4 HDFS概念及命令

1 HDFS基本思想

1.1 早期文件服务器

从上图中，我们可以看出，存储一个文件，我们一直往一个机子上面存是不够的，那么我们在储存量不够的时候就会加机子。
但是如果一个文件放在一台机子上，如果该机器挂了，那么文件就丢失了，不安全。
所以我们会把一个文件放在多台机子上，创建一个索引文件来储存文件的指针，如图中的file1存储在node1,node2,node3上面，以此类推。

  • 缺点：
    • 难以实现负载均衡
      • 文件大小不同，负载均衡不易实现
      • 用户自己控制文件大小
    • 难以并行化处理
      • 只能利用一个节点资源处理一个文件
      • 无法动用集群资源处理同一个文件

1.2 HDFS文件服务器

为了解决上面的缺点HDFS诞生了。

从上图我们看出，HDFS是把一个大的数据，拆成很多个block块，然后在将block存储在各个机子上。
创建文件对应block的指针文件，和block对应的节点node的指针文件。

  • 源自于Google的GFS论文
    • 发表于2003年10月
    • HDFS是GFS克隆版
  • Hadoop Distributed File System
    • 易于扩展的分布式文件系统
    • 运行在大量普通廉价机器上，提供容错机制
    • 为大量用户提供性能不错的文件存取服务

1.3 HDFS优缺点

  • 优点
    • 高容错性
      • 数据自动保存多个副本
      • 副本丢失后，自动恢复
    • 适合批处理
      • 移动计算而非数据
      • 数据位置暴露给计算框架
    • 适合大数据处理
      • GB、TB、甚至PB级数据
      • 百万规模以上的文件数量
      • 10K+节点规模
    • 流式文件访问
      • 一次性写入，多次读取
      • 保证数据一致性
    • 可构建在廉价机器上
      • 通过多副本提高可靠性
      • 提供了容错和恢复机制
  • 缺点
    • 低延迟数据访问
      • 比如毫秒级
      • 低延迟与高吞吐率
    • 小文件存取
      • 占用NameNode大量内存
      • 寻道时间超过读取时间
    • 并发写入、文件随机修改
      • 一个文件只能有一个写者
      • 仅支持append(追加)

2 HDFS2.0架构

2.1 NameNode HA 和 NameNode Federation

  • NameNode HA（High Availability,HA,高可用）
    - 基于NFS共享存储解决方案
    - 基于Bookeeper解决方案
    - 基于Qurom Journal Manager(QJM)解决方案

  • NameNode Federation(联邦)
    - 多个NameNode，每个分管一部分目录
    - NameNode共用DataNode

  • NameNode HA


上图是一个主备切换方案图，我们可以看出active一但挂掉，那么FailoverController Standby就会从ZK上抢占一把锁，来让Standby切换为Active

  • NameNode Federation

上图就是NN联邦，也就是多个NN(相互独立)，图中可以看出每一个DN都存储了3个NN上的一部分数据，DN需要向每一个NN汇报

  • NameNode HA + NameNode Federation

上图是一个集群，有很多个DN，这个集群上有两个对外提供服务的NN,分别是NN-1,NN-2
NN-3,NN-4为Standby_NN，对应NN-1,NN-2,解决主备切换
2套服务对应不同的HDFS目录，通过不同的目录就可以访问不同的NN,而这样如果多了会很不方便。
这个时候就可以通过Client side Mount Table来自动路由到我们需要的NN

1.2 各服务功能

  • Active Namenode
    • 主Master
    • 管理HDFS的名称空间
    • 管理数据块映射信息
    • 配置副本策略
    • 处理客户端读写请求
  • Datanode
    • Slave
    • 存储实际的数据块
    • 执行数据块读/写
  • Client
    • 文件切分
    • 与NameNode交互，获取文件位置信息
    • 与DataNode交互，读取或者写入数据
    • 管理HDFS
    • 访问HDFS
  • Standby NameNode
    • NameNode的热备
    • 当Active NameNode出现故障时，快速切换为新的Active NameNode
    • 定期合并fsimage和fsedits，推送给NameNode
  • NameNode两个重要文件
    • fsimage：元数据镜像文件（保存文件系统的目录树）
    • edits：元数据操作日志（针对目录树的修改操作），被写入共享存储系统中 ，比如NFS、JournalNode
  • 元数据镜像
    • 内存中保存一份最新的
    • 内存中的镜像(新)=磁盘上的fsimage(老)+edits(更新的操作日志)
  • 合并fsimage与edits
    • Edits文件过大将导致NameNode重启速度慢
    • Standby Namenode负责定期合并它们
  • 数据块映射关系
    • 文件与数据块映射关系
    • DataNode与数据块映射关系
  • 保存映射关系占用较多内存
    • NameNode启动时，可通过心跳信息重构映射关系
    • DataNode运行过程中定时汇报当前block信息
  • NameNode重启速度慢（不配置HA）
    • 合并fsimage与edits文件，生成最新的目录树
    • 接收DataNode的块信息
  • 文件被切分成固定大小的数据块
    • 默认数据块大小为64MB
    • 可配置
  • 为何数据块如此之大
    • 数据传输时间超过寻道时间（高吞吐率）
  • 一个文件存储方式
    • 按大小被切分成若干个block，存储到不同节点上
    • 默认情况下每个block有三个副本

