hadoop知识系列一：hdfs

一、Hadoop是什么

1.1 Hadoop架构

　　HDFS (Hadoop Distributed File System)；Hadoop由三个模块组成：分布式存储HDFS、分布式计算MapReduce、资源调度引擎Yarn

1.2 分布式是什么

　　分布式：利用一批通过网络连接的、廉价普通的机器，完成单个机器无法完成的存储、计算任务。

1.3 HDFS是什么

　　Hadoop分布式文件系统。适合存储大文件，不适合存储小文件。

1.4 为什么使用HDFS

　　高可用、容错、可扩展

二、hadoop核心概念block

2.1 数据块block

2.1.1 HDFS block块

  • HDFS3.x上的文件，是按照128M为单位，切分成一个个block，分散的存储在集群的不同数据节点datanode上

  • 问：HDFS中一个44M大小的块会不会占据128M的空间？

    答：不会。只占据44M大小的块，也就说block=<128M，以实际大小在block中存储。

  • 问：这样存储有没有问题？

    答：会有问题。如果datanode所在服务器宕机，部分数据可能会丢失，所以需要有副本block。

补充：

  （1）HDFS为什么要是128M？

    答：HDFS块比磁盘块要大，主要目的是为了最小化寻址开销。（块足够大，那么磁盘传输数据的时间会明显大于定位这个块开始位置的时间）

           随着新代磁盘驱动器传输速率的提升，块的大小会设置的更大；

          

2.2 block副本

　　保正数据的可用及容错

  • replication = 3

  • hdfs-site.xml

    <property>
    <name>dfs.replication</name>
    <value>3</value>
</property>

  • 实际机房中，会有机架，每个机架上若干服务器

3.3 机架存储策略

　　机架感知策略：hdfs自动决策，不需要人工干预。

　　3个副本block在不同机架上存储策略(常用方式)：副本1存储在机架1的datanode1上，副本2存储在机架2的datanode2（与副本1不同机架）上，副本3存储在副本1所在的同机架上不同数据节点上，即机架1的datanode3(即：副本3存储在机架1，或者存储在机架2的datanode4)。注意：同一机架的同一节点上，只能存储block的一个副本。

　　这样存储的好处：

　　　　(1)副本1和副本2存储在不同机架上，为了防止其中一个机架宕机，使得数据丢失。

　　　　(2)副本3和副本1存储在同一机架不同数据节点上，为了更好的利用机架上服务器之间快速的带宽；

　　问：副本3为什么不放在机架3上？

　　答：除了上面(2)的原因，还有就是不同的2个机架同时宕机的情况，概率极低。综合考虑，以上面的存储策略更好。

　　机架与机架之间通信，需要经过多个交换机(至少3个)进行通信，而且距离可能比较远。如果是3个副本都放在不同的机架上，在并发比较高的情况下，机架间的带宽是很容易被打满，使得整体集群的响应速度变慢。

　　注意：机房的带宽是非常宝贵的资源。

2.4 block的一些操作

　　设置文件副本数，有什么用？

　　作用:(1)多副本，可以提高读操作的速度；(2)多副本，可以防止数据的丢失。

     hadoop fs -setrep -R 4 /path

　查看文件的块信息？
  主要是查看文件的块信息，包括实际有几个副本，缺失几个副本。
    hdfs fsck /02-041-0029.mp4 -files -blocks -locations

三. HDFS体系架构

　　HDFS是主从架构Master/Slave、管理节点/工作节点

3.1 NameNode

  • fs文件系统，用来存储、读取数据

  • 读文件 -> 找到文件 -> 在哪 + 叫啥？

  • window -> 虚拟机说明.txt

　　HDFS也是fs，它也有metadata；由NameNode存储在其内存中。

  1. 管理节点，负责管理文件系统和命名空间，存放了HDFS的元数据；

  2. 元数据：文件系统树、所有的文件和目录、每个文件的块列表、块所在的datanode等；

  3. 文件、block、目录占用大概150Byte字节的元数据；所以HDFS适合存储大文件，不适合存储小文件；

  4. 元数据信息以命名空间镜像文件fsimage和编辑日志（edits log）的方式保存。

    ​ fsimage(内存中)：元数据镜像文件 ，保存了文件系统目录树信息以及文件和块的对应关系；

    ​ edits log：日志文件 ，保存文件系统的更改记录。

       注意：fsimage保存在内存中，editslog最终会持久化到磁盘中。

 

3.2 DataNode

  • 存储block，以及block元数据包括数据块的长度、块数据的校验和、时间戳

3.3 SeconddaryNameNode

  1. 为什么元数据存储在NameNode在内存中？

    答：内存读取速度快。

  2. 这样做有什么问题？

    答：1)如果namenode宕机，数据就会丢失。因为只有一个主节点。

    2)namenode重启时，需要将FsImage加载到内存中，再逐条执行EditLog中记录，使得FsImage保持最新。如果EditLog很大，重启过程会很慢，namenode就长期处于"安全模式"，无法提供写操作。

  3. 怎么解决？

　　secondaryNameNode作用：

　　(1)作为checkpoint，备份元数据信息（edits log和fsimage）；

　　(2)完成合并FsImage和editLog，减少editLog大小，提升namenode从故障中恢复的速度。

　　　　1）客户端client在向hdfs写数据时，会生成元数据、以及操作日志信息，并将它们写入内存中。当内存写满后，会将内存中的信息写到磁盘中。即：写到edits log日志文件里。

