HDFS详解
一、HDFS产出背景及定义
- HDFS产生背景
随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。 - HDFS定义
HDFS（Hadoop Distributed File System），它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。
HDFS的使用场景：适合一次写入，多次读出的场景。一个文件经过创建、写入和关闭之后就不需要改变。
二、HDFS优缺点
优点：
- 高容错性
数据自动保存多个副本。当某一个副本丢失后，它可以自动恢复，通过这种副本形式，提高容错性。 - 适合处理大数据
数据规模：能够处理大数据规模达到GB、TB，甚至PB级别的数据。
文件规模：能够处理百万规模以上的文件数量，数量相当大。 - 可构建在廉价机器上，通过多副本机制，提高可靠性。
缺点：
-
不适合低延迟数据访问，比如要求毫秒级别的存储数据
-
无法高效的对大量小文件进行存储。
存储大量小文件的话，它会占据NameNode大量的内存来存储文件目录和块信息。这是不可取的，因为NameNode的内存总总是有限的。
小文件存储的寻址时间会超过读取时间，这违反了HDFS的设计原则。 -
不支持并发写入、文件随机修改。
一个文件只能有一个写，不允许多个线程同时写
仅支持数据append（追加），不支持文件的随机修改
三、HDFS组成架构
metadata元数据：主要是存储数据的属性信息和位置信息，哪个block存储在哪个节点上，以便快速查找
在HDFS中，NameNode管理的元数据具有两种：
- 文件自身属性信息：文件名称、权限、修改时间，文件大小，复制因子，数据块大小。
- 文件块位置映射信息：记录文件块和DataNode之间的映射信息，即哪个块位于哪个节点上。
-
NameNode（nn）:就是Master，它是一个主管、管理者。
（1）管理HDFS的名称空间，存储HDFS的元数据（文件系统中所有文件的目录树，并跟踪整个集群中的文件，不存储实际数据）
（2）配置副本策略
（3）管理数据块（block）映射信息，不持久化存储每个文件中各个块所在的DataNode的位置信息，这些信息会在系统启动时从DataNode重建。
（4）处理客户端读写请求（NameNode通常会配置有大量内存） -
DataNode：就是Slave，它负责下达命令，执行实际的操作。
（1）存储实际的数据块（DataNode通常配置大量的硬盘空间）
（2）执行数据块的读写操作。
（3）DataNode启动的时候，会将自己注册到NameNode并汇报自己负责持有的块列表。 -
Client：就是客户端
（1）文件切分。文件上传HDFS的时候，Client将文件切分成一个一个的Block，然后进行上传
（2）与NameNode交互，获取文件的位置
（3）与DataNode交互，读取或者写入数据
（4）Client提供一些命令来管理HDFS，比如NameNode格式化
（5）Client可以通过一些命令来访问HDFS，比如对HDFS增删改查操作 -
SecondaryNameNode（2nn）：并非NameNode的热备份，当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
（1）辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode
（2）在紧急情况下，可辅助恢复NameNode
namespace：
- HDFS支持传统的层次型文件组织结构。用户可以创建目录，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namespace名称空间，任何对文件系统名称空间或属性的修改都会被NameNode记录下来。
- HDFS会给客户端提供一个统一的抽象目录树，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
四、HDFS文件块大小
HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数（dfs.blocksize）来规定，默认大小在Hadoop2.x/3.x版本中是128M，1.x版本中是64M
为什么块的大小不能设置太小，也不能设置太大？
- HDFS的块设置 太小，会增加寻址时间，程序一直在找块的位置。如果块设置得太小，那么文件的存储将会分散在大量的块中，导致磁盘寻址时间增加，从而降低整体的读写效率。
- HDFS的块设置 太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间，导致程序在处理这块数据时，会非常慢。
因此，HDFS块的大小的设置取决于磁盘存储速率。
HDFS的读写流程
HDFS中的block、packet、chunk
-
block
文件上传前需要数据分块，这个块就是block，一般为128MB，它是最大的一个单位。 -
packet
packet是client端向 DataNode 或 DataNode的PipLine 之间传输数据的基本单位，默认64KB。它是第二大的单位 -
chunk
chunk是client端向 DataNode 或 DataNode的PipLine 之间进行数据校验的基本单位，默认512Byte。它是最小的单位
因为用作校验，故每个chunk需要带有4Byte的校验位。所以实际每个chunk写入packet的大小为516Byte。由此可见真实数据与校验值数据的比值约为128 : 1。（即64*1024 / 512）
HDFS的读流程
Pipeline，传输管道，这是HDFS在上传文件写数据过程中采用的一种数据传输方式
DataNode之间采用Pipeline线性传输的原因：数据以管道的方式，顺序的沿着一个方向传输，这样能够充分利用每个机器的带宽，避免网络瓶颈和高延迟时的连接，最小化推送所有数据的时间。
写详细步骤：
（1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
（2）若通过检查，NameNode返回是否可以上传文件信息。
（3）客户端请求第一个 Block上传到哪几个DataNode服务器上。
（4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。并直接先将操作写入EditLog，并返回输出流对象
（注：WAL，write ahead log，先写Log，再写内存，因为EditLog记录的是最新的HDFS客户端执行所有的写操作。如果后续真实写操作失败了，由于在真实写操作之前，操作就被写入EditLog中了，故EditLog中仍会有记录，我们不用担心后续client读不到相应的数据块，因为在第5步中DataNode收到块后会有一返回确认信息，若没写成功，发送端没收到确认信息，会一直重试，直到成功）
（5）客户端通过FSDataOutputStream模块请求dn1上传数据。
（6）dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。
（7）dn1、dn2、dn3逐级应答客户端。
（8）客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答。（注：并不是写好一个块或一整个文件后才向后分发）。当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器，以此类推。
（9）DtaNode写完一个块后，会返回确认信息。
（注：并不是每写完一个packet后就返回确认信息，是写完一个block块后，对校验信息进行汇总分析，就能得出是否有块写错的情况发生）
（10）写完数据，关闭输输出流。
（11）发送完成信号给NameNode。
（注：发送完成信号的时机取决于集群是强一致性还是最终一致性，强一致性则需要所有DataNode写完后才向NameNode汇报。最终一致性则其中任意一个DataNode写完后就能单独向NameNode汇报，HDFS一般情况下都是强调强一致性）
网络拓扑-节点距离计算
在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。
Hadoop3.1.3副本节点选择
第一个节点选择的理由是最近，读写快
第二个节点选择的理由是保证可靠性
第三个节点选择的理由是兼顾效率，在同一机架传输要比跨机架块。
HDFS的写流程
（1）客户端通过DistributedFileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
