Hadoop学习（2）-- HDFS

　　随着信息技术的高度发展，数据量越来越多，当一个操作系统管辖范围存储不下时，只能将数据分配到更多的磁盘中存储，但是数据分散在多台磁盘上非常不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，因此诞生了分布式文件系统。HDFS(Hadoop Distribute File System)是一种能运行在通用硬件上的分布式文件系统，具有高度容错的特点，适合部署在廉价的机器上。

由于hadoop1和hadoop2版本差异较大，本文以下部分如未标记特殊说明则默认指的是hadoop2版本

HDFS基本概念

1、数据块(block)

　  与普通文件系统类似，HDFS也有数据块的概念，默认数据块block大小为64M。不同于普通文件系统的是，在HDFS中，如果一个文件小于数据块的大小，并不占用整个数据块存储空间。

2、元数据节点(namenode)和数据节点(datanode)

　  hadoop1版本中只存在一个namnode节点，存在单点故障风险，在hadoop2版本中引入了HDFS联盟的概念，即包含多个HDFS系统，同时也包含多个namenode节点。

　  namenode节点的作用：① 接收用户操作请求；② 维护文件系统的目录结构；③ 管理文件与block的关系(哪些block属于哪些文件)，block与datanode之间的关系。

　  datanode数据节点的作用：①存储文件数据；②存储文件数据block副本(默认存储3份)。

3、HDFS特点

　  HDFS允许文件通过网络在多台主机上分享，并让多机器上的多用户分享文件和存储空间，其具有下述两个特性：① 通透性，让实际上是通过网络来访问文件的动作，由程序与用户看来，就像是访问本地的磁盘一般； ② 容错性，即使系统中有某些节点脱机，整体来说系统仍然可以持续运作而不会有数据丢失。

　  当HDFS数据块小于一个block大小时，并不占用整个block大小，也即是说文件大小=实际占用空间。这一点与Windows操作系统的文件簇不一样，在Windows操作系统中，一个小于簇大小的文件实际占用空间也是一个簇。HDFS不支持并发写的情况，且不适合小文件。

NameNode元数据解析

1、namenode元数据结构

　  在hadoop-2.6.0中，NameNode元数据存储在${hadoop.tmp.dir}/dfs/name/current路径中。可通过dfs.namenode.name.dir配置结构，强烈建议配置多个备份路径，配置格式如：/name1/dfs/name,/name2/dfs/name,/name3/dfs/name等，特别推荐配置一个网络文件系统NFS，最大限度地保证元数据的完整性。hadoop-2.6.0的路径${hadoop.tmp.dir}/dfs/name下，有锁文件in_use.lock和文件夹current，文件夹current下存在以下文件：① VRSION属性文件；② seen_txid文件；③ 大量edits文件；④ 少量fsimage文件。

　  其中seen_txid是存放transactionId的一个重要文件，format之后是0，它代表的是namenode里面的edits_*文件的尾数，namenode重启的时候，会按照seen_txid的数字，循序从头跑edits_0000001~到seen_txid的数字。所以当hdfs发生异常重启的时候，一定要比对seen_txid内的数字是不是你edits最后的尾数，否则很可能丢失数据。VERSION文件是Java属性文件，其文件内容和说明如下所示：

#Thu Mar 19 19:52:29 PDT 2015
namespaceID=605992118  #namespaceID是文件系统的唯一标识符，在文件系统首次格式化之后生成的
clusterID=CID-fd97cef9-ffad-48ac-b15b-e715501d73f4  #clusterID是系统生成或手动指定的集群ID，在-clusterid选项中可以使用它
cTime=0  #cTime表示NameNode存储时间的创建时间，由于我的NameNode没有更新过，所以这里的记录值为0，以后对NameNode升级之后，cTime将会记录更新时间戳
storageType=NAME_NODE  #storageType说明这个文件存储的是什么进程的数据结构信息（如果是DataNode，storageType=DATA_NODE）
blockpoolID=BP-1535557182-192.168.137.101-1426745680483   #blockpoolID是针对每一个Namespace所对应的blockpool的ID，上面的这个BP-893790215-192.168.24.72-1383809616115就是在我的ns1的namespace下的存储块池的ID，这个ID包括了其对应的NameNode节点的ip地址
layoutVersion=-60  #layoutVersion表示HDFS永久性数据结构的版本信息， 只要数据结构变更，版本号也要递减，此时的HDFS也需要升级，否则磁盘仍旧是使用旧版本的数据结构，这会导致新版本的NameNode无法使用

