Hadoop分布式文件系统HDFS

参考：尚硅谷大数据Hadoop 3.x

1 HDFS概述

1.1 HDFS定义

HDFS（Hadoop Distributed File System），它是一个文件系统，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 的适用场景：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。

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

1.2 HDFS优缺点

1.2.1 优点

高容错性

image-20211107160900384

适合处理大数据

1. 数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据
2. 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

1.2.2 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

1. 存储大量小文件的话，它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的，因为NameNode的内存总是有限的
2. 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

不支持并发写入、文件随机修改

1. 一个文件只能有一个写，不允许多个线程同时写
2. 仅支持数据append（追加），不支持文件的随机修改

1.3 HDFS组成架构

image-20211107123345141

1.3.1 NameNode（nn）

就是Master，它是一个主管、管理者。
（1）管理HDFS的名称空间；
（2）配置副本策略；
（3）管理数据块（Block）映射信息；
（4）处理客户端读写请求。

1.3.2 DataNode（dn）

就是Slave，NameNode下达命令，DataNode执行实际的操作。
（1）存储实际的数据块；
（2）执行数据块的读/写操作。

1.3.3 Client

就是需要使用HDFS能力的客户端。
（1）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；
（2）与NameNode交互，获取文件的位置信息；
（3）与DataNode交互，读取或者写入数据；
（4）Client提供一些命令来管理HDFS，比如NameNode格式化；
（5）Client可以通过一些命令来访问HDFS，比如对HDFS增删查改操作。

1.3.4 Secondary NameNode（2nn）

并非NameNode的热备份。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
（1）辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode ；
（2）在紧急情况下，可辅助恢复NameNode。

1.4 HDFS的文件块

1.4.1 分块存储的默认大小 (128M)

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Hadoop2.x/3.x版本中是128M，1.x版本中是64M。

1.4.2 分块大小的设置依据：磁盘传输速率

image-20211107162041544

已知：

1. 寻址时间为10ms（找到目标block的时间）
2. 寻址时间为文件传输时间的1%为最佳效率
3. 目前磁盘的传输速率普遍为100MB/s

可知：

1. 文件传输时间 = 10ms * 100 = 1s
2. block大小 = 1s * 100MB/s = 100MB ~= 128MB

总结：

HDFS块的大小设置主要取决于磁盘传输速率

1.4.3 为什么块大小不能太大也不能太小

1. 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
2. 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

---

2 HDFS客户端命令

见之前总结的文档

---

3 HDFS API

3.1 Maven依赖

    
        org.apache.hadoop
        hadoop-client
        3.1.3
    

    
        org.apache.hadoop
        hadoop-hdfs
        3.1.3
    

    
        org.apache.hadoop
        hadoop-hdfs-client
        3.1.3
        provided
    

3.2 Demo 建文件夹、上传文件、展示文件信息

package com.newer.hdfs;

/**
 * @author newerchen
 * @create 2021-06-27-14:23
 */

import org.apache.hadoop.fs.*;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import java.util.Arrays;

import org.apache.hadoop.conf.Configuration;


/**
 * 客户端代码套路：
 * 1.获取一个客户端对象
 * 2.执行相关的操作命令
 * 3.关闭资源
 * HDFS Zookeeper
 */
public class HdfsClient {

    private FileSystem fs;

    @Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        URI uri = new URI("hdfs://hadoop102:8020");
        Configuration conf = new Configuration();
        fs = FileSystem.get(uri, conf, "cjx");
    }

    @After
    public void close() throws IOException {
        fs.close();
    }

    @Test
    public void testMkdir() throws URISyntaxException, IOException, InterruptedException {
        fs.mkdirs(new Path("/xiyou/huoyanshan"));
    }

    @Test
    public void testPut() throws IOException {
        fs.copyFromLocalFile(
                false,
                false,
                new Path("C:\\Users\\Huawei\\Desktop\\孙悟空.txt"),
                new Path("/xiyou/huaguoshan")
        );
    }

