你想了解的分布式文件系统HDFS,看这一篇就够了

1、分布式文件系统

计算机集群结构

分布式文件系统把文件分布存储到多个节点(计算机)上,成千上万的计算机节点构成计算机集群。

分布式文件系统使用的计算机集群,其配置都是由普通硬件构成的,与用多个处理器和专用高级硬件的并行化处理装置相比,前者大大降低了硬件上的开销。

分布式文件系统的结构

分布式文件系统在物理结构上是由众多阶段及节点构成的,而这些节点中分为两类。一类是主节点(Master Node),又被称为名称节点(NameNode),另一类是从节点(Slave Node),又被称为数据节点(DataNode)。

2、HDFS简介

官方用户指南:http://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/HdfsUserGuide.html

Hadoop是由HDFS和MapReduce两大组件组成的,HDFS全称为Hadoop Distributed File System(Hadoop 分布式文件系统)。

它和现有的分布式文件系统有很多共同点。但同时,它和其他的分布式文件系统的区别也是很明显的。HDFS是一个高度容错性的系统,适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问,非常适合大规模数据集上的应用。

HDFS要实现的目标:

  • 兼容廉价的硬件设备
  • 流数据读写
  • 大数据集
  • 简单的文件类型
  • 强大的跨平台兼容性

HDFS局限性:

  • 不适合低延迟数据访问
  • 无法高效存储大量小文件(与自身实现有关)
  • 不支持多用户写入及任意修改文件

3、HDFS相关概念

“块”在HDFS中作为最小存储单位,默认一个块为64MB。在HDFS中,一个文件将会被分割成多个块,保存到各个数据节点。块的大小远远高于普通文件系统,可以最小化寻址开销。

HDFS中抽象的块模型可以带来如下好处:

  • 支持大规模文件存储

单个文件被分成若干个块,分别存储到若干个数据节点中,其文件大小不会受到单个节点容量的限制。

  • 简化系统设计

文件块大小是固定的,可以很容易计算出一个节点中可以存储多少个文件块。方便了元数据的管理,元数据不需要和文件块一起保存,可以由其它系统负责管理元数据。

  • 适合数据备份

每个文件块都可以冗余的存储到多个数据节点上,当一个节点数据出错时,就可以根据其他副本节点恢复数据。大大提高了系统的容错性与高可用性。

名称节点(NameNode)和数据节点(DataNode)

NameNode与SecondaryNameNode同为“名称节点”。SecondaryNameNode作为二级名称节点,它与NameNode的关系是:SecondaryNameNode是NameNode的冷备份。

属性 功能 位置 内容
NameNode 存储元数据 元数据保存在内存中 保存文件、block、DataNode之间的映射关系
DataNode 存储文件内容 文件内容保存到磁盘 维护了block id到DataNode本地文件的映射关系

名称节点的数据结构

在HDFS中,名称节点(NameNode)负责管理分布式文件系统的命名空间 (Namespace),保存了两个核心的数据结构,即FsImage和EditLog 。名称节点记录了每个文件中各个块所在的数据节点的位置信息。

  • FsImage

用于维护文件系统树以及文件树中所有的文件和文件夹的元数据 。

  • EditLog

操作日志文件,其中记录了所有针对文件的创建、删除、重命名等操作 。

FsImage

FsImage文件包含文件系统中所有目录和文件inode的序列化形式。每个inode是一 个文件或目录的元数据的内部表示,并包含此类信息:文件的复制等级、修改和访问 时间、访问权限、块大小以及组成文件的块。对于目录,则存储修改时间、权限和配 额元数据 。

FsImage文件没有记录块存储在哪个数据节点。而是由名称节点把这些映射保留在 内存中,当数据节点加入HDFS集群时,数据节点会把自己所包含的块列表告知给名 称节点,此后会定期执行这种告知操作,以确保名称节点的块映射是最新的。

名称节点的启动

在名称节点启动的时候,它会将FsImage文件中的内容加载到内存中,之后再执行 EditLog文件中的各项操作,使得内存中的元数据和实际的同步,存在内存中的元数 据支持客户端的读操作。

