大数据之Hadoop-HDFS

第1章 HDFS概述

1.1 HDFS产出背景及定义

1.1.1 HDFS产生背景

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。

1.1.2 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的使用场景：适合一次写入，多次读出的场景，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。

1.2 HDFS优缺点

1.2.1 优点

1）高容错性
（1）数据自动保存多个副本。它通过增加副本的形式，提高容错性。
（2）某一个副本丢失以后，它可以自动恢复。
2）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。
3）可构建在廉价机器上，通过多副本机制，提高可靠性。

1.2.2 缺点

1）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。
2）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。
3）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

1.4 HDFS文件块大小

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版本中是128M，老版本中是64M。

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；
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。
HDFS块的大小设置主要取决于磁盘传输速率。

第2章 HDFS的Shell操作

2.1 基本语法

bin/hadoop fs 具体命令  OR  bin/hdfs dfs 具体命令

dfs是fs的实现类。

2.2 命令大全

[hadoop@hadoop101 hadoop-2.7.2]$ bin/hadoop fs
[-appendToFile  ... ]
        [-cat [-ignoreCrc]  ...]
        [-checksum  ...]
        [-chgrp [-R] GROUP PATH...]
        [-chmod [-R]  PATH...]
        [-chown [-R] [OWNER][:[GROUP]] PATH...]
        [-copyFromLocal [-f] [-p]  ... ]
        [-copyToLocal [-p] [-ignoreCrc] [-crc]  ... ]
        [-count [-q]  ...]
        [-cp [-f] [-p]  ... ]
        [-createSnapshot  []]
        [-deleteSnapshot  ]
        [-df [-h] [ ...]]
        [-du [-s] [-h]  ...]
        [-expunge]
        [-get [-p] [-ignoreCrc] [-crc]  ... ]
        [-getfacl [-R] ]
        [-getmerge [-nl]  ]
        [-help [cmd ...]]
        [-ls [-d] [-h] [-R] [ ...]]
        [-mkdir [-p]  ...]
        [-moveFromLocal  ... ]
        [-moveToLocal  ]
        [-mv  ... ]
        [-put [-f] [-p]  ... ]
        [-renameSnapshot   ]
        [-rm [-f] [-r|-R] [-skipTrash]  ...]
        [-rmdir [--ignore-fail-on-non-empty]  ...]
        [-setfacl [-R] [{-b|-k} {-m|-x } ]|[--set  ]]
        [-setrep [-R] [-w]   ...]
        [-stat [format]  ...]
        [-tail [-f] ]
        [-test -[defsz] ]
        [-text [-ignoreCrc]  ...]
        [-touchz  ...]
        [-usage [cmd ...]]

2.3 常用命令实操

（0）启动Hadoop集群

[hadoop@hadoop101 hadoop-2.7.2]$ sbin/start-dfs.sh
[hadoop@hadoop102 hadoop-2.7.2]$ sbin/start-yarn.sh

（1）-help：输出这个命令参数

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -help rm

（2）-ls: 显示目录信息

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -ls /

（3）-mkdir：在HDFS上创建目录

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -mkdir -p /user/hadoop/test

（4）-moveFromLocal：从本地剪切粘贴到HDFS

[hadoop@hadoop101 hadoop-2.7.2]$ touch test.txt
[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs  -moveFromLocal  ./test.txt  /user/hadoop/test

（5）-appendToFile：追加一个文件到已经存在的文件末尾

[hadoop@hadoop101 hadoop-2.7.2]$ touch test1.txt
[hadoop@hadoop101 hadoop-2.7.2]$ vi test1.txt

输入

test file
hello world

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -appendToFile test1.txt /user/hadoop/test/test.txt

（6）-cat：显示文件内容

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -cat /user/hadoop/test/test.txt

（7）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs  -chmod  666  /user/hadoop/test/test.txt
[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs  -chown  hadoop:hadoop  /user/hadoop/test/test.txt

（8）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -copyFromLocal README.txt /

（9）-copyToLocal：从HDFS拷贝到本地

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -copyToLocal /user/hadoop/test.txt ./

（10）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -cp /user/hadoop/test/test.txt /test3.txt

（11）-mv：在HDFS目录中移动文件

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -mv /test3.txt /user/hadoop/test

（12）-get：等同于copyToLocal，就是从HDFS下载文件到本地

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -get /user/hadoop/test/test.txt ./

（13）-getmerge：合并下载多个文件，比如HDFS的目录 /user/hadoop/test下有多个文件:log.1, log.2,log.3,...

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -getmerge /user/hadoop/test/* ./test4.txt

（14）-put：等同于copyFromLocal

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -put ./test4.txt /user/hadoop/test/

（15）-tail：显示一个文件的末尾

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -tail /user/hadoop/test/test.txt

（16）-rm：删除文件或文件夹

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -rm /user/hadoop/test/test3.txt

（17）-rmdir：删除空目录

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -mkdir /test
[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -rmdir /test

（18）-du统计文件夹的大小信息

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -du -s -h /user/hadoop/test
2.7 K  /user/hadoop/test

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -du  -h /user/hadoop/test
1.3 K  /user/hadoop/test/README.txt
15   /user/hadoop/test/test1.txt
1.4 K  /user/hadoop/test/test3.txt

（19）-setrep：设置HDFS中文件的副本数量

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -setrep 10 /user/hadoopkongming.txt 