3 工作原理

3.1 HDFS文件写入流程


大概的流程是，客户端发送一个写入请求，取NN上领取3个DN指向，然后往DN1写入bloak，然后DN1负责写入DN2，DN2负责写入DN3
像流水线一样写入完成后，会反返回一个ack的包，关闭资源，在修改NN上的指针文件。

3.2 HDFS文件读取流程

大概的流程是，客户端发送一个读取请求，先去NN上获取对应的DN指向，然后依次读取每个DN上的block文件，读一次返回一次，最后关闭

3.3 HDFS物理网络环境

比较重要服务功能最好能部署在不同的节点上，如：NN，不重要的可以在一个节点上，如：DN。

3.4 HDFS副本放置策略

3.5 HDFS可靠性机制

4 HDFS如何与其他系统结合

  • HDFS与MapReduce结合
    • MapReduce作业的输入数据来自HDFS
      • HDFS分块存储数据
      • 默认每个Map Task处理一个数据块
    • MapReduce作业的最终结果写入HDFS
      • 确保数据安全可靠
      • 可作为下一个作业的输入
    • MapReduce与HDFS关系
      • 低耦合，MapReduce可以与其他分布式文件系统结合；
      • HDFS之上可以是其他计算框架
  • HDFS与Hbase结合
    • Hbase中的文件
      • 操作日志文件WAL
      • 数据索引文件HFile（storefile）
    • HDFS为Hbase提供可靠的数据存放服务
      • 数据三副本，安全可靠
    • HDFS为Hbase提供数据共享服务
      • Hbase不同服务可从HDFS上存取数据
  • HDFS与开源日志系统结合

5 HDFS常用命令(集群50070端口就是hdfs)

  1. -help:输出这个命令参数。如：hadoop fs -help ls (输出ls命令的参数)
  2. -ls:显示目录信息。如：hadoop fs -ls / (查询hdfs上根目录的目录,，递归创建加 -R参数)
  3. -mkdir:在hdfs上创建目录。如：hadoop fs -mkdir /haha (根目录下创建haha文件夹，递归创建加 -p参数)
  4. -moveFromLocal:从本地剪切粘贴到hdfs。如：hadoop fs -moveFromLocal /haha/xixi.txt / (将本地haha文件夹下的xixi.txt文件剪切粘贴到hdfs的根目录下)
  5. -copyFromLocal:从本地拷贝到hdfs上。如：用法同上
  6. -copyToLocal:从hdfs上拷贝到本地。如：用法同上
  7. -cp:从hdfs的一个路径拷贝到hdfs的另一个路径。如：方法同上
  8. -mv:从hdfs上的一个路径移动到hdfs的另一个路径。如：方法同上
  9. -appendToFile:追加一个文件到已经存在的文件末尾。如：hadoop fs -appendToFile /haha/lala.txt /xixi.txt (将本地lala.txt文件内容追加到hdfs上xixi.txt里)
  10. -cat:显示文件内容。如：hadoop fs -cat /xixi.txt (查看xixi.txt)
  11. -tail:显示一个文件的末尾。
  12. -chmod:修改文件权限。如：hadoop fs -chmod 777 /xixi.txt (修改xixi.txt文件的权限)
  13. -get:等同于copyToLocal，就是从hdfs下载文件到本地。如：hadoop fs -get /xixi.txt ./ (下载到当前本地路径)
  14. -getmerge:合并下载多个文件，如：hadoop fs -getmerge /log/*.txt ./sum.txt (将hdfs上log文件夹下的所有.txt文件整合在一起，下载到本地，名字为sum.txt)
  15. -put:等同于copyFromLocal，就是上传文件到hdfs。如：hadoop fs -put /xixi.txt / (上传到hdfs的根路径)
  16. -rmr:删除文件或目录
  17. -df:统计文件系统的可用空间信息。如：hadoop fs -df -h /
  18. -du:统计文件夹的大小信息。如：-s总大小、-h单位
  19. -count:统计一个指定目录下的文件节点数。如：结果2 2 199 （第一个参数说的是最多有几级目录，第二个参数说的是一共有多少文件）
  • hadoop1.0杀死任务的方式
    • hadoop job -kill 任务进程号
  • hadoop2.0杀死任务的方式
    • yarn application -kill 任务进程号

posted on 2019-07-19 15:56  农夫三拳有點疼  阅读(10)  评论(0)  编辑  收藏  举报

导航