一：概述

1：hdfs背景及定义

（1）：背景

数据量越来越大，一个服务器存储不了所有数据，迫切需要一种软件管理多台机器的文件，这就是分布式文件系统。hdfs是其中一种

（2）：定义

存储文件，分布式，适合一次写入，多次读，不支持文件修改，适合做数据分析，并不适合做网盘应用等

2：hdfs优缺点

（1）：优点

I：高容错

多副本容错，高可用

II：适合处理大数据

可以处理TB甚至PB级数据

III：廉价多副本

（2）：缺点

I：不适合抵延迟数据访问

毫秒级响应无法做到

II：无法高效对大量小文件存储

大量小文件，占用namenode大量内存存储文件元数据，小文件存储时间超出读取时间，违背hdfs设计初衷

III：不支持并发写入，文件随机修改

文件只能一个写，多个线程读，仅支持append，不支持文件随机修改

3：hdfs架构

（1）：架构

image.png

（2）：namenode

I：管理hdfs命名空间

II：配置副本策略

III：管理数据块block映射

IV：处理客户端读写

（3）：datanode

I：存储实际的数据块

II：执行数据块的读/写操作

（4）：secondnamenode

I：辅助namenode，定期合并simage和edits，并推送NameNode

II：紧急情况下，可以恢复namenode

（5）：client

I：文件切分，文件上传hdfs时，将文件切分成一个个block，然后上传

II：与namenode交互，获取文件的位置信息

III：与datanode交互，读取写入数据

IV：client提供一些命令管理hdfs，例如namenode格式化

V：通过命令访问hdfs，增删改查

4：文件块大小

（1）：文件在物理上是分块存储，块的大小可以通过参数dfs.blocksize规定，默认hadoop2.x是128M，1.x是64M。

（2）：如果寻址时间为10ms，即查找到目标block时间为10ms

（3）：寻址时间为传输时间的1%时，为最佳状态，因此传输时间为10ms/0.01 = 1s

（4）：而目前磁盘普遍的速率是100M/s

（5）：为什么块的大小不能太小，也不能太大

I：设置太小，增加寻址时间，程序会一直找块的开始位置

II：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，导致程序处理块的时候慢，所以hdfs块的大小设置取决于磁盘速度

二：hdfs的shell操作

1：基本语法

  1. hadoop fs 或 hdfs dfs 具体命令

2：命令大全

  1. Usage: hadoop fs [generic options]
  2.         [-appendToFile <localsrc> ... <dst>]
  3.         [-cat [-ignoreCrc] <src> ...]
  4.         [-checksum <src> ...]
  5.         [-chgrp [-R] GROUP PATH...]
  6.         [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
  7.         [-chown [-R] [OWNER][:[GROUP]] PATH...]
  8.         [-copyFromLocal [-f] [-p] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
  9.         [-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
  10.         [-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]
  11.         [-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]
  12.         [-createSnapshot <snapshotDir> [<snapshotName>]]
  13.         [-deleteSnapshot <snapshotDir> <snapshotName>]
  14.         [-df [-h] [<path> ...]]
  15.         [-du [-s] [-h] [-v] [-x] <path> ...]
  16.         [-expunge]
  17.         [-find <path> ... <expression> ...]
  18.         [-get [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
  19.         [-getfacl [-R] <path>]
  20.         [-getfattr [-R] {-n name | -d} [-e en] <path>]
  21.         [-getmerge [-nl] [-skip-empty-file] <src> <localdst>]
  22.         [-head <file>]
  23.         [-help [cmd ...]]
  24.         [-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]
  25.         [-mkdir [-p] <path> ...]
  26.         [-moveFromLocal <localsrc> ... <dst>]
  27.         [-moveToLocal <src> <localdst>]
  28.         [-mv <src> ... <dst>]
  29.         [-put [-f] [-p] [-l] [-d] <localsrc> ... <dst>]
  30.         [-renameSnapshot <snapshotDir> <oldName> <newName>]
  31.         [-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]
  32.         [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
  33.         [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
  34.         [-setfattr {-n name [-v value] | -x name} <path>]
  35.         [-setrep [-R] [-w] <rep> <path> ...]
  36.         [-stat [format] <path> ...]
  37.         [-tail [-f] [-s <sleep interval>] <file>]
  38.         [-test -[defsz] <path>]
  39.         [-text [-ignoreCrc] <src> ...]
  40.         [-touch [-a] [-m] [-t TIMESTAMP ] [-c] <path> ...]
  41.         [-touchz <path> ...]
  42.         [-truncate [-w] <length> <path> ...]
  43.         [-usage [cmd ...]]
  44. Generic options supported are:
  45. -conf <configuration file>        specify an application configuration file
  46. -D <property=value>               define a value for a given property
  47. -fs <file:///|hdfs://namenode:port> specify default filesystem URL to use, overrides 'fs.defaultFS' property from configurations.
  48. -jt <local|resourcemanager:port>  specify a ResourceManager
  49. -files <file1,...>                specify a comma-separated list of files to be copied to the map reduce cluster
  50. -libjars <jar1,...>               specify a comma-separated list of jar files to be included in the classpath
  51. -archives <archive1,...>          specify a comma-separated list of archives to be unarchived on the compute machines
  53. The general command line syntax is:
  54. command [genericOptions] [commandOptions]