这里设置的副本数只是记录在NameNode的元数据中，是否真的会有这么多副本，还得看DataNode的数量。因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10。

第3章 HDFS客户端操作

3.1 HDFS客户端环境准备

1 根据自己电脑的操作系统拷贝对应的编译后的hadoop jar包到非中文路径（例如：H:\hadoop-2.7.2）
2 配置HADOOP_HOME环境变量

3 配置Path环境变量

4 创建一个Maven工程hdfs

5 导入相应的依赖坐标+日志添加

        
            junit
            junit
            RELEASE
        
        
            org.apache.logging.log4j
            log4j-core
            2.8.2
        
        
            org.apache.hadoop
            hadoop-common
            2.7.2
        
        
            org.apache.hadoop
            hadoop-client
            2.7.2
        
        
            org.apache.hadoop
            hadoop-hdfs
            2.7.2
        

6 在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入

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

7 创建包名：com.jackyan.hadoop.hdfs
8 创建HdfsClient类

public class HdfsClient{    
@Test
public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
        
        // 1 获取文件系统
        Configuration configuration = new Configuration();
        // 配置在集群上运行
        // configuration.set("fs.defaultFS", "hdfs://hadoop101:9000");
        // FileSystem fs = FileSystem.get(configuration);

        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");
        
        // 2 创建目录
        fs.mkdirs(new Path("/1108/daxian/banzhang"));
        
        // 3 关闭资源
        fs.close();
    }
}

9 执行程序

3.2 HDFS的API操作

3.2.1 HDFS文件上传

1 在电脑上编写测试文件H:\hadoop-2.7.2\test.txt，内容如下：

hello hadoop
hello hdfs
hello world

2 编写源代码

  @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://hadoop101:9000"), configuration, "hadoop");

        // 2 上传文件
        fs.copyFromLocalFile(new Path("H:\\hadoop-2.7.2\\test.txt"), new Path("/test.txt"));

        // 3 关闭资源
        fs.close();

        System.out.println("over");
    }

3 将hdfs-site.xml拷贝到项目的根目录下

    
        dfs.replication
        1
    

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）然后是服务器的默认配置

3.2.2 HDFS文件下载

    @Test
    public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{

        // 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");

        // 2 执行下载操作
        // boolean delSrc 指是否将原文件删除
        // Path src 指要下载的文件路径
        // Path dst 指将文件下载到的路径
        // boolean useRawLocalFileSystem 是否开启文件校验
        fs.copyToLocalFile(false, new Path("/test.txt"), new Path("h:/test.txt"), true);

        // 3 关闭资源
        fs.close();
    }

3.2.3 HDFS文件夹删除

    @Test
    public void testDelete() throws IOException, InterruptedException, URISyntaxException{

        // 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");

        // 2 执行删除
        fs.delete(new Path("/user/"), true);

        // 3 关闭资源
        fs.close();
    }

3.2.4 HDFS文件名更改

    @Test
    public void testRename() throws IOException, InterruptedException, URISyntaxException{

        // 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");

        // 2 修改文件名称
        fs.rename(new Path("/test.txt"), new Path("/test1.txt"));

        // 3 关闭资源
        fs.close();
    }

3.2.5 HDFS文件详情查看

查看文件名称、权限、长度、块信息

    @Test
    public void testListFiles() throws IOException, InterruptedException, URISyntaxException{

        // 1获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");

        // 2 获取文件详情
        RemoteIterator listFiles = fs.listFiles(new Path("/"), true);

        while(listFiles.hasNext()){
            LocatedFileStatus status = listFiles.next();

            // 输出详情
            // 文件名称
            System.out.println(status.getPath().getName());
            // 长度
            System.out.println(status.getLen());
            // 权限
            System.out.println(status.getPermission());
            // 分组
            System.out.println(status.getGroup());

            // 获取存储的块信息
            BlockLocation[] blockLocations = status.getBlockLocations();

            for (BlockLocation blockLocation : blockLocations) {

                // 获取块存储的主机节点
                String[] hosts = blockLocation.getHosts();

                for (String host : hosts) {
                    System.out.println(host);
                }
            }

            System.out.println("-----------分割线----------");
        }

        // 3 关闭资源
        fs.close();
    }

3.2.6 HDFS文件和文件夹判断

    @Test
    public void testListStatus() throws IOException, InterruptedException, URISyntaxException{

        // 1 获取文件配置信息
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");

        // 2 判断是文件还是文件夹
        FileStatus[] listStatus = fs.listStatus(new Path("/"));

        for (FileStatus fileStatus : listStatus) {

            // 如果是文件
            if (fileStatus.isFile()) {
                System.out.println("f:"+fileStatus.getPath().getName());
            }else {
                System.out.println("d:"+fileStatus.getPath().getName());
            }
        }

        // 3 关闭资源
        fs.close();
    }

3.3 HDFS的I/O流操作

以上API操作HDFS系统都是框架封装好的，还可以采用IO流的方式实现数据的上传和下载。

3.3.1 HDFS文件上传

1．需求：把本地h盘上的test.txt文件上传到HDFS根目录
2．编写代码

@Test
public void putFileToHDFS() throws IOException, InterruptedException, URISyntaxException {

    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");

    // 2 创建输入流
    FileInputStream fis = new FileInputStream(new File("h:/test.txt"));

