笔记|hadoop核心组件——HDFS系列讲解之HDFS基本介绍


hadoop核心组件——HDFS系列讲解之HDFS 基本介绍

  • HDFS 基本介绍
  • HDFS分块存储
  • 抽象成数据块的好处
  • 块缓存
  • HDFS副本机制
  • 名字空间(NameSpace)
  • Namenode 功能
  • Datanode功能
  • 机架感知

HDFS 基本介绍 HDFS 是 Hadoop Distribute File System 的简称,意为:Hadoop 分布式文件系统。是 Hadoop 核心组件之一,作为最底层的分布式存储服务而存在。
分布式文件系统解决的问题就是大数据存储。它们是横跨在多台计算机上的存储系统。分布式文件系统在大数据时代有着广泛的应用前景,它们为存储和处理超大规模数据提供所需的扩展能力。
HDFS使用Master和Slave结构对集群进行管理。一般一个 HDFS 集群只有一个 Namenode 和一定数目的Datanode 组成。Namenode 是 HDFS 集群主节点,Datanode 是 HDFS 集群从节点,两种角色各司其职,共同协调完成分布式的文件存储服务。
NameNode(Master)管理者 - 只负责管理,管理集群内各个节点。 SecondaryNameNode 辅助管理 – 只负责辅助NameNode管理工作。 DataNode(Slave) 工作者,是负责工作,周期向NameNode汇报,进行读写数据。 1)HDFS集群包括,NameNode和DataNode以及Secondary Namenode。 2)NameNode负责管理整个文件系统的元数据,以及每一个路径(文件)所对应的数据块信息。 3)DataNode 负责管理用户的文件数据块,每一个数据块都可以在多个datanode上存储多个副本。 4)Secondary NameNode用来监控HDFS状态的辅助后台程序,每隔一段时间获取HDFS元数据的快照,最主要作用是辅助namenode管理元数据信息

笔记|hadoop核心组件——HDFS系列讲解之HDFS基本介绍
文章图片

HDFS分块存储
hdfs将所有的文件全部抽象成为block块来进行存储,不管文件大小,全部一视同仁都是以block块的统一大小和形式进 行存储,方便我们的分布式文件系统对文件的管理所有的文件都是以block块的方式存放在HDFS文件系统当中,在Hadoop1当中,文件的block块默认大小是64M, Hadoop2当中,文件的block块大小默认是128M,block块的大小可以通过hdfs-site.xml当中的配置文件进行指定dfs.block.size 块大小 以字节为单位//只写数值就可以 一个文件100M,上传到HDFS占用几个快? 一个块128M,剩余的28M怎么办? 事实上,128只是个数字,数据超过128M,便进行切分,如果没有超过128M,就不用切分,有多少算多少,不足 128M的也是一个快。这个快的大小就是100M,没有剩余28M这个概念。

抽象成数据块的好处
  1. 一个文件有可能大于集群中任意一个磁盘
    20T/128 = xxx块,这些block块属于一个文件
  2. 使用块抽象而不是文件,可以简化存储子系统。
  3. 块非常适合用于数据备份进而提供数据容错能力和可用性
块缓存 通常DataNode从磁盘中读取块,但对于访问频繁的文件,其对应的块可能被显示的缓存在DataNode的内存中,以堆外块缓存的形式存在。
默认情况下,一个块仅缓存在一个DataNode的内存中,当然可以针对每个文件配置DataNode的数量。作业调度器通过在缓存块的DataNode上运行任务,可以利用块缓存的优势提高读操作的性能。
HDFS副本机制
HDFS视硬件错误为常态,硬件服务器随时有可能发生故障。 为了容错,文件的所有 block 都会有副本。每个文件的 block 大小和副本系数都是可配置的。应用程序可以指定某个文 件的副本数目。副本系数可以在文件创建的时候指定,也可以在之后改变。 数据副本默认保存三个副本,我们可以更改副本数以提高数据的安全性 在hdfs-site.xml当中修改以下配置属性,即可更改文件的副本数dfs.replication 3 低版本Hadoop副本节点选择 第一个副本在client所处的节点上。如果客户端在集群外,随机选一个。 第二个副本和第一个副本位于不相同机架的随机节点上。 第三个副本和第二个副本位于相同机架,节点随机。Hadoop2.7.2副本节点选择 第一个副本在client所处的节点上。如果客户端在集群外,随机选一个。 第二个副本和第一个副本位于相同机架,随机节点。 第三个副本位于不同机架,随机节点。

