  4. 文件的各个block的存储管理由datanode节点承担
    ---- datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication，默认是3）
  5. HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改
    (注：适合用来做数据分析，并不适合用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本太高)

HDFS文件块大小

  1. 设置太小,会增加寻址时间,程序会一直找块开始的位置
  2. 块设置太大,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

dfs.blocksize设置大小

HDFS文件在物理上是分块储存(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.默认的块大小128MB

寻址时间为传输时间的1%时候是最佳时间

块的大小: 10ms*100*100M/s=100M

概述

  1. HDFS集群分为两大角色：NameNode、DataNode (Secondary Namenode)
  2. NameNode负责管理整个文件系统的元数据
  3. DataNode 负责管理用户的文件数据块
  4. 文件会按照固定的大小（blocksize）切成若干块后分布式存储在若干台datanode上
  5. 每一个文件块可以有多个副本，并存放在不同的datanode上
  6. Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量
  7. HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行

HDFS写概述

客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block的副本

详细步骤图

image.png

详细步骤解析

  1. 根namenode通信请求上传文件，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. client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ABC
  5. client请求3台dn中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将真个pipeline建立完成，逐级返回客户端
  6. client开始往A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，A收到一个packet就会传给B，B传给C；A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

HDFS读数据流程

概述

客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件

HDFS读数据流程

客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件

image.png

有时候会发现有crc文件,这是校验文件,校验读取的文件是不是完整的

详细步骤解析

  1. 跟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（就近原则，然后随机）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，以packet为单位来做校验）
  4. 客户端以packet为单位接收，现在本地缓存，然后写入目标文件

NAMENODE工作机制

问题场景：

  1. 集群启动后，可以查看目录，但是上传文件时报错，打开web页面可看到namenode正处于safemode状态，怎么处理？
    解释：
    safemode是namenode的一种状态（active/standby/safemode安全模式）
    namenode进入安全模式的原理：
    a. namenode发现集群中的block丢失率达到一定比例时（0.01%），namenode就会进入安全模式，在安全模式下，客户端不能对任何数据进行操作，只能查看元数据信息（比如ls/mkdir）

b. 如何退出安全模式？
找到问题所在，进行修复（比如修复宕机的datanode）
或者可以手动强行退出安全模式（没有真正解决问题）： hdfs namenode --safemode leave

c. 在hdfs集群正常冷启动时，namenode也会在safemode状态下维持相当长的一段时间，此时你不需要去理会，等待它自动退出安全模式即可
(原理：
namenode的内存元数据中，包含文件路径、副本数、blockid，及每一个block所在datanode的信息，而fsimage中，不包含block所在的datanode信息，那么，当namenode冷启动时，此时内存中的元数据只能从fsimage中加载而来，从而就没有block所在的datanode信息——>就会导致namenode认为所有的block都已经丢失——>进入安全模式——>datanode启动后，会定期向namenode汇报自身所持有的blockid信息，——>随着datanode陆续启动，从而陆续汇报block信息，namenode就会将内存元数据中的block所在datanode信息补全更新——>找到了所有block的位置，从而自动退出安全模式)

  1. Namenode服务器的磁盘故障导致namenode宕机，如何挽救集群及数据？
    解决:
    namenode配置多个路径,也可以用网络磁盘路径
    secondary namenode的目录可以恢复
  2. Namenode是否可以有多个？namenode内存要配置多大？namenode跟集群数据存储能力有关系吗？
    解决:
    可以多个
    内存一般配置几十G就行
    跟集群存储关系不是很大,和datanode有关,当然了要避免上传小文件
  3. 文件的blocksize究竟调大好还是调小好？—结合mapreduce
    要看数据量和业务逻辑
    最好mapreduce跑了不要太长

NAMENODE职责

负责客户端请求的响应
元数据的管理（查询，修改）

它维护着文件系统树及整棵树内所有的文件和目录.这些信息以两个文件形式永久保存在本地磁盘上,命名空间镜像文件和编辑日志文件.

namenode也记录着每个文件中各个块所在的数据节点信息,但它并不永久保存块的位置信息,因为这些信息会在系统启动时根据数据节点信息重建.

image.png

  1. 第一阶段:namenode启动
    1. 第一次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在内存对数据进行增删改查
  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

类似redis的备份
RDB: 快照, 备份时间长, 生成慢, 恢复快—————对应hadoop的fsimage
AOF: 命令追加写, 生成快, 恢复慢———————对应hadoop的edits.log

secondaryNameNode的作用是拉取namenode上的 edits.log和fsimage, 在自己这生成新的 fsimage给过去,
namenode同时滚动生成新的edits.log

image.png

元数据管理

namenode对数据的管理采用了三种存储形式：

  1. 内存元数据(NameSystem)(namenode自己封装一个文件系统)
  2. 磁盘元数据镜像文件
  3. 数据操作日志文件（可通过日志运算出元数据）