    // 3 获取输出流
    FSDataOutputStream fos = fs.create(new Path("/test.txt"));

    // 4 流对拷
    IOUtils.copyBytes(fis, fos, configuration);

    // 5 关闭资源
    IOUtils.closeStream(fos);
    IOUtils.closeStream(fis);
    fs.close();
}

3.3.2 HDFS文件下载

1．需求：从HDFS上下载test.txt文件到本地h盘上
2．编写代码

// 文件下载
@Test
public void getFileFromHDFS() throws IOException, InterruptedException, URISyntaxException{

    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");
        
    // 2 获取输入流
    FSDataInputStream fis = fs.open(new Path("/test.txt"));
        
    // 3 获取输出流
    FileOutputStream fos = new FileOutputStream(new File("h:/test1.txt"));
        
    // 4 流的对拷
    IOUtils.copyBytes(fis, fos, configuration);
        
    // 5 关闭资源
    IOUtils.closeStream(fos);
    IOUtils.closeStream(fis);
    fs.close();
}

3.3.3 定位文件读取

1．需求：分块读取HDFS上的大文件，比如根目录下的/hadoop-2.7.2.tar.gz
2．编写代码
（1）下载第一块

@Test
public void readFileSeek1() throws IOException, InterruptedException, URISyntaxException{

    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");
        
    // 2 获取输入流
    FSDataInputStream fis = fs.open(new Path("/hadoop-2.7.2.tar.gz"));
        
    // 3 创建输出流
    FileOutputStream fos = new FileOutputStream(new File("h:/hadoop-2.7.2.tar.gz.part1"));
        
    // 4 流的拷贝
    byte[] buf = new byte[1024];
        
    for(int i =0 ; i < 1024 * 128; i++){
        fis.read(buf);
        fos.write(buf);
    }
        
    // 5关闭资源
    IOUtils.closeStream(fis);
    IOUtils.closeStream(fos);
fs.close();
}

（2）下载第二块

@Test
public void readFileSeek2() throws IOException, InterruptedException, URISyntaxException{

    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "hadoop");
        
    // 2 打开输入流
    FSDataInputStream fis = fs.open(new Path("/hadoop-2.7.2.tar.gz"));
        
    // 3 定位输入数据位置
    fis.seek(1024*1024*128);
        
    // 4 创建输出流
    FileOutputStream fos = new FileOutputStream(new File("e:/hadoop-2.7.2.tar.gz.part2"));
        
    // 5 流的对拷
    IOUtils.copyBytes(fis, fos, configuration);
        
    // 6 关闭资源
    IOUtils.closeStream(fis);
    IOUtils.closeStream(fos);
}

（3）合并文件
在Window命令窗口中进入到目录H:\，然后执行如下命令，对数据进行合并
type hadoop-2.7.2.tar.gz.part2 >> hadoop-2.7.2.tar.gz.part1
合并完成后，将hadoop-2.7.2.tar.gz.part1重新命名为hadoop-2.7.2.tar.gz。解压发现该tar包非常完整。

第4章 HDFS的数据流

4.1 HDFS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）。

4.1.1 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。
例如，假设有数据中心d1机架r1中的节点n1。该节点可以表示为/d1/r1/n1。利用这种标记，给出四种距离描述

4.1.2 机架感知（副本存储节点选择）

For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on one node in the local rack, another on a different node in the local rack, and the last on a different node in a different rack.

4.2 HDFS读数据流程

1）客户端通过Distributed FileSystem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。

第5章 NameNode和SecondaryNameNode

5.1 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。

NN和2NN工作机制如下：

1 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。

NN和2NN工作机制详解：

Fsimage：NameNode内存中元数据序列化后形成的文件。

Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据）。

NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。然后，NameNode会在内存中执行元数据的增删改的操作。

由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。

SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了）。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。

5.2 Fsimage和Edits解析

1 概念

NameNode被格式化之后，将在/opt/modules/hadoop-2.7.2/datas/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。

2 oiv查看Fsimage文件

（1）查看oiv和oev命令

[hadoop@hadoop101 current]$ hdfs
oiv      apply the offline fsimage viewer to an fsimage
oev      apply the offline edits viewer to an edits file

（2）基本语法

hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

（3）案例实操

[hadoop@hadoop101 current]$ pwd
/opt/modules/hadoop-2.7.2/data/tmp/dfs/name/current 

[hadoop@hadoop101 current]$ hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/modules/hadoop-2.7.2/fsimage.xml
[hadoop@hadoop101 current]$ cat /opt/modules/hadoop-2.7.2/fsimage.xml

将显示的xml文件内容拷贝到Eclipse中创建的xml文件中，并格式化。部分显示结果如下。

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


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


    16389
    FILE
    wc.input
    3
    1512722322219
    1512722321610
    134217728
    hadoop:supergroup:rw-r--r--
    
        
            1073741825
            1001
            59
        
    

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

3 oev查看Edits文件

（1）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

（2）案例实操

[hadoop@hadoop101 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/modules/hadoop-2.7.2/edits.xml
[hadoop@hadoop101 current]$ cat /opt/modules/hadoop-2.7.2/edits.xml

将显示的xml文件内容拷贝到Eclipse中创建的xml文件中，并格式化。显示结果如下。

    -63
    
        OP_START_LOG_SEGMENT
        
            129
        
    
    
