Hadoop

常用端口号

hadoop3.x

  • HDFS Namenode 内部常用端口：8020/9000/9820
  • HDFS Namenode 对用户查询端口：9870
  • Yarn 查看任务运行情况端口：8088
  • 历史服务器端口：19888

hadoop2.x

  • HDFS Namenode 内部常用端口：8020/9000
  • HDFS Namenode 对用户查询端口：50070
  • Yarn 查看任务运行情况端口：8088
  • 历史服务器端口：19888

常用配置文件 3.x

  • core-site.xml
  • hdfs-site.xml
  • yarn-site.xml
  • mapred-site.xml
  • workers

2.x

  • core-site.xml
  • hdfs-site.xml
  • yarn-site.xml
  • mapred-site.xml
  • slaves

HDFS

1.HDFS 概述

1.1 HDFS 产出背景及定义

1.1.1 HDFS 产生背景

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。

1.1.2 HDFS 定义

HDFS（Hadoop Distributed File System），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 的使用场景：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。

1.2 HDFS 优缺点

优点：

1.高容错性

  • 数据自动保存多个副本。它通过增加副本的形式，提高容错性。
  • 某一个副本丢失以后，它可以自动恢复。

2.适合处理大数据

  • 数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据；
  • 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。

3.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

例如毫秒级的存储数据，类似低延时的都做不到

2.无法高效的对大量小文件进行存储

  • 存储大量小文件，会导致占用NameNode大量的内存来存储文件目录和块信息。这是不可取的，因为NameNode的内存是有限的
  • 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。

3.不支持并发写入，文件随机修改。

  • 一个文件只能有一个写，不允许有多个线程同时写；
  • 仅支持数据追加（append），不支持文件的随机修改

1.3 HDFS 组成架构

Hadoop-HDFS - 图1

1.3.1 NameNode

NameNode（nn）：就是Master，它 是一个主管、管理者。

  1. 管理HDFS的名称空间；
  2. 配置副本策略；
  3. 管理数据块（Block）映射信息；
  4. 处理客户端读写请求。

1.3.2 DataNode

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。

1.3.3 Client

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；
  2. 与NameNode交互，获取文件的位置信息；
  3. 与DataNode交互，读取或者写入数据；
  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；

1.3.4 Secondary NameNode

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。

1.4 HDFS 文件块大小（面试重点）

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。

Hadoop-HDFS - 图2

思考：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；
  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。

总结：HDFS块的大小设置主要取决于磁盘传输速率。

2. HDFS 的 Shell 操作（开发重点）

2.1 基本语法

hadoop fs 具体命令 OR hdfs dfs 具体命令 两个是完全相同的。

2.2 常用命令

2.2.1 上传

  1. -moveFromLocal：从本地剪切粘贴到 HDFS
  2. -copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去
  3. -put：等同于 copyFromLocal，生产环境更习惯用 put
  4. -appendToFile：追加一个文件到已经存在的文件末尾

2.2.2 下载

  1. -copyToLocal：从 HDFS 拷贝到本地
  2. -get：等同于 copyToLocal，生产环境更习惯用 get

2.2.3 HDFS直接操作

  1. -ls: 显示目录信息
  2. -cat：显示文件内容
  3. -chgrp、-chmod、-chown：Linux 文件系统中的用法一样，修改文件所属权限
  4. -mkdir：创建路径
  5. -cp：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
  6. -mv：在 HDFS 目录中移动文件
  7. -tail：显示一个文件的末尾 1kb 的数据
  8. -rm：删除文件或文件夹
  9. -rm -r：递归删除目录及目录里面内容
  10. -du 统计文件夹的大小信息
  1. [atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /jinguo 27  81  /jinguo 
  3. [atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du  -h /jinguo 
  4. 14  42  /jinguo/shuguo.txt 
  5. 7   21   /jinguo/weiguo.txt 
  6. 6   18   /jinguo/wuguo.tx 
  7. 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
  1. -setrep：设置 HDFS 中文件的副本数量

ps：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。

4. HDFS 的读写流程（面试重点）

4.1 HDFS 写数据流程

4.1.1 剖析文件写入

  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返回是否可以执行上传
  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. 当第一个Block传输完成后，客户端再次请求NameNode上传第二个Block的服务器。

Hadoop-HDFS - 图3

4.1.2 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？

节点距离：两个节点到达最近的共同祖先的距离总和。

Hadoop-HDFS - 图4

4.1.3 机架感知（副本存储节点选择）

  1. 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。
  2. 第二个副本在另一个机架的随机 一个节点
  3. 第三个副本在第二个副本所在机架的 随机节点

4.2 HDFS 读数据流程

  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。

Hadoop-HDFS - 图5

5. NameNode 和 SecondaryNameNode（了解）

5.1 NN 和 2NN 工作机制

思考：NameNode 中的元数据是存储在哪里的？

首先，我们做个假设，如果存储在 NameNode 节点的磁盘中，因为经常需要进行随机访
问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在
内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的
FsImage。

这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新 FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦 NameNode 节点断电，就会产生数
据丢失。因此，引入 Edits 文件（只进行追加操作，效率很高）。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到 Edits 中。这样，一旦 NameNode 节点断电，可以通过 FsImage 和 Edits 的合并，合成元数据。

但是，如果长时间添加数据到 Edits 中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行 FsImage 和 Edits 的合并，如果这个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于 FsImage 和 Edits 的合并。

5.1.1 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。

5.1.2 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。

Hadoop-HDFS - 图6

5.2 Fsimage 和 Edits 解析

5.2.1 Fsimage和Edits概念

NameNode被格式化之后，在/opt/module/hadoop3.1.3/data/tmp/dfs/name/current目录中产生如下文件

  • fsimage_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inode的序列化信息。fsimage_0000000000000000000 fsimage_0000000000000000000.md5 seen_txid VERSION
  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. seentxid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。

5.3 CheckPoint 时间设置

  1. 通常情况下，SecondaryNameNode 每隔一小时执行一次。 [hdfs-default.xml]
  2. 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。

6. DataNode

6.1 DataNode 工作机制

  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。 ps：(DN 向 NN 汇报当前解读信息的时间间隔，默认 6 小时；DN 扫描自己节点块信息列表的时间，默认 6 小时 )
  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。

Hadoop-HDFS - 图7

6.2 数据完整性

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. 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。

Hadoop-HDFS - 图8

6.3 掉线时限参数设置

Hadoop-HDFS - 图9

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。

  1. <property>
  2.     <name>dfs.namenode.heartbeat.recheck-interval</name>
  3.     <value>300000</value>
  4. </property> 
  5. <property>     
  6.     <name>dfs.heartbeat.interval</name>    
  7.     <value>3</value>
  8. </property>