HDFS概述

1.HDFS架构

1.Client：客户端

• 将文件切分成一个个的Block，进行存储
• 与NameNode进行交互，获取文件的位置信息
• 与DataNode进行交互，读取或追加数据
• 通过命令来管理HDFS，如开启或关闭集群start-dfs.sh、stop-dfs.sh
• 通过命令访问HDFS

2.NameNode：HDFS的管理者（命令发布者）

• 管理HDFS的命名空间
• 管理数据块(Block)的映射信息
• 配置副本策略
• 处理客户端的读写请求

3.DataNode：HDFS的执行者（命令执行者）

• 存储实际的数据块
• 执行数据块的读/写操作

4.SecondaryNameNode：辅助NameNode

f

• 辅助NameNode分担其工作量
• 定期合并清洗整理fsimage和edits发送给NameNode
• 紧急情况下，帮助NameNode恢复数据，但是不能代替NamaNode工作

5.HDFS的Block块大小问题

Hadoop1中默认块大小为64M，Hadoop2以后版本默认大小调整为128M，生产环境中一般为256M或512M

Block块过小，文件的数量增大，NameNode的压力会变大，文件查找时间也会变长

Block块过大，读取文件的时间会变长

2.HDFS基本操作命令

HDFS的所有操作命令均以hdfs dfs 具体命令构成（另外两种语法hadoop dfs 命令、hadoop fs 命令）

1.-help

#查看该命令帮助文档
具体命令 -help
hdfs dfs -help

2.-ls

#显示某路径下的目录信息
hdfs dfs ls 路径（相对路径或绝对路径）
hdfs dfs ls /etc

3.-mkdir

#在该路径下面创建一个文件夹
hdfs dfs -mkdir 路径
hdfs dfs -mkdir /root

4.-moveFromLocal

#从本地剪切到HDFS
hdfs dfs -moveFromLocal 本地路径 HDFS路径
hdfs dfs -moveFromLocal /root/a.txt /

5.列举

诸如此类的命令还有很多，用法大同小异，笔者这里就不逐个列举了，只写明指令的作用。

#追加一个文件到已存在文件的末尾
hdfs dfs -appendToFile 本地文件路径 目标文件路径
#显示文件内容
hdfs dfs -cat 文件路径（具体到文件名称）
#显示文件末端10行
hdfs dfs -tail 文件路径（具体到文件名称）
#修改使用者权限
hdfs dfs -chgrp +r 文件
hdfs dfs -chown +r 文件
hdfs dfs -chmod +r 文件
#从本地拷贝文件到HDFS中
hdfs dfs -copyFromLocal 本地路径 目标路径
#从HDFS拷贝到本地
hdfs dfs -copyToLocal 文件 本地路径
#从HDFS的一个路径拷贝到另一个路径
hdfs dfs -cp 路径 路径
#在HDFS中移动文件
hdfs dfs -mv 路径 路径
#从HDFS下载文件
hdfs dfs -get HDFS路径 本地路径
#多个文件打包下载
hdfs dfs -getmerge HDFS路径 本地路径
#上传文件
hdfs dfs -put 本地路径 目标路径
#设置HDFS文件副本数量
hdfs dfs -setrep 文件 数量

3.HDFS文件的读写流程

1.HDFS文件的写入流程

2.HDFS文件的读取流程

4.NameNode和SecondaryNameNode的工作机制

1.NameNode的工作机制

• 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在内存中对数据进行增删改

2.SecondaryNameNode的工作机制

• Secondary NameNode询问NmaeNode是否需要checkpoint。直接带回NameNode是否检查结果。

• 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NmaeNode

• NmaeNode将fsimage.chkpoint重新命名成fsimage

简单的总结就是，NameNode负责对数据文档的上传、追加、下载等做好记录，Secondary NameNode负责周期性的去拷贝NameNode中的元数据，并对数据进行清洗、整理、合并之后在发送给NameNode，协助NameNode工作

3.集群的安全模式

• Namenode启动时，首先将映像文件（fsimage）载入内存，并执行编辑日志（edits）中的各项操作。一旦在内存中成功建立文件系统元数据的映像，则创建一个新的fsimage文件和一个空的编辑日志。此时，NmaeNode开始监听DataNode请求。但是此刻，NmaeNode运行在安全模式，即NmaeNode的文件系统对于客户端来说是只读的。
• 系统中的数据块的位置并不是由NmaeNode维护的，而是以块列表的形式存储在DataNode中。在系统的正常操作期间，NmaeNode会在内存中保留所有块位置的映射信息。在安全模式下，各个DataNode会向NmaeNode发送最新的块列表信息，NmaeNode了解到足够多的块位置信息之后，即可高效运行文件系统。
• 如果满足“最小复本条件”，NmaeNode会在30秒钟之后就退出安全模式。所谓的最小复本条件指的是在整个文件系统中99.9%的块满足最小复本级别（默认值：dfs.replication.min=1）。在启动一个刚刚格式化的HDFS集群时，因为系统中还没有任何块，所以NmaeNode不会进入安全模式。

集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。

相关语法：

hdfs dfsadmin -safemode get	    （功能描述：查看安全模式状态）
hdfs dfsadmin -safemode enter  	（功能描述：进入安全模式状态）
hdfs dfsadmin -safemode leave	（功能描述：离开安全模式状态）
hdfs dfsadmin -safemode wait	（功能描述：等待安全模式退出）

5.DataNode工作机制

1.DataNode的工作机制

• 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NmaeNode注册，通过后，周期性（1小时）的向NmaeNode上报所有的块信息。
• 心跳是每3秒一次，心跳返回结果带有NmaeNode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。

2.数据完整性校验

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. 这时客户端读取其他DataNode上备份的Block。
4. DataNode会在其文件创建后周期验证checksum。
5. 校验采用crc算法校验

3.文件快照

快照相当于对目录做一个备份。并不会立即复制所有文件，而是当文件发生写入或修改变化时才会产生新的文件。

#基本语法
hdfs dfsadmin -allowSnapshot 路径   （功能描述：开启指定目录的快照功能）
hdfs dfsadmin -disallowSnapshot 路径 （功能描述：禁用指定目录的快照功能，默认是禁用）
hdfs dfs -createSnapshot 路径        （功能描述：对目录创建快照）
hdfs dfs -createSnapshot 路径 名称   （功能描述：指定名称创建快照）
hdfs dfs -renameSnapshot 路径 旧名称 新名称 （功能描述：重命名快照）
hdfs lsSnapshottableDir         （功能描述：列出当前用户所有可快照目录）
hdfs snapshotDiff 路径1 路径2 （功能描述：比较两个快照目录的不同之处）
hdfs dfs -deleteSnapshot <path> <snapshotName>  （功能描述：删除快照）