        OP_ADD
        
            130
            0
            16407
            /hello7.txt
            2
            1512943607866
            1512943607866
            134217728
            DFSClient_NONMAPREDUCE_-1544295051_1
            192.168.56.103
            true
            
                hadoop
                supergroup
                420
            
            908eafd4-9aec-4288-96f1-e8011d181561
            0
        
    
    
        OP_ALLOCATE_BLOCK_ID
        
            131
            1073741839
        
    
    
        OP_SET_GENSTAMP_V2
        
            132
            1016
        
    
    
        OP_ADD_BLOCK
        
            133
            /hello7.txt
            
                1073741839
                0
                1016
            
            
            -2
        
    
    
        OP_CLOSE
        
            134
            0
            0
            /hello7.txt
            2
            1512943608761
            1512943607866
            134217728
            
            
            false
            
                1073741839
                25
                1016
            
            
                hadoop
                supergroup
                420
            
        
    

5.3 CheckPoint时间设置

（1）通常情况下，SecondaryNameNode每隔一小时执行一次。

[hdfs-default.xml]

  dfs.namenode.checkpoint.period
  3600

（2）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
  60
 1分钟检查一次操作次数

5.4 NameNode故障处理

NameNode故障后，可以采用如下两种方法恢复数据。

方法一：将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；

1 kill -9 NameNode进程

2 删除NameNode存储的数据（/opt/modules/hadoop-2.7.2/data/tmp/dfs/name）

[hadoop@hadoop101 hadoop-2.7.2]$ rm -rf /opt/modules/hadoop-2.7.2/data/tmp/dfs/name/*

3 拷贝SecondaryNameNode中数据到原NameNode存储数据目录

[hadoop@hadoop101 dfs]$ scp -r hadoop@hadoop103:/opt/modules/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/

4 重新启动NameNode

[hadoop@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode

方法二：使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。

1 修改hdfs-site.xml中的

  dfs.namenode.checkpoint.period
  120



  dfs.namenode.name.dir
  /opt/modules/hadoop-2.7.2/data/tmp/dfs/name

2 kill -9 NameNode进程

3 删除NameNode存储的数据（/opt/modules/hadoop-2.7.2/data/tmp/dfs/name）

[hadoop@hadoop101 hadoop-2.7.2]$ rm -rf /opt/modules/hadoop-2.7.2/data/tmp/dfs/name/*

4 如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件

[hadoop@hadoop101 dfs]$ scp -r hadoop@hadoop103:/opt/modules/hadoop-2.7.2/data/tmp/dfs/namesecondary ./

[hadoop@hadoop101 namesecondary]$ rm -rf in_use.lock

[hadoop@hadoop101 dfs]$ pwd
/opt/modules/hadoop-2.7.2/data/tmp/dfs

[hadoop@hadoop101 dfs]$ ls
data  name  namesecondary

5 导入检查点数据（等待一会ctrl+c结束掉）

[hadoop@hadoop101 hadoop-2.7.2]$ bin/hdfs namenode -importCheckpoint

6 启动NameNode

[hadoop@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode

5.5 集群安全模式

1 概述

（1）NameNode启动

NameNode启动时，首先将镜像文件（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，NameNode开始监听DataNode请求。这个过程期间，NameNode一直运行在安全模式，即NameNode的文件系统对于客户端来说是只读的。

（2）DataNode启动

系统中的数据块的位置并不是由NameNode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，NameNode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NameNode发送最新的块列表信息，NameNode了解到足够多的块位置信息之后，即可高效运行文件系统。

（3）安全模式退出判断

如果满足“最小副本条件”，NameNode会在30秒钟之后就退出安全模式。所谓的最小副本条件指的是在整个文件系统中99.9%的块满足最小副本级别（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NameNode不会进入安全模式。

2 基本语法

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。

（1）bin/hdfs dfsadmin -safemode get      （功能描述：查看安全模式状态）
（2）bin/hdfs dfsadmin -safemode enter  （功能描述：进入安全模式状态）
（3）bin/hdfs dfsadmin -safemode leave    （功能描述：离开安全模式状态）
（4）bin/hdfs dfsadmin -safemode wait （功能描述：等待安全模式状态）

3 测试

（1）查看当前模式

[hadoop@hadoop101 ~]$ hdfs dfsadmin -safemode get
Safe mode is OFF

（2）先进入安全模式

[hadoop@hadoop101 ~]$ hdfs dfsadmin -safemode enter
Safe mode is ON

（3）执行创建目录的命令

[hadoop@hadoop101 ~]$ hdfs dfs -mkdir /test1
mkdir: Cannot create directory /test1. Name node is in safe mode.