名字空间(NameSpace) HDFS 支持传统的层次型文件组织结构。用户或者应用程序可以创建目录,然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似:用户可以创建、删除、移动或重命名文件。
Namenode 负责维护文件系统的名字空间,任何对文件系统名字空间或属性的修改都将被Namenode 记录下来。
HDFS 会给客户端提供一个统一的目录树,客户端通过路径来访问文件,形如:hdfs://namenode:port/dir-a/dir-b/dir-c/file.data。
Namenode 功能
  1. 我们把目录结构及文件分块位置信息叫做元数据。Namenode 负责维护整个hdfs文件系统的目录树结构,以及每一个文件所对应的 block 块信息(block 的id,及所在的datanode 服务器)。
  2. Namenode节点负责确定指定的文件块到具体的Datanode结点的映射关系。在客户端与数据节点之间共享数据。
  3. 管理Datanode结点的状态报告,包括Datanode结点的健康状态报告和其所在结点上数据块状态报告,以便能够及时处理失效的数据结点。
Datanode功能
  1. 文件的各个 block 的具体存储管理由 datanode 节点承担。每一个 block 都可以在多个datanode 上。Datanode 需要定时向 Namenode 汇报自己持有的 block信息。 存储多个副本(副本数量也可以通过参数设置 dfs.replication,默认是 3)。
  2. 向Namenode结点报告状态。每个Datanode结点会周期性地向Namenode发送心跳信号和文件块状态报告。
    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。
    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. 执行数据的流水线复制。当文件系统客户端从Namenode服务器进程获取到要进行复制的数据块列表后,完成文件块及其块副本的流水线复制。
    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。
机架感知 【笔记|hadoop核心组件——HDFS系列讲解之HDFS基本介绍】机架感知需要人为进行配置,编写Python脚本“RackAware.py”。内容为服务器IP与交换机的对应关系。(开源hadoop,使用RackAware.sh)
#!/usr/bin/python #-*-coding:UTF-8 -*- import sysrack = {"12.12.3.1":"SW6300-1", "12.12.3.2":"SW6300-1", "12.12.3.3":"SW6300-1", "12.12.3.4":"SW6300-1", "12.12.3.5":"SW6300-1", "12.12.3.6":"SW6300-1","12.12.3.25":"SW6300-2", "12.12.3.26":"SW6300-2", "12.12.3.27":"SW6300-2", "12.12.3.49":"SW6300-3", "12.12.3.50":"SW6300-3", "12.12.3.51":"SW6300-3","12.12.3.73":"SW6300-4", "12.12.3.74":"SW6300-4", "12.12.3.75":"SW6300-4", } if __name__=="__main__": print "/" + rack.get(sys.argv[1],"SW6300-1-2")

使用以下命令验证
[root@node01 sbin]# python RackAware.py 12.12.3.1 /SW6300-1 [root@node01 sbin]# python RackAware.py 12.12.3.25 /SW6300-2 [root@node01 sbin]# python RackAware.py 12.12.3.75 /SW6300-4 [root@node01 sbin]# python RackAware.py 12.12.3.100 /SW6300-1-2

编辑core-site.xml配置文件,将脚本配置为topology.script.file.name的值
topology.script.file.name RackAware.py的绝对路径

    推荐阅读