　  在current目录中，我们可以看到大量的edits文件和少量的fsimage文件，他们都是非常重要的元数据文件。fsimage文件是Hadoop文件系统元数据的一个永久性的检查点，保存了整个系统的命名空间、文件块的映射表和文件系统的配置。fsimage包含了所有的HDFS目录和文件idnode的序列化信息，对于文件来说，包含的信息有修改时间、访问时间、块大小和组成一个文件块信息等；而对于目录来说，包含的信息主要有修改时间、访问控制权限等信息。edits文件存放的是Hadoop文件系统的所有更新操作的路径，文件系统客户端执行的所有写操作首先会被记录到edits文件中。

　  fsimage和edits文件内存储的都是经过序列化的二进制数据，在NameNode启动的时候，进程会将fsimage文件中的内容加载到内存中，然后逐条执行edits文件中的记录，执行完成后，清空edits文件内容。之后客户端所有发起的文件更新操作都会同时记录在内存中的fsimage和磁盘上的edits文件中，也就是说，在任何时候，内存中的fsimage内容=磁盘中的fsimage文件内容+磁盘中的edits文件内容。那么为什么hdfs文件的修改不直接记录在磁盘的fsimage中呢？这是因为随着hdfs文件数目的增多，fsimage文件内容会变得非常巨大，假如每次更新操作都在fsimage中执行，那么执行效率是非常低下的。

2、fsimage和edits文件的合并（hadoop1）

　  面对不断增大的edits文件，如果不及时进行处理，那么每次在NameNode启动时会花费大量的时间来合并处理edits文件，导致HDFS集群启动非常慢。为了解决此问题，必须要有一个任务来不断地合并edits和fsimage文件，在hadoop1版本中，是由SecondaryNameNode节点来完成此工作的，而hadoop2是由HA的standby节点上的CheckpointerThread进程来执行的。

　  hadoop1中的SecondaryNameNode进程的功能是及时保存NameNode节点元数据信息，并定期将edits和fsimage文件进行合并，从而减少edits文件大小，缩短NameNode下次启动需要消耗的时间。出于性能和数据完整性考虑，通常将SecondaryNameNode配置在与NameNode不同的一台机子上，其合并工作流程如下图所示。

SecondaryNameNode工作流程图

　  1) SecondaryNamenode会定期的和NameNode通信，请求其停止使用edits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；

　  这里的“定期”是由配置fs.checkpoint.period（还原点周期检查更新周期，默认3600s）和fs.checkpoint.size（edits文件允许的最大大小，默认64M）来决定的，当还原点周期时间到或者edits文件达到配置的最大大小时，SecondaryNameNode就会执行更新请求和操作。

　  2) SecondaryNamenode通过HTTP GET方式从NameNode上获取到fsimage和edits文件，并下载到本地的相应目录下（由fs.checkpoint.dir和fs.checkpoint.edits.dir决定）；

　  3) SecondaryNamenode将下载下来的fsimage载入到内存，然后一条一条地执行edits文件中的各项更新操作，使得内存中的fsimage保存最新，这个过程就是edits和fsimage文件合并；

　  4) SecondaryNamenode执行完合并操作之后，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edits文件，一次合并工作完成。

3、fsimage和edits文件的合并（hadoop2）

　  在hadoop2版本中，SecondaryNameNod只存在伪分布模式下，集群模式已经取消了SecondaryNameNode角色。那么集群模式hadoop2的元数据合并工作是由谁完成的呢？

　  首先，在hadoop2中引入了NameNode HA的概念，每个HDFS集群中存在多个NameNode（目前版本是2个，以后版本相信会根据需要增加）。任何时候，只有一个NameNode进程是处于active状态的，另一个NameNode进程处于standby状态，而他们之间的元数据是通过奇数个JournalNode节点进行共享的。在standby节点上会运行一个叫做CheckpointerThread的线程，这个线程调用StandbyCheckpointer类的doWork()函数，而doWork函数会每隔一段时间就进行合并工作，相关代码如下：

try {
          Thread.sleep(1000 * checkpointConf.getCheckPeriod());
        } catch (InterruptedException ie) {
}

public long getCheckPeriod() {
    return Math.min(checkpointCheckPeriod, checkpointPeriod);
}

checkpointCheckPeriod = conf.getLong(
        DFS_NAMENODE_CHECKPOINT_CHECK_PERIOD_KEY,
        DFS_NAMENODE_CHECKPOINT_CHECK_PERIOD_DEFAULT);
        
checkpointPeriod = conf.getLong(DFS_NAMENODE_CHECKPOINT_PERIOD_KEY, 
                                DFS_NAMENODE_CHECKPOINT_PERIOD_DEFAULT);