（4）关闭安全模式

[hadoop@hadoop101 ~]$ hdfs dfsadmin -safemode leave
Safe mode is OFF

第6章 DataNode

6.1 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（1小时）的向NameNode上报所有的块信息。
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

思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理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）DataNode在其文件创建后周期验证CheckSum。

6.3 掉线时限参数设置

1、DataNode进程死亡或者网络故障造成DataNode无法与NameNode通信
2、NameNode不会立即把该节点判定为死亡，要经过一段时间，这段时间暂称作超时时长。
3、HDFS默认的超时时长为10分钟+30秒。
4、如果定义超时时间为TimeOut，则超时时长的计算公式为：
TimeOut = 2 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval。
而默认的dfs.namenode.heartbeat.recheck-interval 大小为5分钟，dfs.heartbeat.interval默认为3秒。

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

6.4 服役新数据节点

随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。

1 环境准备

（1）准备一台hadoop104主机
（2）配置JAVA环境（安装jdk及配置环境变量）
（3）将hadoop101上的/opt/modules/hadoop-2.7.2拷贝到hadoop104上
（4）删除原来HDFS文件系统留存的文件（/opt/modules/hadoop-2.7.2/datas和logs）

rm -rf /opt/modules/hadoop-2.7.2/datas/*
rm -rf /opt/modules/hadoop-2.7.2/logs/*

2 服役新节点具体步骤

（1）直接启动DataNode，即可关联到集群

[hadoop@hadoop104 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode
[hadoop@hadoop104 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager

（2）在hadoop104上上传文件

[hadoop@hadoop hadoop-2.7.2]$ hdfs dfs -put LICENSE.txt /

（3）如果数据不均衡，可以用命令实现集群的再平衡

[hadoop@hadoop sbin]$ start-balancer.sh
starting balancer, logging to /opt/modules/hadoop-2.7.2/logs/hadoop-hadoop-balancer-hadoop.out
Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved

6.5 退役旧数据节点

6.5.1 添加白名单

添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被退出。

配置白名单的具体步骤如下：

（1）在NameNode的/opt/modules/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts文件

[hadoop@hadoop101 hadoop]$ pwd
/opt/modules/hadoop-2.7.2/etc/hadoop
[hadoop@hadoop101 hadoop]$ touch dfs.hosts
[hadoop@hadoop101 hadoop]$ vi dfs.hosts

添加如下主机名称（不添加hadoop104）

hadoop101
hadoop102
hadoop103

（2）在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性

    dfs.hosts
    /opt/modules/hadoop-2.7.2/etc/hadoop/dfs.hosts

（3）配置文件分发

[hadoop@hadoop101 hadoop]$ xsync hdfs-site.xml

（4）刷新NameNode

[hadoop@hadoop101 hadoop-2.7.2]$ hdfs dfsadmin -refreshNodes
Refresh nodes successful

（5）更新ResourceManager节点

[hadoop@hadoop101 hadoop-2.7.2]$ yarn rmadmin -refreshNodes

6.5.2 黑名单退役

在黑名单上面的主机都会被强制退出。

1 在NameNode的/opt/modules/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件

[hadoop@hadoop101 hadoop]$ pwd
/opt/modules/hadoop-2.7.2/etc/hadoop
[hadoop@hadoop101 hadoop]$ touch dfs.hosts.exclude
[hadoop@hadoop101 hadoop]$ vi dfs.hosts.exclude

添加如下主机名称（要退役的节点）

hadoop104

2 在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性

    dfs.hosts.exclude
    /opt/modules/hadoop-2.7.2/etc/hadoop/dfs.hosts.exclude

3 刷新NameNode、刷新ResourceManager

[hadoop@hadoop101 hadoop-2.7.2]$ hdfs dfsadmin -refreshNodes
[hadoop@hadoop101 hadoop-2.7.2]$ yarn rmadmin -refreshNodes

4 检查Web浏览器，退役节点的状态为decommission in progress（退役中），说明数据节点正在复制块到其他节点
5 等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。

注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役

[hadoop@hadoop104 hadoop-2.7.2]$ sbin/hadoop-daemon.sh stop datanode
[hadoop@hadoop104 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager

6 如果数据不均衡，可以用命令实现集群的再平衡

[hadoop@hadoop101 hadoop-2.7.2]$ sbin/start-balancer.sh 
starting balancer, logging to /opt/modules/hadoop-2.7.2/logs/hadoop-hadoop-balancer-hadoop101.out
Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved

注意：不允许白名单和黑名单中同时出现同一个主机名称。

6.6 Datanode多目录配置

1 DataNode也可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本
2 具体配置如下

hdfs-site.xml

    dfs.datanode.data.dir
    file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2

第7章 HDFS 2.X新特性

7.1 集群间数据拷贝

1 scp实现两个远程主机之间的文件复制

scp -r hello.txt root@hadoop101:/user/hadoop/hello.txt      // 推 push
scp -r root@hadoop101:/user/hadoop/hello.txt  hello.txt     // 拉 pull
//是通过本地主机中转实现两个远程主机的文件复制；如果在两个远程主机之间ssh没有配置的情况下可以使用该方式。
scp -r root@hadoop101:/user/hadoop/hello.txt root@hadoop102:/user/hadoop   

2 采用distcp命令实现两个Hadoop集群之间的递归数据复制

[hadoop@hadoop101 hadoop-2.7.2]$  bin/hadoop distcp
hdfs://haoop102:9000/user/hadoop/hello.txt hdfs://hadoop102:9000/user/hadoop/hello.txt

7.2 小文件存档

1 HDFS存储小文件弊端

每个文件均按块存储，每个块的元数据存储在NameNode的内存中，因此HDFS存储小文件会非常低效。因为大量的小文件会耗尽NameNode中的大部分内存。但注意，存储小文件所需要的磁盘容量和数据块的大小无关。例如，一个1MB的文件设置为128MB的块存储，实际使用的是1MB的磁盘空间，而不是128MB。

