尚硅谷大数据hadoop教程_HDFS

P40 hdfs产生背景和定义

尚硅谷大数据hadoop教程_HDFS_第1张图片

p41 优缺点

尚硅谷大数据hadoop教程_HDFS_第2张图片
尚硅谷大数据hadoop教程_HDFS_第3张图片

p42 组成

尚硅谷大数据hadoop教程_HDFS_第4张图片
尚硅谷大数据hadoop教程_HDFS_第5张图片

p43 文件块大小

尚硅谷大数据hadoop教程_HDFS_第6张图片
尚硅谷大数据hadoop教程_HDFS_第7张图片

p 44 45 shell命令

尚硅谷大数据hadoop教程_HDFS_第8张图片

尚硅谷大数据hadoop教程_HDFS_第9张图片
尚硅谷大数据hadoop教程_HDFS_第10张图片
尚硅谷大数据hadoop教程_HDFS_第11张图片
尚硅谷大数据hadoop教程_HDFS_第12张图片

p46 api环境准备

在这里插入图片描述
尚硅谷大数据hadoop教程_HDFS_第13张图片
尚硅谷大数据hadoop教程_HDFS_第14张图片

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
尚硅谷大数据hadoop教程_HDFS_第15张图片

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));

       }
   }

尚硅谷大数据hadoop教程_HDFS_第16张图片

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

尚硅谷大数据hadoop教程_HDFS_第17张图片
(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?
尚硅谷大数据hadoop教程_HDFS_第18张图片
尚硅谷大数据hadoop教程_HDFS_第19张图片

p57机架感知

尚硅谷大数据hadoop教程_HDFS_第20张图片

p58 读数据流程

尚硅谷大数据hadoop教程_HDFS_第21张图片
(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。
尚硅谷大数据hadoop教程_HDFS_第22张图片
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

尚硅谷大数据hadoop教程_HDFS_第23张图片
oiv查看Fsimage文件
尚硅谷大数据hadoop教程_HDFS_第24张图片

<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

尚硅谷大数据hadoop教程_HDFS_第25张图片


<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

尚硅谷大数据hadoop教程_HDFS_第26张图片
尚硅谷大数据hadoop教程_HDFS_第27张图片

p63 datanode工作机制

尚硅谷大数据hadoop教程_HDFS_第28张图片
(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

尚硅谷大数据hadoop教程_HDFS_第29张图片

p65掉线时限参数设置

尚硅谷大数据hadoop教程_HDFS_第30张图片

你可能感兴趣的:(学习)