　  其中的checkpointCheckPeriod和checkpointPeriod变量是通过获取hdfs-site.xml中的dfs.namenode.checkpoint.period和dfs.namenode.checkpoint.check.period两个属性得到的。执行一次checkpoint的条件如下：

boolean needCheckpoint = false;
if (uncheckpointed >= checkpointConf.getTxnCount()) {
     LOG.info("Triggering checkpoint because there have been " + 
                uncheckpointed + " txns since the last checkpoint, which " +
                "exceeds the configured threshold " +
                checkpointConf.getTxnCount());
     needCheckpoint = true;
} else if (secsSinceLast >= checkpointConf.getPeriod()) {
     LOG.info("Triggering checkpoint because it has been " +
            secsSinceLast + " seconds since the last checkpoint, which " +
             "exceeds the configured interval " + checkpointConf.getPeriod());
     needCheckpoint = true;
}

　  当上述needCheckpoint被设置成true的时候，StandbyCheckpointer类的doWork()函数将会调用doCheckpoint()函数正式处理checkpoint。当fsimage和edits的合并完成之后，它将会把合并后的fsimage上传到Active NameNode节点上，Active NameNode节点下载完合并后的fsimage，再将本节点上旧的fsimage删掉，同时清除旧的edits文件。

　  合并步骤大概如下：

　  1) 配置好HA后，客户端所有的更新操作将会写到JournalNodes节点的共享目录中（通过dfs.namenode.shared.edits.dir和dfs.journalnode.edits.dir配置）；

　  2) Active Namenode和Standby NameNode从JournalNodes的edits共享目录中同步edits到自己edits目录中；

　  3) Standby NameNode中的StandbyCheckpointer类会定期的检查合并的条件是否成立，如果成立会合并fsimage和edits文件，然后将合并之后的fsimage上传到Active NameNode相应目录中；

　  4) Active NameNode接到最新的fsimage文件之后，将旧的fsimage和edits文件清理掉，一个数据合并工作完成。

HDFS操作命令

　  HDFS操作基本格式：“hadoop fs -命令”或“hdfs dfs -命令”，其中hdfs dfs是hadoop2版本推出的命令，此处只列举了一些常用命令，详细介绍及操作命令见《HDFS操作手册》。

1、查看文件，关键字ls

　  hadoop fs -ls /   --查看HDFS根目录下的文件

　  hadoop fs -ls hdfs://hadoop:9000/  --hadoop fs -ls /的完整版写法，这里符号 / 为HDFS文件路径，默认表示hdfs://hadoop:9000/，是因为core-site.xml中配置了fs.default.name的值为hdfs://hadoop:9000/

　  hadoop fs -ls -R /　--递归显示根目录下所有文件

　  hadoop fs -ls -h /   --显示根目录下的文件，文件大小自动转化成合适的单位（M、K等）

　 显示的文件信息格式如下所示：  

drwx------  -  root supergroup   0  2014-07-23 03:48  /usr/local/hadoop/tmp/mapred/system
-rw-------  1  root supergroup   4  2014-07-23 03:48  /usr/local/hadoop/tmp  

　 格式说明：① 第一列：drwx------，与linux的文件说明一致；② 第二列：目录为-，文件为数字，表示文件的副本数；③ 第三列：root，表示文件的创建者；④ 第四列：supergroup，表示文件所在组；⑤ 第五列：0，表示文件大小（单位byte），目录大小为0；⑥ 第六列：2014-07-23 03:48，表示最后修改时间；⑦ 第七列：/usr/local/hadoop/tmp/mapred/system，表示文件路径。

2、创建文件夹，关键字mkdir

　  hadoop fs -mkdir /hans   --在根目录下创建文件夹hans

　  hadoop fs -mkdir hans   --在当前用户路径(/user/用户名)下创建文件夹hans，使用root登录时，创建文件目录为/user/root/hans

在HDFS操作中，若文件夹或文件路径不带/，则默认表示为用户路径，即/user/用户名/...