    @Test
    public void fileDetail() throws IOException {
        RemoteIterator fd = fs.listFiles(new Path("/xiyou/huaguoshan"), true);
        while (fd.hasNext()) {
            LocatedFileStatus file = fd.next();
            System.out.println("------------" + file.getPath() + "------------");
            System.out.println(file.getPermission());
            System.out.println(file.getGroup());
            System.out.println(file.getLen());
            System.out.println(file.getPath().getName());
            BlockLocation[] bl = file.getBlockLocations();
            System.out.println(Arrays.toString(bl));
        }
    }
}

注：

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。

3.3 其他API

// 获取hdfs文件系统
URI uri = new URI("hdfs://hadoop102:8020");
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(uri, conf, "cjx");

3.3.1 文件上传

// 上传文件
fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new Path("/xiyou/huaguoshan")); 

3.3.2 文件下载

fs.copyToLocalFile(false, new Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("d:/sunwukong2.txt"), true); 

3.3.3 文件更名、移动

fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("/xiyou/huaguoshan/meihouwang.txt")); 

3.3.4 删除文件和目录

fs.delete(new Path("/xiyou"), true);

3.3.5 文件详情查看

RemoteIterator listFiles = fs.listFiles(new Path("/"), true);
while (fd.hasNext()) {
    LocatedFileStatus file = fd.next();
    System.out.println("------------" + file.getPath() + "------------");
    System.out.println(file.getPermission());
    System.out.println(file.getGroup());
    System.out.println(file.getLen());
    System.out.println(file.getPath().getName());
    BlockLocation[] bl = file.getBlockLocations();
    System.out.println(Arrays.toString(bl));
}

3.3.6 文件和文件夹判断

// 判断是文件还是文件夹
FileStatus[] listStatus = fs.listStatus(new Path("/")); 
for (FileStatus fileStatus : listStatus) { 
    if (fileStatus.isFile()) {
        ...todo...
    }
}

3.3.7 关闭资源

// 关闭资源
fs.close();

3.4 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）然后是服务器的自定义配置（xxx-site.xml） >（4）服务器的默认配置（xxx-default.xml）

测试：

1）源代码，设置文件备份数量为2

@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
    // 1 获取文件系统
    Configuration configuration = new Configuration(); 
    configuration.set("dfs.replication", "2");
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "atguigu"); 
    // 上传文件
     fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new Path("/xiyou/huaguoshan")); 
    // 关闭资源
    fs.close();
}

2）将hdfs-site.xml 拷贝到项目的resources 资源目录下

 

 
    
        dfs.replication
        1
    

---

4 HDFS的读写流程

4.1 HDFS写数据流程

image-20211107171400406

4.1.1 写数据流程

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）

4.1.2 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DataNode 接收数据。那么这个最近距离怎么计算呢？

节点距离：两个节点到达最近的共同祖先的距离总和

image-20211107172109586

4.1.3 机架感知（副本存储节点选择）

官方说明

在大多数情况下，副本系数是3，HDFS的存放策略是，若客户端是本集群的一个datanode，则将第一个副本存放在该datanode节点上，否则存放在该机架的随机节点上；第二个副本存放在另一个机架的随机节点上，最后一个副本放在第二个副本所在机架的另一个节点上。这种策略减少了机架间的数据传输，提高了写操作的效率。机架的错误远远比节点的错误少，所以这种策略不会影响到数据的可靠性和可用性。与此同时，因为数据块只存放在两个不同的机架上，所以此策略减少了读取数据时需要的网络传输总带宽。在这种策略下，副本并不是均匀的分布在不同的机架上：三分之一的副本在一个节点上，三分之二的副本在一个机架上，其它副本均匀分布在剩下的机架中，这种策略在不损害数据可靠性和读取性能的情况下改进了写的性能。

image-20211107173117558

4.2 HDFS读数据流程

image-20211107174005919

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

---

5 NameNode(NN)和Secondary NameNode(2NN)的工作机制

5.1 NN和2NN工作机制

5.1.1 元数据存在NN内存，备份于磁盘FsImage

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。

元数据存放在NameNode的内存中，并在磁盘中有一个备份，称为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。