2 解决存储小文件办法之一

HDFS存档文件或HAR文件，是一个更高效的文件存档工具，它将文件存入HDFS块，在减少NameNode内存使用的同时，允许对文件进行透明的访问。具体说来，HDFS存档文件对内还是一个一个独立文件，对NameNode而言却是一个整体，减少了NameNode的内存。

3．案例实操

（1）需要启动YARN进程

[hadoop@hadoop101 hadoop-2.7.2]$ start-yarn.sh

（2）归档文件

把/user/hadoop/input目录里面的所有文件归档成一个叫input.har的归档文件，并把归档后文件存储到/user/hadoop/output路径下。

[hadoop@hadoop101 hadoop-2.7.2]$ bin/hadoop archive -archiveName input.har –p /user/hadoop/input  /user/hadoop/output

（3）查看归档

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -lsr /user/hadoop/output/input.har
[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -lsr har:///user/hadoop/output/input.har

（4）解归档文件

[hadoop@hadoop101 hadoop-2.7.2]$ hadoop fs -cp har:/// user/hadoop/output/input.har/*  /user/hadoop

第8章 HDFS HA高可用

8.1 HA概述

1）所谓HA（High Available），即高可用（7*24小时不中断服务）。
2）实现高可用最关键的策略是消除单点故障。HA严格来说应该分成各个组件的HA机制：HDFS的HA和YARN的HA。
3）Hadoop2.0之前，在HDFS集群中NameNode存在单点故障（SPOF）。
4）NameNode主要在以下两个方面影响HDFS集群
NameNode机器发生意外，如宕机，集群将无法使用，直到管理员重启
NameNode机器需要升级，包括软件、硬件升级，此时集群也将无法使用

HDFS HA功能通过配置Active/Standby两个NameNodes实现在集群中对NameNode的热备来解决上述问题。如果出现故障，如机器崩溃或机器需要升级维护，这时可通过此种方式将NameNode很快的切换到另外一台机器。

8.2 HDFS-HA工作机制

通过双NameNode消除单点故障

8.2.1 HDFS-HA工作要点

1 元数据管理方式需要改变

• 内存中各自保存一份元数据；
• Edits日志只有Active状态的NameNode节点可以做写操作；
• 两个NameNode都可以读取Edits；
• 共享的Edits放在一个共享存储中管理（qjournal和NFS两个主流实现）；

2 需要一个状态管理功能模块

实现了一个zkfailover，常驻在每一个namenode所在的节点，每一个zkfailover负责监控自己所在NameNode节点，利用zk进行状态标识，当需要进行状态切换时，由zkfailover来负责切换，切换时需要防止brain split现象的发生。

3 必须保证两个NameNode之间能够ssh无密码登录

4 隔离（Fence），即同一时刻仅仅有一个NameNode对外提供服务

8.2.2 HDFS-HA自动故障转移工作机制

手动故障转移：
使用命令hdfs haadmin -failover手动进行故障转移，在该模式下，即使现役NameNode已经失效，系统也不会自动从现役NameNode转移到待机NameNode。

自动故障转移：
自动故障转移为HDFS部署增加了两个新组件：ZooKeeper和ZKFailoverController（ZKFC）进程，ZooKeeper是维护少量协调数据，通知客户端这些数据的改变和监视客户端故障的高可用服务。

HA的自动故障转移依赖于ZooKeeper的以下功能：

1）故障检测：集群中的每个NameNode在ZooKeeper中维护了一个持久会话，如果机器崩溃，ZooKeeper中的会话将终止，ZooKeeper通知另一个NameNode需要触发故障转移。

2）现役NameNode选择：ZooKeeper提供了一个简单的机制用于唯一的选择一个节点为active状态。如果目前现役NameNode崩溃，另一个节点可能从ZooKeeper获得特殊的排外锁以表明它应该成为现役NameNode。

ZKFC是自动故障转移中的另一个新组件，是ZooKeeper的客户端，也监视和管理NameNode的状态。每个运行NameNode的主机也运行了一个ZKFC进程，ZKFC负责：

1）健康监测：ZKFC使用一个健康检查命令定期地ping与之在相同主机的NameNode，只要该NameNode及时地回复健康状态，ZKFC认为该节点是健康的。如果该节点崩溃，冻结或进入不健康状态，健康监测器标识该节点为非健康的。

2）ZooKeeper会话管理：当本地NameNode是健康的，ZKFC保持一个在ZooKeeper中打开的会话。如果本地NameNode处于active状态，ZKFC也保持一个特殊的znode锁，该锁使用了ZooKeeper对短暂节点的支持，如果会话终止，锁节点将自动删除。

3）基于ZooKeeper的选择：如果本地NameNode是健康的，且ZKFC发现没有其它的节点当前持有znode锁，它将为自己获取该锁。如果成功，则它已经赢得了选择，并负责运行故障转移进程以使它的本地NameNode为Active。故障转移进程与前面描述的手动故障转移相似，首先如果必要保护之前的现役NameNode，然后本地NameNode转换为Active状态。

8.3 HDFS-HA集群配置

8.3.1 集群规划

hadoop101	hadoop102	hadoop103
NameNode	NameNode
JournalNode	JournalNode	JournalNode
DataNode	DataNode	DataNode
ZK	ZK	ZK
	ResourceManager
NodeManager	NodeManager	NodeManager

