敢说敢作敢为, 无怨无恨无悔。这篇文章主要讲述#yyds干货盘点# 大数据技术栈之Hadoop-HDFS相关的知识,希望能为你提供帮助。
概述
Hadoop是一个分布式系统基础架构hadoop作为大数据技术栈必须要掌握的框架,且Hadpood生态圈非常强大
主要解决海量数据的存储和分析计算
Hadoop组成
HDFS(Hadoop Distributed File System)分布式文件存储系统,适合一次写入,多次读出,切不修改
优点
- 高容错,数据可以保存成多副本,防止数据丢失
- 适合处理大数据量存储,分布式存储
- 可构建在廉价机器上,节省资源
- 不适合低延时数据访问
- 无法高效对大量小文件进行存储,小问题太多会占有NameNode大量内存来存储文件目录和块信息
- 不支持并发写入一个文件,只能追加写
NameNode:就是master节点
- 管理HDFS的名称空间
- 配置副本策略
- 管理数据块映射信息
- 处理客户端读写请求
- 存储实际的数据块
- 执行数据块的读/写操作
- 文件切分,文件上传HDFS时,将文件切分成一个个Block,然后再上传
- 与NameNode节点交互,获取文件位置信息
- 辅助NameNode,定期河北Fsimage和Edits,并推送给NameNode
- 紧急情况下,可辅助恢复NameNode
文件块大小HDFS文件在物理上是分块存储(Block),可自定义设置dfs.blocksize
block大小主要取决于磁盘传输速度,寻址时间为传输时间的1%时,则为最佳时间
- 块太大,磁盘数据传输时间就很大
- 块太小,查询数据可以会多次寻址,增加寻址时间
HDFS数据读写流程
写文件
1)客户端向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NameNode询问第一个Block上传哪几个DataNode
4)NameNode返回DataNode节点信息
5)客户端请求DataNode1上传数据,DataNode1收到请求会继续调用DataNode2,然后DataNode2调用DataNode3,建立通信管道
6)DataNode1,DataNode2,DataNode3逐级应答
7)客户端开始发送第一个Block数据,DataNode1收到数据之后再传给DataNode2,DataNode1美传一个packet会放入一个应答队列等待相应,链式传递下去
8)完成第一个Block传递之后,客户端再请求NameNode获取DataNode信息。。。
NameNode如何选择DataNode本来就近原则,会选择最近的DataNode,如何计算最近?
这里不多介绍,有兴趣可以深入研究
NameNode工作机制
第一阶段:NameNode启动
- 第一次启动NameNode格式化后,创建Fsimage和Edits文件,如果非第一次启动,直接加载Fsimage和Edits
- 客户端对元数据进行增删改请求
- NameNode记录操作日期,更新滚动日子
- NameNode在内存中对数据进行增删改
第二阶段:Secondary NameNode工作
- Secondary NameNode询问NameNode是否需要CheckPoint
- Secondary NameNode请求执行CheckPoint
- NameNode滚动正在写的Edits日志
- 将滚动前的Edits、Fsimage拷贝到Secondary NameNode
- Secondary NameNode加载Edits、Fsimage到内存,再合并
- 生成新的镜像文件fsimage.chkpoint
- 拷贝fsimage.chkpoint到NameNode
- NameNode将fsimage.chkpoint重命名成fsimage
读文件
1)客户端请求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),请求读取数据
3)DataNode开始传输数据给客户端,以Packet为单位发送
4)客户端以Packet为单位接收,现在本地内存缓存,然后写入文件
【#yyds干货盘点# 大数据技术栈之Hadoop-HDFS】
推荐阅读
- ClickHouse 在 UBA 系统中的字典编码优化实践
- 源码编译并二进制安装MySQL5.7 3二进制安装mariadb10.4
- #yyds干货盘点#C#中的数据字典Dictionary
- #yyds干货盘点#Flowable最新版6.7.0入门篇之基于SpringBoot的例子
- 圆通物流轨迹推送服务接口Java文档
- mysql 学习笔记
- 「2022」打算跳槽涨薪,必问面试题及答案 -- CSS篇
- 记录一次vSAN硬盘故障
- linux数组排序显示