元数据存储机制

A. 内存中有一份完整的元数据(内存meta data) (内存meta data = fsimage + edits文件(编辑日志))

B. 磁盘有一个“准完整”的元数据镜像（fsimage）文件(在namenode的工作目录中)

C. 用于衔接内存metadata和持久化元数据镜像fsimage之间的操作日志（edits文件）注：当客户端对hdfs中的文件进行新增或者修改操作，操作记录首先被记入edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存meta.data中

元数据手动查看

namenode被格式话后在/path/name/current目录中产生文件

可以通过hdfs的一个工具来查看edits中的信息

  1. bin/hdfs oev -i edits -o edits.xml
  2. bin/hdfs oiv -i fsimage_0000000000000000087 -p XML -o fsimage.xml
  • 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
  • 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被记录到edits文件中
  • seentxid文件保存的是一个数字,就是最后一个edits的数字
  • 每次Namenode启动的时候都会将fsimage文件读入内存,并从0001开始到seen_txid中记录的数字依次执行每个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

查看oiv和oev命令

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

元数据的checkpoint

每隔一段时间，会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地，并加载到内存进行merge（这个过程称为checkpoint）

checkpoint的详细过程

image.png

checkpoint操作的触发条件配置参数

  1. dfs.namenode.checkpoint.check.period=60  #检查触发条件是否满足的频率，60秒
  2. dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary
  3. #以上两个参数做checkpoint操作时，secondary namenode的本地工作目录
  4. dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}
  6. dfs.namenode.checkpoint.max-retries=3  #最大重试次数
  7. dfs.namenode.checkpoint.period=3600  #两次checkpoint之间的时间间隔3600秒
  8. dfs.namenode.checkpoint.txns=1000000 #两次checkpoint之间最大的操作记录

检查时间参数设置
通常情况下,SecondaryNameNode每隔一小时执行一次
hdfs-default.xml

  1. <property>
  2.     <name>dfs.namenode.checkpoint.period</name>
  3.     <value>3600</value>
  4. </property>

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>60</value>
    <description>1分钟检查一次操作次数</description>
</property>

checkpoint的附带作用
namenode和secondary namenode的工作目录存储结构完全相同，所以，当namenode故障退出需要重新恢复时，可以从secondary namenode的工作目录中将fsimage拷贝到namenode的工作目录，以恢复namenode的元数据

元数据目录说明

在第一次部署好Hadoop集群的时候，我们需要在NameNode（NN）节点上格式化磁盘：

$HADOOP_HOME/bin/hdfs namenode -format

格式化完成之后，将会在$dfs.namenode.name.dir/current目录下如下的文件结构

current/
    |-- VERSION
    |-- edits_*
    |-- fsimage_0000000000008547077
    |-- fsimage_0000000000008547077.md5
    `-- seen_txid

其中的dfs.name.dir是在hdfs-site.xml文件中配置的，默认值如下：

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

hadoop.tmp.dir是在core-site.xml中配置的，默认值如下
<property>
  <name>hadoop.tmp.dir</name>
  <value>/tmp/hadoop-${user.name}</value>
  <description>A base for other temporary directories.</description>
</property>

dfs.namenode.name.dir属性可以配置多个目录，
如/data1/dfs/name,/data2/dfs/name,/data3/dfs/name,....。各个目录存储的文件结构和内容都完全一样，相当于备份，这样做的好处是当其中一个目录损坏了，也不会影响到Hadoop的元数据，特别是当其中一个目录是NFS（网络文件系统Network File System，NFS）之上，即使你这台机器损坏了，元数据也得到保存。
下面对$dfs.namenode.name.dir/current/目录下的文件进行解释。

  1. VERSION文件是Java属性文件，内容大致如下：
#Fri Nov 15 19:47:46 CST 2013
namespaceID=934548976
clusterID=CID-cdff7d73-93cd-4783-9399-0a22e6dce196
cTime=0
storageType=NAME_NODE
blockpoolID=BP-893790215-192.168.24.72-1383809616115
layoutVersion=-47

其中
(1). namespaceID是文件系统的唯一标识符，在文件系统首次格式化之后生成的

(2). storageType说明这个文件存储的是什么进程的数据结构信息（如果是DataNode，storageType=DATA_NODE）

(3). cTime表示NameNode存储时间的创建时间，由于我的NameNode没有更新过，所以这里的记录值为0，以后对NameNode升级之后，cTime将会记录更新时间戳；

(4). layoutVersion表示HDFS永久性数据结构的版本信息， 只要数据结构变更，版本号也要递减，此时的HDFS也需要升级，否则磁盘仍旧是使用旧版本的数据结构，这会导致新版本的NameNode无法使用；