一旦在内存中成功建立文件系统元数据的映射,则创建一个新的FsImage文件和一个空的EditLog文件。

名称节点起来之后,HDFS中的更新操作会重新写到EditLog文件中,因为FsImage 文件一般都很大(GB级别的很常见),如果所有的更新操作都往FsImage文件中添 加,这样会导致系统运行的十分缓慢,但是,如果往EditLog文件里面写就不会这样 ,因为EditLog 要小很多。每次执行写操作之后,且在向客户端发送成功代码之前, edits文件都需要同步更新。

名称节点运行期间EditLog不断变大的问题

在名称节点运行期间,HDFS的所有更新操作都是直接写到EditLog中,久而久之, EditLog文 件将会变得很大 。

虽然这对名称节点运行时候是没有什么明显影响的,但是,当名称节点重启的时候,名称节点 需要先将FsImage里面的所有内容映像到内存中,然后再一条一条地执行EditLog中的记录,当EditLog文件非常大的时候,会导致名称节点启动操作非常慢,而在这段时间内HDFS系统处于安全模式,一直无法对外提供写操作,影响了用户的使用。

名称节点运行期间EditLog不断变大的问题,如何解决?答案是:SecondaryNameNode第二名称节点

第二名称节点是HDFS架构中的一个组成部分,它是用来保存名称节点中对HDFS元数据信息的备份,并减少名称节点重启的时间。SecondaryNameNode一般是单独运行在一台机器上。

SecondaryNameNode的工作情况:

(1)SecondaryNameNode会定期和NameNode 通信,请求其停止使用EditLog文件,暂时将新的写操作写到一个新的文件edit.new上来,这个操作是瞬间完成,上层写日志的函数完全感觉不到差别。

(2)SecondaryNameNode通过HTTP GET方式从NameNode上获取到FsImage和EditLog文件,并下载到本地的相应目录下。

(3)SecondaryNameNode将下载下来的FsImage载入到内存,然后一条一条地执行EditLog文件中的各项更新操作,使得内存中的 FsImage保持最新;这个过程就是EditLog和 FsImage文件合并。

(4)SecondaryNameNode执行完(3)操作之后,会通过post方式将新的FsImage文件发送到NameNode节点上 。

(5)NameNode将从SecondaryNameNode接收到的新的FsImage替换旧的FsImage文件, 同时将edit.new替换EditLog文件,通过这个过程EditLog就变小了。

数据节点(DataNode)

数据节点是分布式文件系统HDFS的工作节点,负责数据的存储和读取,会根据客 户端或者是名称节点的调度来进行数据的存储和检索,并且向名称节点定期发送自己 所存储的块的列表 。

每个数据节点中的数据会被保存在各自节点的本地Linux文件系统中。

4、HDFS体系结构

概述

HDFS采用了主从(Master/Slave)结构模型,一个HDFS集群包括一个名称节点( NameNode)和若干个数据节点(DataNode)。名称节点作为中心服务器, 负责管理文件系统的命名空间及客户端对文件的访问。集群中的数据节点一般是一个节点运行 一个数据节点进程,负责处理文件系统客户端的读/写请求,在名称节点的统一调度下进行数据 块的创建、删除和复制等操作。每个数据节点的数据实际上是保存在本地Linux文件系统中的。

HDFS命名空间管理

HDFS的命名空间包含目录、文件和块。

在HDFS1.0体系结构中,在整个HDFS集群中只有一个命名空间,并且只有唯一一个名称节点,该节点负责对这个命名空间进行管理 。

HDFS使用的是传统的分级文件体系,因此,用户可以像使用普通文件系统一样,创建、删除目录和文件,在目录间转移文件,重命名文件等。

通信协议

HDFS是一个部署在集群上的分布式文件系统,因此,很多数据需要通过网络进行传输。

所有的HDFS通信协议都是构建在TCP/IP协议基础之上的。

客户端通过一个可配置的端口向名称节点主动发起TCP连接,并使用客户端协议与 名称节点进行交互。

名称节点和数据节点之间则使用数据节点协议进行交互。

客户端与数据节点的交互是通过RPC(Remote Procedure Call)来实现的。在设 计上,名称节点不会主动发起RPC,而是响应来自客户端和数据节点的RPC请求。

