HDFS
HDFS产出背景及定义
- 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
- HDFS定义
- HDFS（Hadoop Distributed File System），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
HDFS优缺点
优点
- 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
- 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
- 可构建在廉价机器上，透过多副本机制，提高可靠性
缺点
- 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
- 无法高效的对大量小文件进行存储
- 存储大量小文件的话，它会占用NameNode大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的内存总是有限的
- NameNode生产通常 128G 内存，一个文件块 150字节。因此 128 *1024*1024*1024/150≈9.1亿
- 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
- 存储大量小文件的话，它会占用NameNode大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的内存总是有限的
- 不支持并发写入、文件随机修改
- 一个文件只能有一个写，不允许多个线程同时写
- 仅支持数据append（追加），不支持文件的随机修改
HDFS组成架构
- NameNode（nm）：就是Master，他是一个主管，管理者
- 管理HDFS的名称空间
- 配置副本策略
- 管理数据块（Block）映射信息
- 处理客户端读写请求
- DateNode：就是Slave。NameNode下达命令，DataNode执行实际的操作
- 存储实际的数据块
- 执行数据块的读写操作
- Client：客户端
- 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
- 与NameNode交互，获取文件的位置信息
- 与DateNode交互，读取或者写入数据
- Client提供一些命令来管理HDFS，比如NameNode格式化
- Client通过一些命令来访问HDFS，比如对HDFS增删查改操作
- 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
- 辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode；
- 在紧急情况下，可辅助恢复NameNode
HDFS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Hadoop3.x版本中是128M
- block大小参考
- 如果寻址时间约为10ms，即查找到目标block的时间为 10ms
- 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
- 而目前磁盘的传输速率普遍为100MB/s
- 因此，block的大小 = 1s*100MB/s = 100MB
- 总结
- 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
- 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度
HDFS的Shell操作
- 基本语法
- hadoop fs 具体命令 OR hdfs dfs 具体命令
- 命令大全
hdfs dfs
hdfs dfs -help 命令
-
常用命令
-
上传
- -moveFromLocal：从本地剪切粘贴到 HDFS
hdfs dfs -moveFromLocal 本地路径 hdfs路径- -copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去
hdfs dfs -copyFromLocal 本地路径 hdfs路径- -put：等同于copyFromLocal，生产环境更习惯用 put
hdfs dfs -put 本地路径 hdfs路径- -appendToFIle：追加一个文件到已经存在的文件末尾
hdfs dfs -appendToFIle 本地路径 hdfs路径 -
下载
- -copyToLocal：从HDFS拷贝到本地
hdfs dfs -copyToLocal hdfs路径 本地路径- -get：等同于CopyToLocal，生产环境更习惯用get
hdfs dfs -get hdfs路径 本地路径 -
HDFS直接操作
- -ls 显示目录信息
hdfs dfs -ls hdfs路径- -cat 显示文件内容
hdfs dfs -cat 文件名- -chgrp、-chmod、-chown：Linux 文件系统中的用法一样，修改文件所属权限
hdfs dfs -chmod 666 文件 hdfs dfs -chown sry:sry 文件- mkdir 创建路径
hdfs dfs -mkdir 路径- -cp: 从HDFS的一个路径拷贝到 HDFS 的另一个路径
hdfs dfs hdfs路径1 hdfs路径2- -mv：在 HDFS 目录中移动文件
hdfs dfs -mv 路径1 路径2- -tail 显示一个文件的末尾 1kb 的数据
hdfs dfs -tail 文件- -rm 删除文件或文件夹
hdfs dfs -rm 文件/文件夹- -rm -r：递归删除目录及目录里面内容
hdfs dfs -rm -r hdfs路径- -du 统计文件夹的大小信息
hdfs dfs -du -s -h 文件夹 hdfs dfs -du -h 文件夹- -setrp 设置HDFS中文件的副本数量
- 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
hdfs dfs -setrep 副本数量 文件
-
HDFS的API操作
客户端环境准备
- 配置WIndows依赖文件夹
- 配置HADOOP_HOME 环境变量
- 配置Path环境变量
- 导入Maven工程依赖
<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>
- 在项目的 src/main/resources 目录下，新建一个文件，命名为 "log4j.properties"
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
- 创建包名：com.sry.hdfs
- 创建 HdfsClient类
public class HdfsClient {
@Test
public void testMkdirs() throws URISyntaxException, IOException, InterruptedException {
// 1 获取文件系统(注意是 hdfs)
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), conf, "atguigu");
//2.创建目录
fs.mkdirs(new Path("/xiyou/huaguoshan/"));
//3. 关闭资源
fs.close();
}
}
- 执行程序
- 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 会采用 Windows默认用户访问 HDFS，会报权限异常错误。所以在访问 HDFS 时，一定要配置用户
HDFS 文件上传
- 编写源代码
private FileSystem fs;
@Before
public void init() throws URISyntaxException, IOException, InterruptedException {