(5)、clusterID是系统生成或手动指定的集群ID，在-clusterid选项中可以使用它；如下说明

a. 使用如下命令格式化一个Namenode：

$HADOOP_HOME/bin/hdfs namenode -format [-clusterId <cluster_id>]

选择一个唯一的cluster_id，并且这个cluster_id不能与环境中其他集群有冲突。如果没有提供cluster_id，则会自动生成一个唯一的ClusterID。

b. 使用如下命令格式化其他Namenode：

 $HADOOP_HOME/bin/hdfs namenode -format -clusterId <cluster_id>

c. 升级集群至最新版本。在升级过程中需要提供一个ClusterID，例如：

$HADOOP_PREFIX_HOME/bin/hdfs start namenode --config $HADOOP_CONF_DIR  -upgrade -clusterId <cluster_ID>

如果没有提供ClusterID，则会自动生成一个ClusterID。

(6). blockpoolID：是针对每一个Namespace所对应的blockpool的ID，上面的这个BP-893790215-192.168.24.72-1383809616115就是在我的ns1的namespace下的存储块池的ID，这个ID包括了其对应的NameNode节点的ip地址。

  1. $dfs.namenode.name.dir/current/seen_txid非常重要，是存放transactionId的文件，format之后是0，它代表的是namenode里面的edits_*文件的尾数，namenode重启的时候，会按照seen_txid的数字，循序从头跑edits_0000001~到seen_txid的数字。所以当你的hdfs发生异常重启的时候，一定要比对seen_txid内的数字是不是你edits最后的尾数，不然会发生建置namenode时metaData的资料有缺少，导致误删Datanode上多余Block的资讯。

3.$dfs.namenode.name.dir/current目录下在format的同时也会生成fsimage和edits文件，及其对应的md5校验文件。

补充：seen_txid
文件中记录的是edits滚动的序号，每次重启namenode时，namenode就知道要将哪些edits

SecondaryNameNode

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

DATANODE的工作机制

心跳

image.png

  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带另一台机器,或删除到另一台机器,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

问题场景

  1. 集群容量不够，怎么扩容？
  2. 如果有一些datanode宕机，该怎么办？
  3. datanode明明已启动，但是集群中的可用datanode列表中就是没有，怎么办？

以上这类问题的解答，有赖于对datanode工作机制的深刻理解

概述

Datanode工作职责：

  1. 存储管理用户的文件块数据
    定期向namenode汇报自身所持有的block信息（通过心跳信息上报）
    （这点很重要，因为，当集群中发生某些block副本失效时，集群如何恢复block初始副本数量的问题）
<property>
    <name>dfs.blockreport.intervalMsec</name>
    <value>3600000</value>
    <description>Determines block reporting interval in milliseconds.</description>
</property>
  1. Datanode掉线判断时限参数
    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 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。

而默认的heartbeat.recheck.interval 大小为5分钟，dfs.heartbeat.interval默认为3秒, 只能改这2个
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。所以，举个例子，如果heartbeat.recheck.interval设置为5000（毫秒），dfs.heartbeat.interval设置为3（秒，默认），则总的超时时间为40秒。

<property>
        <name>heartbeat.recheck.interval</name>
        <value>2000</value>
</property>
<property>
        <name>dfs.heartbeat.interval</name>
        <value>1</value>
</property>

观察验证DATANODE功能

上传一个文件，观察文件的block具体的物理存放情况：

在每一台datanode机器上的这个目录中能找到文件的切块：

/home/hadoop/app/hadoop-2.4.1/tmp/dfs/data/current/BP-193442119-192.168.2.120-1432457733977/current/finalized

datanode版本号

在/path/data/tmp/dfs/data/中有个VERSION
cat下,会出
storageID集群的id
clusterID存储的id,机器的id
cTime创建的时间
storageType机器类型,datanode还是什么
layoutVersion新特性的版号

然后在这层中cd current/也有个VERSION
cat下会有namespaceID这是NameNode的id,集群中可能有多个namenode,这个表示属于哪个namenode

maven依赖

<dependency>  
    <groupId>org.apache.hadoop</groupId>  
    <artifactId>hadoop-common</artifactId>  
    <version>2.6.4</version>  
</dependency>  
<dependency>  
    <groupId>org.apache.hadoop</groupId>  
    <artifactId>hadoop-hdfs</artifactId>  
    <version>2.6.4</version>  
</dependency>  
<dependency>  
    <groupId>org.apache.hadoop</groupId>  
    <artifactId>hadoop-client</artifactId>  
    <version>2.6.4</version>  
</dependency>  
<dependency>  
    <groupId>org.apache.hadoop</groupId>  
    <artifactId>hadoop-mapreduce-client-core</artifactId>  
    <version>2.6.4</version>  
</dependency>