8.3.2 配置Zookeeper集群

集群规划

在hadoop101、hadoop102和hadoop103三个节点上部署Zookeeper。

解压安装

（1）解压Zookeeper安装包到/opt/modules/目录下

[hadoop@hadoop101 softwares]$ tar -zxvf zookeeper-3.4.10.tar.gz -C /opt/modules/

（2）在/opt/modules/zookeeper-3.4.10/这个目录下创建zkData

mkdir -p zkData

（3）重命名/opt/modules/zookeeper-3.4.10/conf这个目录下的zoo_sample.cfg为zoo.cfg

mv zoo_sample.cfg zoo.cfg

配置zoo.cfg文件

（1）具体配置

dataDir=/opt/modules/zookeeper-3.4.10/zkData

增加如下配置

#######################cluster##########################
server.1=hadoop101:2888:3888
server.2=hadoop102:2888:3888
server.3=hadoop103:2888:3888

（2）配置参数解读

Server.A=B:C:D。
A是一个数字，表示这个是第几号服务器；
B是这个服务器的IP地址；
C是这个服务器与集群中的Leader服务器交换信息的端口；
D是万一集群中的Leader服务器挂了，需要一个端口来重新进行选举，选出一个新的Leader，而这个端口就是用来执行选举时服务器相互通信的端口。

集群模式下配置一个文件myid，这个文件在dataDir目录下，这个文件里面有一个数据就是A的值，Zookeeper启动时读取此文件，拿到里面的数据与zoo.cfg里面的配置信息比较从而判断到底是哪个server。

配置log4j.properties，并创建logs目录

zookeeper.log.dir=/opt/modules/zookeeper-3.4.10/logs
zookeeper.tracelog.dir=/opt/modules/zookeeper-3.4.10/logs

[hadoop@hadoop101 zookeeper-3.4.10]$ mkdir logs

集群操作

（1）在/opt/modules/zookeeper-3.4.10/zkData目录下创建一个myid的文件

touch myid

（2）编辑myid文件

[hadoop@hadoop101 zkData]$ vim myid
1

（3）同步zookeeper到其他机器

[hadoop@hadoop101 modules]$ xsync zookeeper-3.4.10/

并分别修改myid文件中内容为2、3

（4）分别启动zookeeper

[root@hadoop101 zookeeper-3.4.10]# bin/zkServer.sh start
[root@hadoop102 zookeeper-3.4.10]# bin/zkServer.sh start
[root@hadoop103 zookeeper-3.4.10]# bin/zkServer.sh start

（5）查看状态

[root@hadoop101 zookeeper-3.4.10]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/modules/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: follower
[root@hadoop102 zookeeper-3.4.10]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/modules/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: leader
[root@hadoop103 zookeeper-3.4.5]# bin/zkServer.sh status
JMX enabled by default
Using config: /opt/modules/zookeeper-3.4.10/bin/../conf/zoo.cfg
Mode: follower

8.3.3 配置HDFS-HA集群

官方地址：http://hadoop.apache.org/

在/opt/目录下创建一个hadoop-ha文件夹

[hadoop@hadoop101 opt]$ mkdir hadoop-ha

将/opt/sofewares下的 hadoop-2.7.2.tar.gz拷贝到/opt/hadoop-ha目录下

[hadoop@hadoop101 softwares]$ tar -xf hahadoop-2.7.2.tar.gz -C /opt/hadoop-ha/

分发到hadoop102, hadoop103

[hadoop@hadoop101 opt]$ xsync hadoop-ha/

配置hadoop-env.sh

export JAVA_HOME=/opt/modules/jdk1.8.0_144

配置core-site.xml

        
        
                fs.defaultFS
                hdfs://mycluster
        

        
        
                hadoop.tmp.dir
                /opt/hadoop-ha/hadoop-2.7.2/datas/tmp
        

配置hdfs-site.xml

    
    
        dfs.nameservices
        mycluster
    

    
    
        dfs.ha.namenodes.mycluster
        nn1,nn2
    

    
    
        dfs.namenode.rpc-address.mycluster.nn1
        hadoop101:9000
    

    
    
        dfs.namenode.rpc-address.mycluster.nn2
        hadoop102:9000
    

    
    
        dfs.namenode.http-address.mycluster.nn1
        hadoop101:50070
    

    
    
        dfs.namenode.http-address.mycluster.nn2
        hadoop102:50070
    

    
    
        dfs.namenode.shared.edits.dir
        qjournal://hadoop101:8485;hadoop102:8485;hadoop103:8485/mycluster
    

    
    
        dfs.ha.fencing.methods
        sshfence
    

    
    
        dfs.ha.fencing.ssh.private-key-files
        /home/hadoop/.ssh/id_rsa
    

    
    
        dfs.journalnode.edits.dir
        /opt/hadoop-ha/hadoop-2.7.2/datas/jn
    

    
    
        dfs.permissions.enable
        false
    

    
    
        dfs.client.failover.proxy.provider.mycluster
        org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider
    

