尚硅谷大数据hadoop教程_HDFS

P40 hdfs产生背景和定义

p41 优缺点

p42 组成

p43 文件块大小

p 44 45 shell命令

p46 api环境准备

p47 api创建文件夹

新建maven项目
pom.xml

    <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>

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

public class HdfsClient {
    FileSystem fileSystem;
    @Before
    public void before() throws URISyntaxException, IOException, InterruptedException{
        Configuration config = new Configuration();
        URI uri = new URI("hdfs://xiaoxiong02:8020");
        fileSystem = FileSystem.get(uri, config, "atguigu");
    }

   @Test
    public void testMkdirs() throws IOException {

       fileSystem.mkdirs(new Path("/xiyou/huaguoshan1"));

   }

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

p48 api上传

 @Test
    public void upload() throws IOException {
       fileSystem.copyFromLocalFile(false,false,new Path("D:\\sunwukong.txt"),new Path("/xiyou/huaguoshan"));
   }

p49 api参数优先级设置

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）

Configuration config = new Configuration();
        config.set("dfs.replication", "2");

配置文件中配置

p50 api 文件下载

   @Test
    public void download() throws IOException {
       fileSystem.copyToLocalFile(false,new Path("/xiyou/huaguoshan/"),new Path("D:\\"),true);
   }

p51 删除目录

   @Test
    public void delete() throws IOException {
       fileSystem.delete(new Path("/xiyou/huaguoshan/"),true);
   }

p52 文件更名和移动

   @Test
    public void rename() throws IOException {
//       fileSystem.rename(new Path("/0528/test1.txt"),new Path("/0528/test2.txt"));
       fileSystem.rename(new Path("/0528/test2.txt"),new Path("/0529/"));
   }

p53 文件详情查看

  @Test
    public void detail() throws IOException {
       RemoteIterator<LocatedFileStatus> iterator = fileSystem.listFiles(new Path("/"), true);
       while (iterator.hasNext()){
           LocatedFileStatus fileStatus = iterator.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));

       }
   }

p54 文件和目录判断

    @Test
    public void listStatus() throws IOException {
        FileStatus[] fileStatuses = fileSystem.listStatus(new Path("/"));
        for (FileStatus fileStatus : fileStatuses) {
            if (fileStatus.isDirectory()){
                System.out.println("目录:"+fileStatus.getPath().getName());
            }else {
                System.out.println("文件:"+fileStatus.getPath().getName());
            }
        }
    }

p55 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）。

p56 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？

p57机架感知

p58 读数据流程

（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。

p59 NN和2NN工作机制

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。
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。
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。

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。
2）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。

p60 fsimage镜像文件

oiv查看Fsimage文件

<inode>
	<id>16386id>
	<type>DIRECTORYtype>
	<name>username>
	<mtime>1512722284477mtime>
	<permission>atguigu:supergroup:rwxr-xr-xpermission>
	<nsquota>-1nsquota>
	<dsquota>-1dsquota>
inode>
<inode>
	<id>16387id>
	<type>DIRECTORYtype>
	<name>atguiguname>
	<mtime>1512790549080mtime>
	<permission>atguigu:supergroup:rwxr-xr-xpermission>
	<nsquota>-1nsquota>
	<dsquota>-1dsquota>
inode>
<inode>
	<id>16389id>
	<type>FILEtype>
	<name>wc.inputname>
	<replication>3replication>
	<mtime>1512722322219mtime>
	<atime>1512722321610atime>
	<perferredBlockSize>134217728perferredBlockSize>
	<permission>atguigu:supergroup:rw-r--r--permission>
	<blocks>
		<block>
			<id>1073741825id>
			<genstamp>1001genstamp>
			<numBytes>59numBytes>
		block>
	blocks>
inode >

思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？
在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。

p61 edits编辑日志

基本语法 hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

<EDITS>
	<EDITS_VERSION>-63EDITS_VERSION>
	<RECORD>
		<OPCODE>OP_START_LOG_SEGMENTOPCODE>
		<DATA>
			<TXID>129TXID>
		DATA>
	RECORD>
	<RECORD>
		<OPCODE>OP_ADDOPCODE>
		<DATA>
			<TXID>130TXID>
			<LENGTH>0LENGTH>
			<INODEID>16407INODEID>
			<PATH>/hello7.txtPATH>
			<REPLICATION>2REPLICATION>
			<MTIME>1512943607866MTIME>
			<ATIME>1512943607866ATIME>
			<BLOCKSIZE>134217728BLOCKSIZE>
			<CLIENT_NAME>DFSClient_NONMAPREDUCE_-1544295051_1CLIENT_NAME>
			<CLIENT_MACHINE>192.168.10.102CLIENT_MACHINE>
			<OVERWRITE>trueOVERWRITE>
			<PERMISSION_STATUS>
				<USERNAME>atguiguUSERNAME>
				<GROUPNAME>supergroupGROUPNAME>
				<MODE>420MODE>
			PERMISSION_STATUS>
			<RPC_CLIENTID>908eafd4-9aec-4288-96f1-e8011d181561RPC_CLIENTID>
			<RPC_CALLID>0RPC_CALLID>
		DATA>
	RECORD>
	<RECORD>
		<OPCODE>OP_ALLOCATE_BLOCK_IDOPCODE>
		<DATA>
			<TXID>131TXID>
			<BLOCK_ID>1073741839BLOCK_ID>
		DATA>
	RECORD>
	<RECORD>
		<OPCODE>OP_SET_GENSTAMP_V2OPCODE>
		<DATA>
			<TXID>132TXID>
			<GENSTAMPV2>1016GENSTAMPV2>
		DATA>
	RECORD>
	<RECORD>
		<OPCODE>OP_ADD_BLOCKOPCODE>
		<DATA>
			<TXID>133TXID>
			<PATH>/hello7.txtPATH>
			<BLOCK>
				<BLOCK_ID>1073741839BLOCK_ID>
				<NUM_BYTES>0NUM_BYTES>
				<GENSTAMP>1016GENSTAMP>
			BLOCK>
			<RPC_CLIENTID>RPC_CLIENTID>
			<RPC_CALLID>-2RPC_CALLID>
		DATA>
	RECORD>
	<RECORD>
		<OPCODE>OP_CLOSEOPCODE>
		<DATA>
			<TXID>134TXID>
			<LENGTH>0LENGTH>
			<INODEID>0INODEID>
			<PATH>/hello7.txtPATH>
			<REPLICATION>2REPLICATION>
			<MTIME>1512943608761MTIME>
			<ATIME>1512943607866ATIME>
			<BLOCKSIZE>134217728BLOCKSIZE>
			<CLIENT_NAME>CLIENT_NAME>
			<CLIENT_MACHINE>CLIENT_MACHINE>
			<OVERWRITE>falseOVERWRITE>
			<BLOCK>
				<BLOCK_ID>1073741839BLOCK_ID>
				<NUM_BYTES>25NUM_BYTES>
				<GENSTAMP>1016GENSTAMP>
			BLOCK>
			<PERMISSION_STATUS>
				<USERNAME>atguiguUSERNAME>
				<GROUPNAME>supergroupGROUPNAME>
				<MODE>420MODE>
			PERMISSION_STATUS>
		DATA>
	RECORD>
EDITS >

p62 检查点时间checkpoint设置

p63 datanode工作机制

（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；
（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。

p64数据完整性

p65掉线时限参数设置