3、上传文件，关键字put

　  格式：hadoop fs -put <linux source> <hdfs destination>

　  hadoop fs -put /root/install.log /hans   --将本地文件/root/install.log上传到HDFS的目录/hans中，若/hans文件夹不存在，则默认表示将install.log文件重命名为hans，非文件夹

注：①同名文件不允许上传；②若保存的HDFS文件夹不存在，则表示将上传的文件重命名为文件夹名；③当目的路径不带/时，默认表示用户路径/user/当前用户

4、下载文件，关键字get

　  格式：hadoop fs -get <hdfs source> <linux destination>

　  hadoop fs -get /hans/install.log    --将HDFS文件/hans/install.log下载到linux当前目录下

5、在线查看文件，关键字text、cat或tail

　  hadoop fs -text /hans/install.log   --在线查看文件/hans/install.log

　  hadoop fs -cat /hans/install.log   --在线查看文件/hans/install.log

　  hadoop fs -tail /hans/install.log   --在线查看文件的最后1000个字节

6、删除文件，关键字rm

　  hadoop fs -rm /hans/install.log   --删除HDFS文件/hans/install.log

　  hadoop fs -rm -r /hans   --递归删除HDFS文件夹/hans及/hans下的所有文件

　  hadoop fs -rm -r hdfs://hadoop:9000/*   --递归删除HDFS根目录下所有文件，其中hadoop为主机名

7、查看帮助文档，关键字help

　  hadoop fs -help   --查看hadoop fs所有帮助命令

　  hadoop fs -help ls   --查看ls的命令帮助 

8、合并MR输出文件，关键字getmerge

　  格式：hadoop dfs -getmerge <hdfs souce> <linux destination>

　  hadoop dfs -getmerge /out /root/Download/output   --将mapreduce的输出HDFS文件/out合并并复制到本地文件系统/root/Download/output中

HDFS运行配置

1、默认配置文件路径

　  hdfs-default.xml：hadoop-2.6.0-src\hadoop-hdfs-project\hadoop-hdfs\src\main\resources\

2、常用配置（hadoop2.6.0）

　  ▶ dfs.namenode.name.dir(hadoop1对应配置是：dfs.name.dir)，配置NameNode元数据的存储路径，可通过“,”间隔配置多个路径，如：/name1/dfs/name,/name2/dfs/name,/name3/dfs/name。此外，为确保元数据不丢失，建议配置一个NFS路径。

　  ▶ fs.trash.interval，配置HDFS回收站功能，值为回收站自动清空的时间（分钟）。当用户通过HDFS命令删除数据后，首先会移动到Trash回收站中，默认路径：/user/{用户}/.Trash；

通过Java操作HDFS

　  在Java中操作HDFS都是通过org.apache.hadoop.fs.FileSystem类来实现的，修改HDFS服务端文件是否需要关闭权限验证，即在hdfs-site.xml中配置dfs.permissions.enabled（hadoop1对应为：dfs.permissions）为false。

　  示例代码如下（完整代码点此下载）：

package com.hicoor.hadoop.hdfs;

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.net.URI;
import java.net.URISyntaxException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
import org.junit.Before;
import org.junit.Test;

public class HDFSDemo {

    FileSystem fileSystem = null;
    
    @Before
    public void init() throws IOException, URISyntaxException {
        fileSystem = FileSystem.get(new URI("hdfs://hadoop0:9000/"),new Configuration());
        System.setProperty("hadoop.home.dir", "D:/hadoop-2.6.0");
    }
    
    @Test
    public void uploadFile() throws IOException,
            FileNotFoundException {
        FSDataOutputStream out = fileSystem.create(new Path("/hadoop2.6(x64)V0.2.zip"));
        FileInputStream in = new FileInputStream("D:\\desktop\\hadoop2.6(x64)V0.2.zip");
        IOUtils.copyBytes(in, out, 4096, true);
    }
    
    @Test
    public void downloadFile() throws IOException,
            FileNotFoundException {
        FSDataInputStream in = fileSystem.open(new Path("/jdk7"));
        OutputStream out = new FileOutputStream("D:\\desktop\\jdk1.7");
        IOUtils.copyBytes(in, out, 4096, true);
    }
    
    @Test
    public void deleteFile() throws IllegalArgumentException, IOException {
        fileSystem.delete(new Path("/cata"), true);
    }
    
    @Test
    public void makeDir() throws IllegalArgumentException, IOException {
        fileSystem.mkdirs(new Path("/cata"));
    }
    
}

　  更多资料等待进一步研究....