// 1 获取文件系统(注意是 hdfs)
Configuration conf = new Configuration();
fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), conf, "atguigu");
}
@After
public void close() throws IOException {
fs.close();
}
@Test
public void testPut() throws IOException {
// 参数解读：参数一：表示删除原数据；参数二：是否允许覆盖；参数三：原数据路径；参数四:目的地路径
fs.copyFromLocalFile(false,false,new Path("C:\\Users\\14481\\Desktop\\整合资料和内容\\计算机学习总结\\6.zookper\\zookeeper源码.md"), new Path("/xiyou/huaguoshan"));
}
@Test
public void testCopyFromLocalFile() throws URISyntaxException, IOException, InterruptedException {
// 1 获取文件系统
Configuration conf = new Configuration();
conf.set("dfs.replication","2");
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), conf, "atguigu");
//2 上传文件
fs.copyFromLocalFile(new Path("C:\\Users\\14481\\Desktop\\整合资料和内容\\计算机学习总结\\6.zookper\\zookeeper入门.md"),new Path("/xiyou/huaguoshan"));
//3 关闭资源
fs.close();
}
- 将 hdfs-site.xml 拷贝到项目的 resources 资源目录下
<?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>
-
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.服务器的自定义配置（hdfs-site.xml）> 4.服务器的默认配置（hdfs-default.xml）
HDFS 文件下载
@Test
public void testCopyToLocalFile(){
//执行下载操作
// boolean delSrc 指是否将原文件删除
// Path src 指要下载的文件路径
// Path dst 指将文件下载到的路径
// boolean useRawLocalFileSystem 是否开启文件校验
fs.copyToLocalFile(false,,new Path("/xiyou/huaguoshan/zookeeper入门.md"),new Path("C:\\Users\\14481\\Desktop" +
"\\整合资料和内容\\计算机学习总结\\6.zookper\\zookeeper入门.md") );
}
HDFS 文件更名和移动
@Test
public void testRename() throws IOException {
// 修改文件名称
fs.rename(new Path("/xiyou/huaguoshan/zookeeper入门.md"),new Path("/xiyou/huaguoshan/zookeeper入门1.md"));
}
HDFS删除文件和目录
@Test
public void testDelete() throws IOException {
// 执行删除：参数1：要删除的路径；参数2：是否递归删除
fs.delete(new Path("/xiyou"),true);
}
HDFS文件详情查看
- 查看文件名称、权限、长度、块信息
@Test
public void testListFiles() throws IOException {
//获取文件详情
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
while (listFiles.hasNext()){
LocatedFileStatus fileStatus = listFiles.next();
System.out.println("========"+fileStatus.getPath()+"========");
System.out.println(fileStatus.getPermission());
System.out.println(fileStatus.getOwner());
System.out.println(fileStatus.getGroup());
System.out.println(fileStatus.getLen());
System.out.println(fileStatus.getModificationTime());
System.out.println(fileStatus.getReplication());
System.out.println(fileStatus.getBlockSize());
System.out.println(fileStatus.getPath().getName());
// 获取块信息
BlockLocation[] blockLocations = fileStatus.getBlockLocations();
System.out.println(Arrays.toString(blockLocations));
}
}
HDFS 文件和文件夹判断
@Test
public void testFile() throws IOException {
FileStatus[] listStatus = fs.listStatus(new Path("/"));
for (FileStatus status : listStatus) {
if (status.isFile()) {
System.out.println("文件：" + status.getPath().getName());
} else {
System.out.println("目录：" + status.getPath().getName());
}
}
}
HDFS的读写流程（面试重点）
HDFS写数据流程
-
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
-
NameNode 返回是否可以上传
-
客户端请求第一个 Block（0~128M）上传到哪几个 DataNode 服务器上
-
NameNode 返回 3 个DataNode 节点，分别为 dn1、dn2、dn3
-
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
-
dn1、dn2、dn3 逐级应答客户端
-
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（64k） 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
- Packet为64k，由512字节的chunk和4字节的chunk组成
-
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）
-
tips：
-
在 HDFS 的写入流程中，数据被分成大小为 64KB 的数据包（packet）进行传输。每个数据包由多个大小为 512 字节的块（chunk）组成，每个块后面跟有 4 字节的校验和（checksum）。
-
校验和用于检测数据在传输过程中是否发生损坏。HDFS 使用 CRC-32 算法来计算每个块的校验和。CRC-32 算法产生的校验和大小为 4 字节。
-