客户端

客户端是用户操作HDFS最常用的方式,HDFS在部署时都提供了客户端。

HDFS客户端是一个库,暴露了HDFS文件系统接口,这些接口隐藏了HDFS实现中的大部分复杂性。

严格来说,客户端并不算是HDFS的一部分。

客户端可以支持打开、读取、写入等常见的操作,并且提供了类似Shell的命令行方式来访问HDFS中的数据

此外,HDFS也提供了Java API,作为应用程序访问文件系统的客户端编程接口。

HDFS体系结构的局限性

HDFS只设置唯一一个名称节点,这样做虽然大大简化了系统设计,但也带来了一些 明显的局限性,具体如下:

(1)命名空间的限制:名称节点是保存在内存中的,因此,名称节点能够容纳的 对象(文件、块)的个数会受到内存空间大小的限制。

(2)性能的瓶颈:整个分布式文件系统的吞吐量,受限于单个名称节点的吞吐量。

(3)隔离问题:由于集群中只有一个名称节点,只有一个命名空间,因此,无法 对不同应用程序进行隔离。

(4)集群的可用性:一旦这个唯一的名称节点发生故障,会导致整个集群变得不 可用。

5、HDFS存储原理

冗余数据保存

作为一个分布式文件系统,为了保证系统的容错性和可用性,HDFS采用了多副 本方式对数据进行冗余存储,通常一个数据块的多个副本会被分布到不同的数据节点 上,如图所示,数据块1被分别存放到数据节点A和C上,数据块2被存放在数据节 点A和B上。

这种多副本方式具有以下几个优点:

(1)加快数据传输速度。

(2)容易检查数据错误。

(3)保证数据可靠性。

数据存取策略

数据存放

Block的副本放置策略:

第一个副本:放置在上传文件的数据节点;如果是集群外提交,则随机挑选一台磁盘 不太满、CPU不太忙的节点。

第二个副本:放置在与第一个副本不同的机架的节点上。

第三个副本:与第一个副本相同机架的其他节点上。

更多副本:随机节点。

数据读取

HDFS提供了一个API可以确定一个数据节点所属的机架ID,客户端也可以调用API 获取自己所属的机架ID。

当客户端读取数据时,从名称节点获得数据块不同副本的存放位置列表,列表中包 含了副本所在的数据节点,可以调用API来确定客户端和这些数据节点所属的机架ID, 当发现某个数据块副本对应的机架ID和客户端对应的机架ID相同时,就优先选择该副本读取数据,如果没有发现,就随机选择一个副本读取数据。

数据错误与恢复

HDFS具有较高的容错性,可以兼容廉价的硬件,它把硬件出错看作一种常态, 而不是异常,并设计了相应的机制检测数据错误和进行自动恢复,主要包括以下几种 情形:名称节点出错、数据节点出错和数据出错。

名称节点出错

名称节点保存了所有的元数据信息,其中,最核心的两大数据结构是FsImage和Editlog,如果这两个文件发生损坏,那么整个HDFS实例将失效。因此,HDFS设置了备份机制,把这些核心文件同步复制到备份服务器SecondaryNameNode上。当名称节点出错时,就可以根据备份服务器SecondaryNameNode中的FsImage和Editlog数据进行恢复。

数据节点出错

每个数据节点会定期向名称节点发送“心跳”信息,向名称节点报告自己的状态。

当数据节点发生故障,或者网络发生断网时,名称节点就无法收到来自一些数据节点的心跳信息,这时,这些数据节点就会被标记为“宕机”,节点上面的所有数据都会被标记为“不可读”,名称节点不会再给它们发送任何I/O请求。

这时,有可能出现一种情形,即由于一些数据节点的不可用,会导致一些数据块的副本数量小于冗余因子。

名称节点会定期检查这种情况,一旦发现某个数据块的副本数量小于冗余因子,就会启动数据冗余复制,为它生成新的副本。

HDFS和其它分布式文件系统的最大区别就是可以调整冗余数据的位置。

数据出错

网络传输和磁盘错误等因素,都会造成数据错误。

客户端在读取到数据后,会采用md5和sha1对数据块进行校验,以确定读取到正确的数据。

在文件被创建时,客户端就会对每一个文件块进行信息摘录,并把这些信息写入到同一个路径的隐藏文件里面。

当客户端读取文件的时候,会先读取该信息文件,然后,利用该信息文件对每个读 取的数据块进行校验,如果校验出错,客户端就会请求到另外一个数据节点读取该文件块,并且向名称节点报告这个文件块有错误,名称节点会定期检查并且重新复制这个块。