3：常用命令

（1）：准备工作

myhadoop.sh start

（2）：上传

I：-moveFromLocal剪切

hadoop fs -moveFromLocal LICENSE.txt /ceshi/LICENSE.txt

II：-copyFromLocal复制

hadoop fs -copyFromLocal LICENSE.txt /ceshi/LICENSE.txt
hdfs dfs -copyFromLocal LICENSE.txt /ceshi/LICENSE.txt

III：-appendToFile追加一个文件到已经存在的文件末尾

    hadoop fs -appendToFile ceshi.txt /ceshi/LICENSE.txt
  hdfs dfs -appendToFile ceshi.txt /ceshi/LICENSE.txt

IV：-put：等同于copyFromLocal

（3）：下载

I：从HDFS拷贝到本地

hadoop fs -copyToLocal /ceshi/LICENSE.txt ./

II：-get：等同于copyToLocal

III：-getmerge：合并下载多个文件

hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt

4：HDFS直接操作

（1）：-ls：显示信息

hadoop fs -ls /

（2）：-mkdir：在HDFS上创建目录

hadoop fs -mkdir -p /ceshi/ceshi

（3）：-cat：显示文件内容

hadoop fs -cat /ceshi/LICENCE.txt

（4）：-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

hadoop fs  -chmod  666  /ceshi/LICENCE.txt
hadoop fs  -chown  atguigu:atguigu   /ceshi/LICENCE.txt

（5）：-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

hadoop fs -cp /ceshi/LICENCE.txt /zhuge.txt

（6）：-mv：在HDFS目录中移动文件

hadoop fs -mv /zhuge.txt /sanguo/shuguo/

（7）：-tail：显示一个文件的末尾1kb的数据

hadoop fs -tail /ceshi/LICENCE.txt

（8）：-rm：删除文件或文件夹

hadoop fs -rm /ceshi/LICENCE.txt

（9）：-rmdir：删除空目录

hadoop fs -mkdir /test

（10）：-du统计文件夹的大小信息

hadoop fs -du -s -h /user/atguigu/test
2.7 K  /user/atguigu/test

（11）：-setrep：设置HDFS中文件的副本数量

hadoop fs -setrep 10 /ceshi/LICENCE.txt

三：HDFS客户端操作

1：环境配置

（1）：选择Hadoop-3.1.0，拷贝到其他地方

image.png

（2）：配置HADOOP_HOME环境变量

image.png

（3）：配置Path环境变量。然后重启电脑

image.png

2：编程环境

（1）：pom

<dependencies>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.12</version>
    </dependency>
    <dependency>
        <groupId>org.apache.logging.log4j</groupId>
        <artifactId>log4j-slf4j-impl</artifactId>
        <version>2.12.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>3.1.3</version>
    </dependency>
</dependencies>

（2）：log4j2.xml

<?xml version="1.0" encoding="UTF-8"?>
<Configuration status="error" strict="true" name="XMLConfig">
    <Appenders>
        <!-- 类型名为Console，名称为必须属性 -->
        <Appender type="Console" name="STDOUT">
            <!-- 布局为PatternLayout的方式，
            输出样式为[INFO] [2018-01-22 17:34:01][org.test.Console]I'm here -->
            <Layout type="PatternLayout"
                    pattern="[%p] [%d{yyyy-MM-dd HH:mm:ss}][%c{10}]%m%n" />
        </Appender>

    </Appenders>

    <Loggers>
        <!-- 可加性为false -->
        <Logger name="test" level="info" additivity="false">
            <AppenderRef ref="STDOUT" />
        </Logger>

        <!-- root loggerConfig设置 -->
        <Root level="info">
            <AppenderRef ref="STDOUT" />
        </Root>
    </Loggers>
</Configuration>

（3）：测试

public class HdfsClient{    
@Test
public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{

        // 1 获取文件系统
        Configuration configuration = new Configuration();
        // 配置在集群上运行
        // configuration.set("fs.defaultFS", "hdfs://hadoop102:9820");
        // FileSystem fs = FileSystem.get(configuration);

        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

        // 2 创建目录
        fs.mkdirs(new Path("/1108/daxian/banzhang"));

        // 3 关闭资源
        fs.close();
    }
}

（4）：配置用户名称

image.png
客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=atguigu，atguigu为用户名称。

四：HDFS的数据流

1：写流程

image.png

（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）。

2：网络拓扑-节点距离计算

（1）：机架感知

image.png

http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication
For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on the local machine if the writer is on a datanode, otherwise on a random datanode, another replica on a node in a different (remote) rack, and the last on a different node in the same remote rack. This policy cuts the inter-rack write traffic which generally improves write performance. The chance of rack failure is far less than that of node failure; this policy does not impact data reliability and availability guarantees. However, it does reduce the aggregate network bandwidth used when reading data since a block is placed in only two unique racks rather than three. With this policy, the replicas of a file do not evenly distribute across the racks. One third of replicas are on one node, two thirds of replicas are on one rack, and the other third are evenly distributed across the remaining racks. This policy improves write performance without compromising data reliability or read performance.