块的大小为 512 字节是因为这是 HDFS 默认的块大小。HDFS 允许用户在配置文件中自定义块大小，但默认值为 512 字节。
综上所述，在 HDFS 的写入流程中，每个数据包由多个大小为 512 字节的块组成，每个块后面跟有 4 字节的校验和，用于检测数据在传输过程中是否发生损坏。
-
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 DateNode 接收数据。
- 节点距离：两个节点到达最近的共同祖先的距离总和
- 副本存储节点选择
- 本地节点
- 其他机架一个节点
- 其他机架另一个节点
- Hadoop3.1.3
HDFS 读数据流程
- 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
- 挑选一台 DataNode （就近原则，然后随机）服务器，请求读取数据
- 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）
- 客户端以 Packet 为单位接受，先在本地缓存，然后写入目标文件
NameNode
NN 和 2NN工作机制
- NameNode的元数据如果只存在内存中，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Fslmage。
- 当元数据更新时，如故宫同时更新Fslmage，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 Fslmage 和 Edits 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 Fslmage 和 Edits 的合并
NameNode工作机制
第一阶段：NameNode启动
- 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
- 客户端对元数据进行增删改的请求
- NameNode 记录操作日志，更新滚动日志
- NameNode 在内存中对元数据进行增删改
第二阶段：Secondary NameNode 工作
- Secondary NameNode 询问 NameNode是否需要CheckPoint。直接带回 NameNode 是否检查结果
- CheckPoint 触发条件
- 定时时间到
- Edits中的数据满了
- CheckPoint 触发条件
- Secondary NameNode 请求执行 CheckPoint
- NameNode 滚动正在写的 Edits 日志
- 将滚动前的编辑日志和镜像文件拷贝到 Secondary NameNode
- Secondary NameNode 加载编辑日志和镜像文件到内存，并合并。
- 生成新的镜像文件 fsimage.chkpoint
- 拷贝 fsimage.chkpoint 到 NameNode
- NameNode 将 fsimage.chkpoint 重新命名成 fsimage
Fsimage 和 Edits概念
- NameNode 被格式化之后，将在./hadoop-3.1.3/data/dfs/name/current目录中产生如下文件：
- fsimage_0000000000000001773
- fsimage_0000000000000001773.md5
- seen_txid
- VERSION
- 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
- 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
- seen_txid文件保存的是一个数字，就是最后一个edis_的数字
- VSERSION
- namespaceID=364085406
- namenode ID
- clusterID=CID-4047b282-4a27-4616-b996-6e97c31d669a
- 集群 ID
- cTime=1653308124388
- storageType=NAME_NODE
- blockpoolID=BP-38934431-192.168.10.102-1653308124388
- layoutVersion=-64
- namespaceID=364085406
- 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
oiv 查看 Fsimage 文件
- 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
- 基本语法
hdfs oiv -p 文件类型 -i 镜像类型 -o 转换后文件输出路径
CheckPoint 时间设置
-
通常情况下，SecondaryNameNode 每隔一小时执行一次
- [hdfs-default.xml]
<property> <name>dfs.namenode.checkpoint.period</name> <value>3600s</value> </property> -
一分钟检查一次操作数，当操作次数达到1百万时，Secondary NameNode 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>
DataNode
DataNode工作机制
- 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
- 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
- DN 向 NN 汇报当前解读信息的时间间隔，默认 6 小时
<property>
<name>dfs.blockreport.intervalMsec</name>
<value>21600000</value>
<description>Determines block reporting interval in milliseconds.</description>
</property>
- DN扫描自己节点块信息列表的时间，默认6小时
<property>
<name>dfs.datanode.directoryscan.interval</name>
<value>21600s</value>
<description>Interval in seconds for Datanode to scan data
directories and reconcile the difference between blocks in memory and on the disk.
Support multiple time unit suffix(case insensitive), as described
in dfs.heartbeat.interval.
</description>
</property>
- 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
- 集群运行中可以安全加入和退出一些机器
数据完整性
- 当DataNode读取Block的时候，它会计算CheckSum
- 如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏
- Client读取其他DataNode上的Blcok
- 常见的校验算法 crc(32),md5(128),shal(160)
- DataNode 在其文件创建后周期验证CheckSum
掉线时限参数设置
DataNode掉线时限参数设置
- 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 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval
- 而默认的 dfs.namenode.heartbeat.recheck-interval 大小为5分钟，dfs.heartbeat.interval 默认为3秒
- 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>