6、HDFS读写过程

FileSystem是一个通用文件系统的抽象基类,可以被分布式文件系统继承,所有可能使用 Hadoop文件系统的代码,都要使用这个类。

Hadoop为FileSystem这个抽象类提供了多种具体实现。

DistributedFileSystem就是FileSystem在HDFS文件系统中的具体实现。

FileSystem的open()方法返回的是一个输入流FSDataInputStream对象,在HDFS文件系统中 ,具体的输入流就是DFSInputStream;FileSystem中的create()方法返回的是一个输出流 FSDataOutputStream对象,在HDFS文件系统中,具体的输出流就是DFSOutputStream。

Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(conf);
FSDataInputStream in = fs.open(new Path(uri));
FSDataOutputStream out = fs.create(new Path(uri));

备注:创建一个Configuration对象时,其构造方法会默认加载工程项目下两个配置文件,分别是 hdfs-site.xml以及core-site.xml,这两个文件中会有访问HDFS所需的参数值,主要是 fs.defaultFS,指定了HDFS的地址(比如hdfs://localhost:9000),有了这个地址客户端就可以 通过这个地址访问HDFS了。

读取文件

import java.io.BufferedReader;
import java.io.InputStreamReader ;
import org.apache.hadoop.conf.Configuration ;
import org.apache.hadoop.fs.FileSystem ;
import org.apache.hadoop.fs.Path ;
import org.apache.hadoop.fs.FSDataInputStream ;
public class Chapter3 {
    public static void main(String[] args) {
        try {
            Configuration conf = new Configuration();
            FileSystem fs = FileSystem.get(conf);
            Path filename = new Path(“hdfs://localhost:9000/user/hadoop/test.txt");
            FSDataInputStream is = fs.open(filename);
            BufferedReader d = new BufferedReader(new InputStreamReader(is));
            String content = d.readLine(); //读取文件一行
            System.out.println(content);
            d.close(); //关闭文件
            fs.close(); //关闭hdfs
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

写入文件

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.Path;
public class Chapter3 {
    public static void main(String[] args) {
        try {
            Configuration conf = new Configuration();
            FileSystem fs = FileSystem.get(conf);
            byte[] buff = "Hello world".getBytes(); // 要写入的内容
            String filename = " hdfs://localhost:9000/user/hadoop/test.txt "; //要写入的文件名
            FSDataOutputStream os = fs.create(new Path(filename));
            os.write(buff,0,buff.length);
            System.out.println("Create:"+ filename);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

7、HDFS编程实践

首先启动hadoop

$ cd /usr/local/hadoop
$ ./bin/hdfs namenode -format  # 格式化hdfs文件系统,初始化时使用,之前执行后就不需再执行
$ ./bin/start-dfs.sh

常用命令

HDFS有很多shell命令,其中,fs命令可以说是HDFS最常用的命令。利用该命令可以 查看HDFS文件系统的目录结构、上传和下载数据、创建文件等。

该命令的用法为: hadoop fs [genericOptions] [commandOptions]

备注:Hadoop中有三种Shell命令方式:

  1. hadoop fs适用于任何不同的文件系统,比如本地文件系统和HDFS文件系统。

  2. hadoop dfs只能适用于HDFS文件系统。

  3. hdfs dfs跟hadoop dfs的命令作用一样,也只能适用于HDFS文件系统。

实例

hadoop fs -ls :显示指定的文件的详细信息

hadoop fs -mkdir :创建指定的文件夹

例中“./”表示“/usr/local/hadoop/bin”路径。

hadoop fs -cat :将指定的文件的内容输出到标准输出(stdout)

hadoop fs -copyFromLocal :将本地源文件复制到路径指定的文件或文件夹中

WEB管理界面

http://ip:50070,默认端口50070

利用Java API与HDFS进行交互

maven项目中引入

    
        
        
            org.apache.hadoop
            hadoop-common
            2.6.0
        
        
        
            org.apache.hadoop
            hadoop-hdfs
            2.6.0
        
        
        
            org.apache.hadoop
            hadoop-client
            2.6.0
        
    

