HDFS分布式文件存储系统详解
HDFS简介
一、HDFS：Hadoop Distributed File System
1. 一个分布式文件系统
2. 基于流数据模式访问和处理超大文件的需求而开发的
3. 适合应用在大规模数据集上
1.处理超大文件
能用来存储管理PB级的数据 1PB = 1024TB
2.处理非结构化数据、半结构化数据、结构化数据
流式的访问数据
一次写入、多次读取
3.运行于廉价的商用机器集群上
可运行在低廉的商用硬件集群上
故障时能继续运行且不让用户察觉到明显的中断
局限性/缺点：
对于低延时的访问需求，HBase是更好的选择
小文件会给Hadoop的扩展性和性能带来严重问题
利用SequenceFile、MapFile等方式归档小文件
3.不支持多用户对一个文件同时写入及任意修改文件
只有一个写入者，只能执行追加操作
不支持多个用户对同一文件的写操作，以及在文件任意位置进行修改
HDFS特性
一、高容错，可扩展性及可配置性强
二、跨平台
三、shell命令接口
四、机架感知功能
五、负载均衡
六、Web界面
HDFS目标
1.检测和快速恢复硬件故障
故障的检测和快速自动恢复是HDFS的一个核心目标
2.流式数据访问设计成适合进行批量处理
重视数据吞吐量，而不是数据访问的反应速度
3.大规模数据集支持大文件存储
一个单一的HDFS实例能支撑数以千万计的文件
4.简化一致性模型对文件实行一次性写入，多次读取的访问模式
5.移动计算代价比移动数据代价低
一个应用请求的计算，离它操作的数据越近就越高效，这在数据达到海量级别的时候更是如此
6.可移植性HDFS在设计时就考虑到平台的可移植性，这种特性方便了HDFS作为大规模数据应用平台的推广
7.通信协议所有的通信协议都是在TCP/IP协议之上的
HDFS核心设计
数据块（Block）
数据块是HDFS上最基本的存储单位
HDFS块默认大小为128M （2.0为128M，1.0为64M）
小于一个块大小的文件不会占据整个块的空间
hadoop fsck /sogou.500w.utf8 -files -locations -blocks对块进行抽象会带来的好处
一个文件的大小可以大于网络中任意一个磁盘的容量
使用块抽象而不是文件可以简化存储子系统
块非常适合用于数据备份进而提供数据容错能力和可用性
HDFS为了做到可靠性（reliability）创建了多份数据块（计算节点中（compute data blocks）的复制（replicas），并将它们放置在服务器群的nodes），MapReduce就可以在它们所在的节点上处理这些数据了。
HDFS将每个文件存储成块（Block）序列
每个文件的Block大小和复制（Replication）因子都是可配置的 hdfs-site.xml数据副本的存放策略
数据分块存储和副本的存放，是保证可靠性和高性能的关键
将每个文件的数据进行分块存储
每一个数据块又保存有多个副本
这些数据块副本分布在不同的机器节点上
在多数情况下，HDFS默认的副本系数是3
Hadoop默认对3个副本的存放策略第一块：在本机器的HDFS目录下存储一个Block
第二块：不同Rack(机架)的某个DataNode上存储一个Block
第三块：在该机器的同一个Rack下的某台机器上存储最后一个Block
更能多副本：随机节点
如图所示：
设置集群Block的备份数
方法一：配置文件hdfs-site.xml
方法二：通过命令修改备份数
bin/hadoop fs -setrep -R 1 /
注意：方法二可以改变整个HDFS里面的备份数，不需要重启HDFS系统，
而方法一需要重启HDFS系统才能生效。
安全模式(SafeMode)
安全模式是Hadoop集群的一种保护模式
NameNode在启动时会自动进入安全模式，也可以手动进入。
当系统处于安全模式时，会检查数据块的完整性。
用命令来操作安全模式
hadoop dfsadmin -safemode leave //强制NameNode退出安全模式
hadoop dfsadmin -safemode enter //进入安全模式
hadoop dfsadmin -safemode get //查看安全模式状态
hadoop dfsadmin -safemode wait //等待，一直到安全模式结束
负载均衡
机器与机器之间磁盘利用率不平衡是HDFS集群非常容易出现的情况
尤其是在DataNode节点出现故障或在现有的集群上增添新的DataNode的时候