（2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
（3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。
（4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。
NameNode和SecondaryNameNode工作机制
思考：NameNode中的元数据是存储在哪里的？
首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。
这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦NameNode节点断电，就会产生数据丢失。因此，引入Edits文件（只进行追加操作，效率很高）。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits中。这样，一旦NameNode节点断电，可以通过FsImage和Edits的合并，合成元数据。
但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行FsImage和Edits的合并，如果这个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并。
1）第一阶段：NameNode启动
（1）第一次启动NameNode格式化后，创建Fsimage和Edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。
（2）客户端对元数据进行增删改的请求。
（3）先 NameNode记录操作日志，更新滚动日志。
（4）然后 NameNode在内存中对元数据进行增删改。
2）第二阶段：Secondary NameNode工作
（1）Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。
（2）Secondary NameNode请求执行CheckPoint。
（3）NameNode滚动正在写的Edits日志。修改edits_inprogress_001的名称为edits_001，同时生成新的edits_inprogress_002
（4）将滚动前的编辑日志 edits_001 和镜像文件 fsimage 拷贝到 Secondary NameNode。
（5）Secondary NameNode加载编辑日志和镜像文件到内存，并合并。
（6）生成新的镜像文件fsimage.chkpoint。
（7）拷贝fsimage.chkpoint到NameNode。
（8）NameNode将fsimage.chkpoint重新命名成fsimage。
（9）这时fsimage和edits_inprogress_002就成了新的编辑日志和镜像文件
Fsimage和Edits解析
NameNode被格式化后，将在/opt/module/hadoop-3.1.3/data/tmp/dfs/name/current目录中产生如下文件
（1）Fsimage文件：HDFS文件系统元数据的一个永久性检查点，其中包含HDFS文件系统的所有目录和文件inode的序列信息。
Fsimage中没有记录块所对应DataNode，为什么？
在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。
（2）Edits文件：存放HDFS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。
（3）seen_txid文件保存的时一个数字，就是最后一个edits_的数字。
（4）每次NameNode启动的时候，都会将Fsimage文件读入内存，加载Edits里面的更新操作，保证内存中的元数据信息是最新的、同步的，可以看成NameNode启动的时候就将Fsimage和Edits文件进行了合并
CheckPoint时间设置
- 通常情况下，SecondaryNameNode每隔一小时执行一次。
[hdfs-default.xml]
<property>
<name>dfs.namenode.checkpoint.period</name>
<value>3600s</value>
</property>
- 一分钟检查一次操作次数，当操作次数达到1百万时，SecondaryNameNode执行一次。
<property>
<name>dfs.namenode.checkpoint.txns</name>
<value>1000000</value>
<description>操作动作次数</description>
</property>
<property>
<name>dfs.namenode.checkpoint.check.period</name>
<value>60s</value>
<description> 1分钟检查一次操作次数是否达到1百万</description>
</property>
DataNode工作机制
（1）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。
（2）DataNode启动后向NameNode注册，通过后，周期性（6小时）的向NameNode上报所有的块信息。NameNode就会记录下来哪些块是正常的，OK的
DN向NN汇报当前解读信息的时间间隔，默认6小时；
<property>
<name>dfs.blockreport.intervalMsec</name>
<value>21600000</value>
<description>Determines block reporting interval in milliseconds.</description>
</property>
DN扫描自己节点块信息列表的时间，默认6小时，相当于自查完毕，及立即向上汇报
<property>
<name>dfs.datanode.directoryscan.interval</name>
<value>21600s</value>
<description>Interval in seconds for Datanode to scan data directories and reconcile the difference between blocks in memory and on the disk.
Support multiple time unit suffix(case insensitive), as described
in dfs.heartbeat.interval.
</description>
</property>
（3）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。3秒没回复，那就等，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。
（4）集群运行中可以安全加入和退出一些机器。
数据完整性
思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理DataNode节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？
如下是DataNode节点保证数据完整性的方法。
（1）当DataNode读取Block的时候，它会计算CheckSum。
（2）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。
（3）Client读取其他DataNode上的Block。
（4）常见的校验算法crc（32），md5（128），sha1（160）
（5）DataNode在其文件创建后周期验证CheckSum。
掉线时限参数设置
需要注意的是hdfs-site.xml 配置文件中的
heartbeat.recheck.interval的单位为毫秒，【默认超时时长】
dfs.heartbeat.interval的单位为秒。【心跳为3秒一次】
<property>
<name>dfs.namenode.heartbeat.recheck-interval</name>
<value>300000</value>
</property>
<property>
<name>dfs.heartbeat.interval</name>
<value>3</value>
</property>