（2）：副本节点选择

image.png

3：读流程

image.png（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：NameNode和SecondaryNameNode

1：工作流程

image.png

2：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。

（1）：NameNode启动

I：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。

II：客户端对元数据进行增删改的请求。

III：NameNode记录操作日志，更新滚动日志。

IV：NameNode在内存中对元数据进行增删改。

（2）：Secondary NameNode工作

I：Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。

II：Secondary NameNode请求执行CheckPoint。

III：NameNode滚动正在写的Edits日志。

IV：将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。

V：Secondary NameNode加载编辑日志和镜像文件到内存，并合并。

VI：生成新的镜像文件fsimage.chkpoint。

VII：拷贝fsimage.chkpoint到NameNode。

VIII：NameNode将fsimage.chkpoint重新命名成fsimage。

3：工作详解

Fsimage：NameNode内存中元数据序列化后形成的文件。
Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据）。
NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。然后，NameNode会在内存中执行元数据的增删改的操作。
由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。
SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了）。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。

4：Fsimage和Edits解析

image.png

（1）：oiv查看Fsimage文件

I：查看oiv和oev命令

hdfs
oiv            apply the offline fsimage viewer to an fsimage
oev            apply the offline edits viewer to an edits file

II：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

III：实操

hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml

（2）：oev查看Edits文件

I：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

II：实操

hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml

5：CheckPoint时间设置

hdfs-default.xml

（1）：通常情况下，SecondaryNameNode每隔一小时执行一次。

<property>
  <name>dfs.namenode.checkpoint.period</name>
  <value>3600s</value>
</property>

（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。

<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>

6：namenode故障处理

（1）：将SecondaryNameNode中数据拷贝到NameNode存储数据的目录

I：kill进程

jps kill -9 NameNode进程

II：删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）

rm -rf /opt/module/hadoop-3.1.3/data/dfs/name/*

III：拷贝SecondaryNameNode中数据到原NameNode存储数据目录

scp -r atguigu@hadoop104:/opt/module/hadoop-3.1.3/data/dfs/namesecondary/* ./name/

IV：重新启动NameNode

hdfs --daemon start namenode

六：datanode

1：工作机制

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（1小时）的向NameNode上报所有的块信息。

（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

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）：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。

3：掉线时限参数设置

image.png

（1）：修改hdfs-site.xml

注意：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>

4：服役新数据节点

（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-3.1.3/data和logs）

（4）：重新加载配置文件

source /etc/profile

（5）：具体步骤

I：直接启动DataNode，即可关联到集群

hdfs --daemon start datanode

II：在hadoop105上上传文件

III：如果数据不均衡，可以用命令实现集群的再平衡

在102上执行

./start-balancer.sh

5：退役旧数据节点

（1）：添加白名单和黑名单

白名单和黑名单是hadoop管理集群主机的一种机制。
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。添加到黑名单的主机节点，不允许访问NameNode，会在数据迁移后退出。
实际情况下，白名单用于确定允许访问NameNode的DataNode节点，内容配置一般与workers文件内容一致。 黑名单用于在集群运行过程中退役DataNode节点。

（2）：步骤

I：在NameNode节点的/opt/module/hadoop-3.1.3/etc/hadoop目录下分别创建whitelist 和blacklist文件

cd /opt/module/hadoop-3.1.3/etc/hadoop
touch whitelist
touch blacklist

II：whitelist里

hadoop102
hadoop103
hadoop104
hadoop105

III：在hdfs-site.xml配置文件中增加dfs.hosts和 dfs.hosts.exclude配置参数

<!-- 白名单 -->
<property>
<name>dfs.hosts</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/whitelist</value>
</property>
<!-- 黑名单 -->
<property>
<name>dfs.hosts.exclude</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/blacklist</value>
</property>

IV：分发配置文件whitelist，blacklist，hdfs-site.xml

my_rsync.sh hadoop/

V：重新启动集群(注意：105节点没有添加到workers，因此要单独起停)

hdfs –daemon start datanode

（3）：黑名单退役

vim blacklist

#添加内容
hadoop105

I：刷新NameNode、刷新ResourceManager

hdfs dfsadmin -refreshNodes
yarn rmadmin -refreshNodes

II：检查web浏览器，说明数据正在复制块到其他节点

image.png

III：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

image.png

IV：hadoop105关闭datanode

hdfs --daemon stop datanode
yarn --daemon stop nodemanager

V：如果数据不均衡，可以用命令实现集群的再平衡

#hadoop102执行
sbin/start-balancer.sh