Hadoop基础学习笔记系列（六）HDFS架构

概览

• 可扩展的分布式文件系统

• 将数据以节点形式分布在本地磁盘上

• 高度容错：可以使用低成本商业硬件

• 数以千计的节点：需要处理节点或硬盘的failure

• 轻量级

• 高流通量

Approach：

• 一致性模型：写一次读多次
• 数据复制：可以处理硬件failure
• 将计算放在数据附近
• 放宽一部分POSIX约束,来实现流式读取文件系统数据的目的。

可移植操作系统接口（英语：Portable Operating System Interface，缩写为POSIX）是IEEE为要在各种UNIX操作系统上运行软件，而定义API的一系列互相关联的标准的总称。什么是POSIX？ - 问答 - 云+社区 - 腾讯云 (tencent.com)

• 单个NameNode：管理文件系统的命名空间以及用户访问文件的规范，追踪情况
• 多个DataNode：一般每个节点有一个DataNode。管理存储、为用户提供读写request，数据块的增删改

性能范围

• 给定文件大小决定block的数量
• 受块大小影响的关键HDFS和系统组件

块大小

• 默认为64MB
• 10GB文件会被分为：10*1024/64=160块

为什么块很重要？

• Namenode内存使用：每个块都代表一个object
• map task的数量是基于块的数量的

为什么最好不要有很多很小的文件？

• 内存使用：基本上每个object有150byte大小
• 网络加载：check这些datanode的状态会加重网络负担
• Map task：会产生许多排队任务，延迟，硬盘读写的效率低下
  解决方法for大量小文件：
• 合并文件
• 序列文件？（sequence file）：文件名作为key，data作为value
• HBase&Hive
• CombineFileInputFormatCombineFileInputFormat 文件分片总结_程序员小陶的大数据分享-CSDN博客

我们并不希望一个小文件就产生一个 map 任务，为了有效利用集群资源，优化任务的执行。CombineFileInputFormat通过将多个“小文件”合并为一个"切片"（在形成切片的过程中也考虑同一节点、同一机架的数据本地性），让每一个Mapper任务可以处理更多的数据，从而提高MR任务的执行速度。

HDFS读写过程

写过程

1. 用户请求创建文件，数据首先被缓存在本地
2. 数据积累到block的size时联系namenode，获得进一步的信息。
3. namenode反馈一组datanodes（namenode是机架感知的）
   机架感知(RackAwareness)IT探的博客-CSDN博客_机架感知

机架感知是一种计算不同计算节点（TaskTracker）的距离的技术，用以在任务调度过程中尽量减少网络带宽资源的消耗，这里用尽量，想表达的是当一个TT（TaskTracker）申请不到本地化任务时，JT（JobTracker）会尽量调度一个机架的任务给他，因为不同机架的网络带宽资源比同一个机架的网络带宽资源更可贵。

数据一共复制三份（三个datanode），第一份在client所在的机架（rack）上，后两份在另一个机架上。
4. 第一个datanode接受client的data并写入本地，并且同时将data传递至下一个datanode——是一个pipeline
5. namenode提交文件创建（持续状态）
6. namenode接收heartbeat和节点报告: Hadoop-2.4.1源码分析–HDFS HeartBeat(心跳检测)整体结构_HelloWorld-CSDN博客_hadoop heartbeat

心跳就是HDFS中从节点DataNode周期性的向名字节点NameNode做汇报，汇报自己的健康情况、负载状况等，并从NameNode处领取命令在本节点执行，保证NameNode这一HDFS指挥官熟悉HDFS的全部运行情况，并对从节点DataNode发号施令，以完成来自外部的数据读写请求或内部的负载均衡等任务。

读过程

1. client从namenode处获得datanode列表
2. HDFS寻找离reader最近的replica

HDFS调优参数

0 调优

调优环境通常在HDFS XML配置文件中，例如HDFS -site. XML中。一般的商业供应商会提供一些管理控制台。

1 HDFS Block Size

可以根据workload改变，例如128MB
dfs.blocksize或dfs.block.size

2 HDFS Replication

默认是3，dfs.replication
tradeoffs:

• 降低会减少复制的成本
• 减低健壮性：难以恢复数据
• 提高会导致更多的worker可以使用本地数据
• 降低可以获得更多的空余空间

3 NameNode，DataNode system

基本不需要更改，更多可以看这个网页：
https://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml

4 栗子：分布式复制

并行文件系统中复制32个文件（总大小：512GB）
改变map和node数量

HDFS健壮性

健壮性如何达到？

failure：

• DataNode Failure：服务器宕机、磁盘损坏、数据损坏
• Network Failure
• NameNode Failure：磁盘故障、节点故障
  减少failure：
• 周期性的heartbeat：从datanode到namenode
  • 如果最近失去了heartbeat：
    • 标记为dead，不再发送IO
    • 在另一个节点上重新复制
• checksum（Hadoop数据完整性与CheckSum校验原理_雾幻的博客-CSDN博客_hadoop 文件校验）

检测数据是否损坏的常见措施是，在数据第一次引入系统时计算校验和(checksum)并存储，在数据进行传输后再次计算校验和进行对比，如果计算所得的新校验和和原来的校验和不匹配，就认为数据已损坏。但该技术并不能修复数据——它只能检测出数据错误。（这正是不使用低端硬件的原因。具体说来，一定要使用ECC内存。）注意，校验和也是可能损坏的，不只是数据，但由于校验和比数据小得多，所以损坏的可能性非常小。

• • 创建文件时计算，存储在HDFS的命名空间
  • 读文件时进行校验，如果和创建文件时的checksum不一样的话就从其他replica读取
• copy一些namenode（metadata）默认是人工切换。