HDFS概述（6）————用户手册
目的
本文档是使用Hadoop分布式文件系统（HDFS）作为Hadoop集群或独立通用分布式文件系统的一部分的用户的起点。虽然HDFS旨在在许多环境中“正常工作”，但HDFS的工作知识有助于在特定集群上进行配置改进和诊断。
概述
HDFS是Hadoop应用程序使用的主要分布式存储。HDFS集群主要由一个NameNode来管理文件系统元数据和存储实际数据的DataNodes。HDFS架构指南详细介绍了HDFS。本用户指南主要处理用户和管理员与HDFS集群的交互。HDFS架构图描述了NameNode，DataNode和客户端之间的基本交互。客户联系NameNode进行文件元数据或文件修改，并直接使用DataNodes执行实际的文件I / O。
以下是许多用户可能感兴趣的一些突出特征：
Hadoop，包括HDFS，非常适合于使用商品硬件的分布式存储和分布式处理。它是容错的，可扩展的，非常简单的扩展。由于其简明易用且适用于大型分布式应用程序，MapReduce是Hadoop的一个组成部分。
HDFS是高度可配置的，默认配置非常适合许多安装。大多数情况下，配置需要仅针对非常大的集群进行调整。
Hadoop是用Java编写的，在所有主要平台上都支持。
Hadoop支持类shell命令直接与HDFS进行交互。
NameNode和Datanodes内置了Web服务器，可以方便地检查集群的当前状态。
在HDFS中经常实施新功能和改进。以下是HDFS中有用功能的一个子集：
文件权限和身份验证。
机架感知：在调度任务和分配存储时考虑节点的物理位置。
Safemode：维护的管理模式。
fsck：用于诊断文件系统运行状况的实用程序，以查找丢失的文件或块。
fetchdt：一个用于获取DelegateToken并将其存储在本地系统上的文件中的实用程序。
平衡器：数据在DataNodes之间不均匀分布时平衡集群的工具。
升级和回滚：软件升级后，如果出现意外问题，可以在升级之前回滚到HDFS状态。
Secondary NameNode：执行命名空间的定期检查点，并帮助将包含HDFS修改日志的文件的大小保留在NameNode的某个限制内。
检查点节点：执行命名空间的定期检查点，并帮助最小化包含HDFS更改的NameNode中存储的日志大小。替换先前由Secondary NameNode填充的角色，尽管尚未使用。NameNode允许多个Checkpoint节点同时进行，只要没有备份节点注册到系统。
备份节点：Checkpoint节点的扩展。除了检查点之外，它还从NameNode接收编辑流，并维护其自己的命名空间的内存中副本，该副本始终与活动的NameNode命名空间状态同步。只能一个备份节点可以一次注册到NameNode。
准备工作
以下文档介绍如何安装和设置Hadoop集群：
- Single Node Setup for first-time users.
- Cluster Setup for large, distributed clusters.
本文档的其余部分假设用户能够使用至少一个DataNode来设置和运行HDFS。为了本文档的目的，NameNode和DataNode都可以在同一物理机上运行。
Web服务
NameNode和DataNode都会运行一个内部Web服务器，以显示有关集群当前状态的基本信息。使用默认配置，NameNode首页位于http://namenode-name:50070/。它列出了集群中的DataNodes和集群的基本统计信息。Web界面也可用于浏览文件系统（使用NameNode首页上的“浏览文件系统”链接）。
Shell命令
Hadoop包括与Hadoop支持的HDFS和其他文件系统直接交互的各种shell命令。命令bin / hdfs dfs -help列出了Hadoop shell支持的命令。此外，命令bin / hdfs dfs -help命令名显示命令的更详细的帮助。这些命令支持大多数正常的文件系统操作，如复制文件，更改文件权限等。它还支持几个HDFS特定操作，如更改文件复制。有关详细信息，请参阅File System Shell Guide.
DFSAdmin Command
bin / hadoop dfsadmin命令支持几个与HDFS管理相关的操作。bin / hadoop dfsadmin -help命令列出了当前支持的所有命令。例如：
-report：报告HDFS的基本统计资料。这些信息中的一些也可以在NameNode首页上找到。
-safemode：虽然通常不需要，管理员可以手动输入或离开Safemode。
-finalizeUpgrade：删除上一次升级过程中创建的群集的先前备份。
-refreshNodes：使用允许连接到namenode的数据库集更新namenode。Namenodes重新读取由dfs.hosts dfs.hosts.exclude定义的文件中的datanode主机名。dfs.hosts中定义的主机是作为集群一部分的数据库。如果dfs.hosts中有条目，则只允许其中的主机向namenode注册。dfs.hosts.exclude中的条目是需要停用的数据。当所有副本从其复制到其他数据库时，Datanodes完全退役。退出的节点不会自动关闭，也不会被选择用于写入新的副本。
-printTopology：打印集群的拓扑。显示由NameNode查看的附加到轨道的机架和数据库的树。
For command usage, see dfsadmin.