写一个FileSystem获取工具类:

package com.yl.hdfs;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;

/**
 * 单例模式生成FileSystem
 * 
 * @author guilin
 *
 */
public class FileSystemFactory {

    private static class FileSystemFactoryHolder{

        public static FileSystem instance;

        static {
            Configuration conf = new Configuration();
                conf.set("fs.defaultFS","hdfs://172.20.10.6:9000");
                conf.set("fs.hdfs.impl", "org.apache.hadoop.hdfs.DistributedFileSystem");
                try {
            instance = FileSystem.get(conf);
            } catch (IOException e) {
                e.printStackTrace();
            }
            }
    }

    public static FileSystem getInsatnce() {
        return FileSystemFactoryHolder.instance;
    }

}

实例:利用hadoop 的java api检测伪分布式文件系统HDFS上是否存在某个文件?

其中172.20.10.6是我hadoop机器上的ip地址。

package com.yl.hdfs;

import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class HdfsExists {
    public static void main(String[] args) {
        try {
            String filename = "/user/hadoop/input";
            FileSystem fs = FileSystemFactory.getInsatnce();
            if(fs.exists(new Path(filename))){
                System.out.println("文件存在");
            }else{
                System.out.println("文件不存在");
            }
            fs.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

验证一下是否存在:

实例:写HDFS上的文件?

package com.yl.hdfs;

import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class HdfsWrite {
    public static void main(String[] args) {
        try {
            FileSystem fs = FileSystemFactory.getInsatnce();
            byte[] buff = "Hello world!".getBytes(); // 要写入的内容
            String filename = "/user/22113/test"; //要写入的文件名
            FSDataOutputStream os = fs.create(new Path(filename));
            os.write(buff,0,buff.length);
            System.out.println("Create:"+ filename);
            os.close();
            fs.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

实例:读HDFS上的文件?

package com.yl.hdfs;

import java.io.BufferedReader;
import java.io.InputStreamReader;

import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class HdfsRead {
    public static void main(String[] args) {
        try {
            FileSystem fs = FileSystemFactory.getInsatnce();
                        String filename = "/user/22113/test.txt"; //要读的文件名
                        FSDataInputStream in = fs.open(new Path(filename));
                        BufferedReader bis = new BufferedReader(new InputStreamReader(in));
                        System.out.println(bis.readLine());
                        bis.close();
                        fs.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

常见错误:

  • java.net.ConnectException

Connection refused: no further information

此例环境:windows中安装虚拟机运行Hadoop。由于hadoop中core-site.xml中设置的fs.defaultFS是hdfs://localhost:9000,所以报错,应该将lcoalhost替换成自己虚拟机分配的ip地址,之后重启hadoop。

  • 记得开启对应的虚拟机端口,端口未开启会报错。《CentOS7 中开放端口》

  • org.apache.hadoop.security.AccessControlException

Permission denied: user=22113, access=WRITE, inode="/user/hadoop":hadoop:supergroup:drwxr-xr-x

没有写入权限,应该设置该文件夹权限。

文件权限由读、可执行变成读、写、可执行。现在/user/22113文件夹皆可以写入内容了。

  • org.apache.hadoop.ipc.RemoteException(java.io.IOException)

File /user/22113/test.txt could only be replicated to 0 nodes instead of minReplication (=1). There are 1 datanode(s) running and 1 node(s) are excluded in this operation.

这个错误从网上找了很久,都没解决。有人说是DataNode没启动,但是我用jps命令查看,发现DataNode是在运行。还有人说是format多次NameNode与DataNode导致的,可是这都不是原因。后来突然想起关闭虚拟机防火墙,发现就可以了,功能正常运作,具体原因待分析。

结尾

本文是根据中国大学MOOC网站上,课程《大数据技术原理与应用》的课件ppt撰写的一篇博文。由于自己也是正在跟着这门课进行学习,所以很多专业性知识点都是截取课件ppt上的内容。顺便推荐一下这门课程,老师讲解的知识点非常细致,还有对操作步骤详细记录的博客资源。

感谢厦门大学数据库实验室,感谢林子雨老师提供的这么优秀的资源。

你可能感兴趣的:(你想了解的分布式文件系统HDFS,看这一篇就够了)