分析数据块分布和重新均衡DataNode上的数据分布的工具
$HADOOP_HOME/bin/start-balancer.sh -t 10%
负载均衡
负载均衡程序作为一个与独立的进程NameNode进程分开执行
心跳机制
机架感知
大型Hadoop集群是以机架的形式来组织的
同一个机架上不同节点间的网络状况比不同机架之间的更为理想
默认情况下，Hadoop的机架感知是没有被启用的
启用机架感知功能，在NameNode所在机器的core-site.xml中配置一个选项：
HDFS体系结构
Master/Slave架构
文件切分成块（默认大小128M），以块为单位，每个块有多个副本存储在不同的机器上，副本数可在文件生成时指定（默认3）
NameNode是主节点，存储文件的元数据如文件名，文件目录结构，文件属性（生成时间,副本数,文件权限），以及每个文件的块列表以及块所在的DataNode等等
DataNode在本地文件系统存储文件块数据，以及块数据的校验
主要组件的功能
NameNode |
DataNode |
存储元数据 |
存储文件内容 |
元数据保存在内存中 |
文件内容保存在磁盘 |
保存文件,block ，datanode之间的映射关系 |
维护了block id到datanode本地文件的映射关系 |
Namenode是一个中心服务器，单一节点，负责管理文件系统的名字空间(namespace)以及客户端对文件的访问
文件操作，NameNode负责文件元数据的操作，DataNode负责处理文件内容的读写请求，数据流不经过NameNode，只会询问它跟那个DataNode联系
副本存放在那些DataNode上由NameNode来控制，根据全局情况做出块放置决定，读取文件时NameNode尽量让用户先读取最近的副本，降低带宽消耗和读取时延
NameNode全权管理数据块的复制，它周期性地从集群中的每个DataNode接收心跳信号和块状态报告(BlockReport)。接收到心跳信号意味着该DataNode节点工作正常。块状态报告包含了一个该DataNode上所有数据块的列表。
DataNode
一个数据块在DataNode上以文件存储在磁盘上，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（1小时）的向NameNode上报所有的块信息
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NameNode没有收到某个DataNode 的心跳信息，则NameNode认为该DataNode节点已死亡不可用。
SecondaryNameNode
辅助的NameNode
周期性将EditsLog文件合并
工作原理，如图所示
工作流程
secondarynamenode通知namenode切换edits文件
secondarynamenode从namenode获得fsimage和edits(通过http)
secondarynamenode将fsimage载入内存，然后开始合并edits
secondarynamenode将新的fsimage发回给namenode
namenode用新的fsimage替换旧的fsimage
什么时候checkpiont
fs.checkpoint.period 指定两次checkpoint的最大时间间隔，默认3600秒。
fs.checkpoint.size 规定edits文件的最大值，一旦超过这个值则强制checkpoint，不管是否到达最大时间间隔。默认大小是64M
数据损坏处理
当DN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，说明该block已经损坏。
client读取其它DN上的block；NN标记该块已经损坏，然后复制block达到预期设置的文件备份数；
DN在其文件创建后三周验证其checksum。
HDFS文件权限
与Linux文件权限类似
r: read; w:write; x:execute，权限x对于文件忽略，对于文件夹表示是否允许访问其内容
如果Linux系统用户zhangsan使用hadoop命令创建一个文件，那么这个文件在HDFS中owner是zhangsan
HDFS的权限目的：阻止好人做错事，而不是阻止坏人做坏事。HDFS相信，你告诉我你是谁，我就认为你是谁
Root 用户只能查看，不能写入
hadoop dfs -chmod 777 /