Secondary NameNode
NameNode将对文件系统的修改作为附加到本机文件系统文件的日志进行编辑。当NameNode启动时，它从快照文件fsimage中读取HDFS状态，然后应用编辑日志文件中的编辑。然后将新的HDFS状态写入fsimage，并使用空的编辑文件启动正常操作。由于NameNode仅在启动期间合并fsimage和edits文件，编辑日志文件可能会在繁忙的群集中随着时间的推移而变得非常大。较大编辑文件的另一个副作用是下次重新启动NameNode需要更长时间。
辅助NameNode定期合并fsimage和编辑日志文件，并将编辑日志大小保留在限制内。它通常在与主NameNode不同的机器上运行，因为其内存要求与主NameNode的顺序相同。
辅助NameNode上的检查点进程的开始由两个配置参数控制：
dfs.namenode.checkpoint.period，默认设置为1小时，指定两个连续检查点之间的最大延迟，
dfs.namenode.checkpoint.txns，默认设置为100万，定义NameNode上的未检查点事务数，这将强制执行紧急检查点，即使尚未达到检查点周期。
辅助NameNode将最新的检查点存储在与主NameNode的目录相同方式构造的目录中。因此，如果必要，检查指向的图像总是准备好被主NameNode读取。
For command usage, see secondarynamenode.
Checkpoint Node
NameNode使用两个文件保留其命名空间：fsimage，它是命名空间的最新检查点；edits，自检查点以来的命名空间更改的日志（日志）。当NameNode启动时，它会合并fsimage和edits journal，以提供文件系统元数据的最新视图。NameNode然后用新的HDFS状态覆盖fsimage并开始一个新的编辑日志。
Checkpoint节点定期创建命名空间的检查点。它从活动的NameNode下载fsimage和编辑，将其本地合并，并将新图像上传回活动的NameNode。Checkpoint节点通常在与NameNode不同的机器上运行，因为它的内存要求与NameNode的顺序相同。Checkpoint节点由配置文件中指定的节点上的bin / hdfs namenode -checkpoint启动。
Checkpoint（或Backup）节点及其附带的Web界面的位置通过dfs.namenode.backup.address和dfs.namenode.backup.http-address配置变量进行配置。
Checkpoint节点上的检查点进程的开始由两个配置参数控制。
dfs.namenode.checkpoint.period，默认设置为1小时，指定两个连续检查点之间的最大延迟
dfs.namenode.checkpoint.txns，默认设置为100万，定义NameNode上的未检查点事务数，这将强制执行紧急检查点，即使尚未达到检查点周期。
Checkpoint节点将最新的检查点存储在与NameNode的目录结构相同的目录中。这样，如果需要，这个检查点图像总是可以被NameNode读取。请参阅导入检查点。
可以在集群配置文件中指定多个检查点节点。
For command usage, see namenode.
Backup Node
备份节点提供与检查点节点相同的检查点功能，以及维护始终与活动NameNode状态同步的文件系统命名空间的内存中最新副本。随着从NameNode接受文件系统编辑的日志流并将其持续到磁盘，Backup节点也将这些编辑应用于内存中自己的命名空间副本，从而创建命名空间的备份。
备份节点不需要从活动的NameNode下载fsimage和edits文件，以便创建检查点，如Checkpoint节点或Secondary NameNode所要求的，因为它已经具有命名空间状态的最新状态在记忆中。备份节点检查点进程更有效，因为它只需要将命名空间保存到本地fsimage文件中并重置修改。
由于备份节点在内存中维护命名空间的副本，因此其RAM要求与NameNode相同。NameNode一次支持一个备份节点。如果备份节点正在使用中，则不会注册检查点节点。将来会支持同时使用多个备份节点。备份节点的配置方式与Checkpoint节点相同。它以bin / hdfs namenode -backup开头。
备份（或检查点）节点及其附带的Web界面的位置通过dfs.namenode.backup.address和dfs.namenode.backup.http-address配置变量进行配置。使用备份节点提供运行NameNode的选项，不带持久存储，将所有命名空间的状态委托给Backup节点。为此，请使用-importCheckpoint选项启动NameNode，并且不会为NameNode配置指定类型为dfs.namenode.edits.dir的持久性存储目录。
有关创建Backup节点和Checkpoint节点的动机的完整讨论see HADOOP-4539. For command usage, see namenode.