配置slaves

hadoop101
hadoop102
hadoop103

拷贝配置好的hadoop环境到其他节点

8.3.4 启动HDFS-HA集群

在各个JournalNode节点上，输入以下命令启动journalnode服务

sbin/hadoop-daemon.sh start journalnode

在[nn1]上，对其进行格式化，并启动

bin/hdfs namenode -format
sbin/hadoop-daemon.sh start namenode

在[nn2]上，同步nn1的元数据信息

bin/hdfs namenode -bootstrapStandby

启动[nn2]

sbin/hadoop-daemon.sh start namenode

在[nn1]上，启动所有datanode

sbin/hadoop-daemons.sh start datanode

将[nn1]切换为Active

bin/hdfs haadmin -transitionToActive nn1

查看是否Active

bin/hdfs haadmin -getServiceState nn1

8.3.5 配置HDFS-HA自动故障转移

具体配置

（1）在hdfs-site.xml中增加

        
                dfs.ha.automatic-failover.enabled
                true
        

（2）在core-site.xml文件中增加

        
                ha.zookeeper.quorum
                hadoop101:2181,hadoop102:2181,hadoop103:2181
        

（3）同步配置到其他机器

[hadoop@hadoop101 hadoop-2.7.2]$ xsync etc

启动

（1）关闭所有HDFS服务：

[hadoop@hadoop101 hadoop-2.7.2]$ sbin/stop-dfs.sh

（2）启动Zookeeper集群：

bin/zkServer.sh start

（3）初始化HA在Zookeeper中状态：

bin/hdfs zkfc -formatZK

（4）启动HDFS服务：

sbin/start-dfs.sh

验证

（1）将Active NameNode进程kill

kill -9 namenode的进程id

（2）将Active NameNode机器断开网络

service network stop

8.4 YARN-HA配置

8.4.1 YARN-HA工作机制

官方文档：http://hadoop.apache.org/docs/r2.7.2/hadoop-yarn/hadoop-yarn-site/ResourceManagerHA.html

YARN-HA工作机制

8.4.2 配置YARN-HA集群

规划集群

hadoop101	hadoop102	hadoop103
NameNode	NameNode
JournalNode	JournalNode	JournalNode
DataNode	DataNode	DataNode
ZK	ZK	ZK
ResourceManager	ResourceManager
NodeManager	NodeManager	NodeManager

具体配置

（1）yarn-site.xml

    
            yarn.nodemanager.aux-services
            mapreduce_shuffle
        

    
    
            yarn.resourcemanager.ha.enabled
            true
    
    
    
    
            yarn.resourcemanager.cluster-id
            cluster-yarn1
    
    
    
            yarn.resourcemanager.ha.rm-ids
            rm1,rm2
    
    
    
            yarn.resourcemanager.hostname.rm1
            hadoop101
    
    
    
            yarn.resourcemanager.hostname.rm2
            hadoop102
    
    
     
    
            yarn.resourcemanager.zk-address
            hadoop101:2181,hadoop102:2181,hadoop103:2181
    
    
     
    
            yarn.resourcemanager.recovery.enabled
            true
    
    
     
    
            yarn.resourcemanager.store.class
            org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore
    

（2）配置mapred-env.sh，yarn-env.sh的JAVA_HOME

JAVA_HOME=/opt/modules/jdk1.8.0_144

（3）配置mapred-site.xml

    mapreduce.framework.name
    yarn

（2）同步更新配置到其他节点的配置信息

[hadoop@hadoop101 hadoop-2.7.2]$ xsync etc

停止之前启动的hdfs集群并删除datas、logs目录下的文件

[hadoop@hadoop101 hadoop-2.7.2]$ sbin/stop-dfs.sh

[hadoop@hadoop101 hadoop-2.7.2]$ rm -rf datas/* logs/*
[hadoop@hadoop102 hadoop-2.7.2]$ rm -rf datas/* logs/*
[hadoop@hadoop103 hadoop-2.7.2]$ rm -rf datas/* logs/*

启动hdfs

sbin/start-dfs.sh

启动YARN

（1）在hadoop101中执行：

sbin/start-yarn.sh

（2）在hadoop102中执行：

sbin/yarn-daemon.sh start resourcemanager

（3）查看服务状态，如图3-24所示

bin/yarn rmadmin -getServiceState rm1

8.5 HDFS Federation架构设计

NameNode架构的局限性

（1）Namespace（命名空间）的限制

由于NameNode在内存中存储所有的元数据（metadata），因此单个NameNode所能存储的对象（文件+块）数目受到NameNode所在JVM的heap size的限制。50G的heap能够存储20亿（200million）个对象，这20亿个对象支持4000个DataNode，12PB的存储（假设文件平均大小为40MB）。随着数据的飞速增长，存储的需求也随之增长。单个DataNode从4T增长到36T，集群的尺寸增长到8000个DataNode。存储的需求从12PB增长到大于100PB。

（2）隔离问题

由于HDFS仅有一个NameNode，无法隔离各个程序，因此HDFS上的一个实验程序就很有可能影响整个HDFS上运行的程序。

（3）性能的瓶颈

由于是单个NameNode的HDFS架构，因此整个HDFS文件系统的吞吐量受限于单个NameNode的吞吐量。

HDFS Federation架构设计

能不能有多个NameNode，例如：

NameNode	NameNode	NameNode
元数据	元数据	元数据
Log	machine	电商数据/话单数据

HDFS Federation应用
不同应用可以使用不同NameNode进行数据管理：图片业务、爬虫业务、日志审计业务
Hadoop生态系统中，不同的框架使用不同的NameNode进行管理NameSpace（隔离性）。