元数据发生变化时，改变会写入Edits文件，通过FsImage 和Edits 的合并可以得到最新的元数据

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。

SecondaryNamenode节点负责定时进行FsImage 和Edits 的合并

5.1.2 NN和2NN的工作机制

image-20211107175014478

第一阶段：NameNode启动

1. 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
2. 客户端对元数据进行增删改的请求
3. NameNode 记录操作日志，更新滚动日志
4. NameNode 在内存中对元数据进行增删改

第二阶段：Secondary NameNode工作

1. Secondary NameNode 询问NameNode 是否需要CheckPoint。直接带回NameNode是否检查结果
2. Secondary NameNode 请求执行CheckPoint
3. NameNode 滚动正在写的Edits 日志
4. 将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode
5. Secondary NameNode 加载编辑日志和镜像文件到内存，并合并
6. 生成新的镜像文件fsimage.chkpoint
7. 拷贝fsimage.chkpoint 到NameNode
8. NameNode 将fsimage.chkpoint 重新命名成fsimage

5.2 Fsimage和Edits解析

5.2.1 Fsimage和Edits的概念

NameNode被格式化之后，将在/opt/module/hadoop-3.1.3/data/tmp/dfs/name/current目录中产生如下文件：

fsimage_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION

1. 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
2. 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
3. seen_txid文件保存的是一个数字，就是最后一个edits_的数字
4. 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

5.2.2 oiv命令查看FsImage文件

oiv命令可以将FsImage文件转换为我们可阅读的文件。

基本语法：

hdfs oiv -p 输出文件类型 -i FsImage镜像文件 -o 转换后文件输出路径

案例：

[atguigu@hadoop102 current]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/name/current

[atguigu@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml

[atguigu@hadoop102 current]$ cat /opt/module/hadoop -3.1.3/fsimage.xml

显示的xml文件内容：

    16386
    DIRECTORY 
    user 
    1512722284477 
    atguigu:supergroup:rwxr-xr-x 
    -1 
    -1 


    16387 
    DIRECTORY 
    atguigu 
    1512790549080 
    atguigu:supergroup:rwxr-xr-x 
    -1 
    -1 

 
    16389 
    FILE 
    wc.input 
    3 
    1512722322219 
    1512722321610134217728 
    atguigu:supergroup:rw-r--r-- 
     
         
            1073741825 
            1001 
            59 
        
    

思考：可以看出，Fsimage中没有记录块所对应的DataNode，这是因为在集群启动后，要求DataNode上报数据块信息，并间隔一段时后再次上报

5.2.3 oev命令查看Edits文件

基本语法：

hdfs oev -p 输出文件类型 -i edits编辑日志 -o 转换后文件输出路径

实操：

[atguigu@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml 

[atguigu@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml 

显式的xml文件内容：

image-20211107182303342

image-20211107182332769

5.3 CheckPoint时间设置

通常情况下， SecondaryNameNode每隔一小时执行一次：

见hdfs-default.xml配置文件：

 
     dfs.namenode.checkpoint.period
     3600s 

此外，还可设置为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：

    dfs.namenode.checkpoint.txns
    1000000
    操作动作次数


  
dfs.namenode.checkpoint.check.period
    60s
    1分钟检查一次操作次数

---

6 DataNode工作机制

6.1 DN工作机制

image-20211107183130535

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（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

hdfs-default.xml配置文件：

    dfs.blockreport.intervalMsec
    21600000
    Determines block reporting interval in milliseconds.

DN 扫描自己节点块信息列表的时间，默认6 小时

    fs.datanode.directoryscan.interval
    21600s
    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.

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

6.2 数据完整性

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

image-20211107183836857

6.3 掉线时限参数设置

image-20211107183855491

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

    dfs.namenode.heartbeat.recheck-interval
    300000



    dfs.heartbeat.interval
    3