　　　　注意：双缓存异步写的策略：这里是2块内存，当其中一个内存1写满后会阻止再向内存1写日志；此时，内存2会接收写日志信息。2个内存轮流切换，保证持续的写操作。

 

　　合并流程：

　　1）当t1（当前时间）-t（集群启动时间）>1小时,这时候就触发checkpoint(检查点：对重要的内容做备份)的动作；

　　2）此时，secondaryNameNode会通过HttpGet方式把fsimage和edits拉到内存中，合并成fsimage.ckpt，再传回到NameNode,重命名回fsimage 。

　　3）在checkpoint的过程中，client还在向edits写日志,会滚动生成一个edits new的文件,最终会重命名为edits。

　　触发checkpoint情况（任意一种）：1.一百万个事务（edits log中）;2. t1-t >1 hour

　　注意：(2)(3)是并行执行；从合并角度看，是secondaryNamenode为NameNode设置了一个检查点。

 

　　secondaryNameNode故障恢复流程：（不优雅）

　　方式一：当namenode挂掉重启时，如何恢复元数据？先将fsimage(磁盘镜像文件)拉取到内存中；再将edits log文件重新执行一遍，才能真正恢复元数据信息。

　　引入secondaryNameNode好处：故障恢复变快原因，由于日志通过snn进行了合并，减小了edits log文件；使得恢复元数据过程，不需要花费大量时间来执行edits log文件内容；如果nn宕机又无法重启，此时snn可以充当nn主节点的角色。

　　方式二：snn如何充当nn角色：1）执行hdfs namenode-importCheckpoint 将fsimage.ckpt拉取到内存中（2）执行hadoop-daemon.sh start namenode命令进行角色转换。

　　这2种方式，都有短暂的服务中断，都有可能造成数据的丢失。

 

　　它一般部署在另外一台节点上，因为它需要占用大量的CPU时间，并需要与namenode一样多的内存，来执行合并操作。

4. HDFS机制

4.1 心跳机制

工作原理：

  1. master启动的时候，会开一个ipc server在那里。

  2. slave启动，连接master，每隔3秒钟向master发送一个“心跳”，携带状态信息；如果超过10分钟还未向master发送心跳，master会认为该slave DatatNoe不可用。

  3. master通过这个心跳的返回值，向slave节点传达指令

作用：

  1. Namenode全权管理数据块的复制，它周期性地从集群中的每个Datanode接收心跳信号和块状态报告(Blockreport)。接收到心跳信号意味着该Datanode节点工作正常。块状态报告包含了一个该 Datanode上所有数据块的列表

  2. DataNode启动后向NameNode注册，通过后，周期性（1小时）的向 NameNode上报所有的块的列表；

    每3秒向NamNode发一次心跳，返回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NameNode超过10分钟没有收 到某个DataNode 的心跳，则认为该节点不可用。

  3. hadoop集群刚开始启动时，会进入安全模式（99.9%），就用到了心跳机制

    num/total <99.9%，total：hdfs元数据中block个数，是指唯一block个数，不考虑副本的情况；num：每个dataNode向NN上报的block report list中唯一block个数，不考虑副本（副本被统计过的就不会再统计）。

4.2 负载均衡

　　如何均衡？$HADOOP_HOME/sbin/start-balancer.sh -t 5%

 

5.存储大量小文件

5.1存储大量小文件，有没有问题？

  • NameNode存储着文件系统的元数据，每个文件、目录、块大概有150字节的元数据；

  • 因此文件数量的限制也由NN内存大小决定，如果小文件过多则会造成NN的压力过大，也使得集群实际存储的数量受到限制，浪费磁盘资源。

11.2 如何解决

  1. HAR文件方案（本质启动mr程序，所以需要启动yarn）-即可以使用shell命令，合并小文件

 

# 创建archive文件
hadoop archive -archiveName test.har -p /testhar -r 3 th1 th2 /outhar # 原文件还存在，需手动删除
# 查看archive文件
hdfs dfs -ls -R har:///outhar/test.har
# 解压archive文件
hdfs dfs -cp har:///outhar/test.har/th1 hdfs:/unarchivef
hadoop fs -ls /unarchivef   # 顺序
hadoop distcp har:///outhar/test.har/th1 hdfs:/unarchivef2 # 并行，启动MR

  1. Sequence Files方案

　　10000个100KB的小文件，可以编写程序将这些文件放到一个SequenceFile文件，然后就以数据流的方式处理这些文件，也可以使用MapReduce进行处理。一个SequenceFile是可分割的，所以MapReduce可将文件切分成块，每一块独立操作。不像HAR，SequenceFile支持压缩。在大多数情况下，以block为单位进行压缩是最好的选择，因为一个block包含多条记录，压缩作用在block之上，比reduce压缩方式（一条一条记录进行压缩）的压缩比高。把已有的数据转存为SequenceFile比较慢。比起先写小文件，再将小文件写入SequenceFile，一个更好的选择是直接将数据写入一个SequenceFile文件，省去小文件作为中间媒介。

 

posted @ 2019-07-24 11:51  小码农成长记  阅读(316)  评论(0)  编辑  收藏  举报