• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    Hadoop 分布式存储系统 HDFS的实例详解

    HDFS是Hadoop Distribute File System 的简称,也就是Hadoop的一个分布式文件系统。

    一、HDFS的优缺点

    1.HDFS优点:

      a.高容错性

        .数据保存多个副本

        .数据丢的失后自动恢复

      b.适合批处理

        .移动计算而非移动数据

        .数据位置暴露给计算框架

      c.适合大数据处理

        .GB、TB、甚至PB级的数据处理

        .百万规模以上的文件数据

        .10000+的节点

      d.可构建在廉价的机器上

        .通过多副本存储,提高可靠性

        .提供了容错和恢复机制

    2.HDFS缺点

      a.低延迟数据访问处理较弱

        .毫秒级别的访问响应较慢

        .低延迟和高吞吐率的请求处理较弱

      b.大量小文件存取处理较弱

        .会占用大量NameNode的内存

        .寻道时间超过读取时间

      c.并发写入、文件随机修改

        .一个文件仅有一个写者

        .仅支持Append写入

    二、HDFS的架构

      如上图所示,HDFS也是按照Master和Slave的结构。分NameNode、SecondaryNameNode、DataNode这几个角色。

      NameNode:是Master节点,是大领导。管理数据块映射;处理客户端的读写请求;配置副本策略;管理HDFS的名称空间;

      SecondaryNameNode:是一个小弟,分担大哥namenode的一部分工作量;是NameNode的冷备份;合并fsimage和fsedits然后再发给namenode。

      DataNode:Slave节点,奴隶,干活的。负责存储client发来的数据块block;执行数据块的读写操作。

      热备份:b是a的热备份,如果a坏掉。那么b马上运行代替a的工作。

      冷备份:b是a的冷备份,如果a坏掉。那么b不能马上代替a工作。但是b上存储a的一些信息,减少a坏掉之后的损失。

      fsimage:元数据镜像文件(文件系统的目录树。)

      edits:元数据的操作日志(针对文件系统做的修改操作记录)

      namenode内存中存储的是=fsimage+edits。

      SecondaryNameNode负责定时默认1小时,从namenode上,获取fsimage和edits来进行合并,然后再发送给namenode。减少namenode的工作量。

    三、HDFS数据存储单元(block)

    1.文件被切割成固大小的数据块

      a.默认数据块大小是64MB,数据块大小可配置

      b.若数据块大小不到64MB,则单独成一个数据块

    2.一个文件存储方式

      a.按大小切割成若干个block,存储在不同的节点上

      b.每个block默认存三个副本

      block大小和副本数由Client上传文件的时候设置,文件上传成功以后,副本数可以变更,但是Block 大小不可变。

    四、HDFS设计思想

      一个50G的文件上传到HDFS上,首先该文件被切割成了若干个64MB的block,block1在node1,node2,node3上存储了3(默认3个,可以设置)个副本,block2在node2,node3,node4上存储了3个副 本block3....直到所有的block都存储3个副本;

    五、NameNode(NN)、 SencondryNameNode (SNN)、DataNode(DN)

    1.NameNode (NN) 的工作

      a.接受客户端的读写服务

      b.保存metadata的信息,包括:文件的owership和permissions、文件包含哪些block、block保存在哪些DataNode节点上(在启动时由DataNode上报)

      c.NameNode 的metadata信息会在启动后加载到内存中

        .metadata信息在磁盘上存储的文件为“fsimage”

        .Block的位置信息不保存在fsimage中(由DataNode上报)

        .edits中保存对metadata的操作日志

    2.SecondryNameNode(SNN) 的工作

      a.它不是NN的备份(但可以做NN的部分备份的工作),它的主要工作是帮助NN合并edits log 减少NN的启动时间

      b.SNN合并时机

        .根据配置文件设置的时间间隔fs.checkpoint.period 默认3600秒

        .根据配置文件设置的edits log的大小 fs.checpoint.size 默认的edits log 大小为64MB

      c.SNN合并流程

        1>NN 创建一个新的edits log 来接替老的 edits 的工作

        2>NN 将fsimage 和 旧的edits 拷备到 SNN上

        3>SNN上进行合并操作,产生一个新的fsimage

        4>将新的fsimage 复制一份到NN上

        5>使用新的fsimage 和 新的edits log

    3.DataNode (DN)

      a.存储数块(block)

      b.启动DN线程时,DN会自动向NN汇报Block的信息

      c.NN向DN发送心跳检测,与其DN保持联系(3秒一次) 如果NN 连续10分钟没有收到DN的心跳,则认为该DN已经lost,并从其他DN中备份一份该DN上的所有block

      d.block的放置策略

        .第一个副本,放置在上传文件的DN上,如果是集群外提交,则随便选择一台磁盘、内存、CPU不太忙的节点存储

        .第二个副本,放置在与第一个副本不同机架上的节点上

        .第三个副本,放置在与第二个副本相同机架上的相邻的节点上

        .更多副本随机放置

    六、HDFS的写流程和读流程

    1.HDFS写流程

        例:

      有一个文件FileA,100M大小。Client将FileA写入到HDFS上。

      HDFS按默认配置。

      HDFS分布在三个机架上Rack1,Rack2,Rack3。

      a.Client将FileA按64M分块。分成两块,block1和Block2;

      b.Client向nameNode发送写数据请求,如图蓝色虚线①------>。

      c.NameNode节点,记录block信息。并返回可用的DataNode,如粉色虚线②--------->。

      Block1: host2,host1,host3

      Block2: host7,host8,host4

    原理:

    NameNode具有RackAware机架感知功能,这个可以配置。

    若client为DataNode节点,那存储block时,规则为:副本1,同client的节点上;副本2,不同机架节点上;副本3,同第二个副本机架的另一个节点上;其他副本随机挑选。

    若client不为DataNode节点,那存储block时,规则为:副本1,随机选择一个节点上;副本2,不同副本1,机架上;副本3,同副本2相同的另一个节点上;其他副本随机挑选。

      d.client向DataNode发送block1;发送过程是以流式写入。

        1>将64M的block1按64k的package划分;

        2>然后将第一个package发送给host2;

        3>host2接收完后,将第一个package发送给host1,同时client想host2发送第二个package;

        4>host1接收完第一个package后,发送给host3,同时接收host2发来的第二个package。

        5>以此类推,如图红线实线所示,直到将block1发送完毕。

        6>host2,host1,host3向NameNode,host2向Client发送通知,说“消息发送完了”。如图粉红颜色实线所示。

        7>client收到host2发来的消息后,向namenode发送消息,说我写完了。这样就真完成了。如图黄色粗实线

        8>发送完block1后,再向host7,host8,host4发送block2,如图蓝色实线所示。

        9>发送完block2后,host7,host8,host4向NameNode,host7向Client发送通知,如图浅绿色实线所示。

        10>client向NameNode发送消息,说我写完了,如图黄色粗实线。。。这样就完毕了。

      分析,通过写过程,我们可以了解到:

        ①写1T文件,我们需要3T的存储,3T的网络流量贷款。

        ②在执行读或写的过程中,NameNode和DataNode通过HeartBeat进行保存通信,确定DataNode活着。如果发现DataNode死掉了,就将死掉的DataNode上的数据,放到其他节点去。读取时,要读其他节点去。

        ③挂掉一个节点,没关系,还有其他节点可以备份;甚至,挂掉某一个机架,也没关系;其他机架上,也有备份。

    2.读流程

        例:

       读操作就简单一些了,如图所示,client要从datanode上,读取FileA。而FileA由block1和block2组成。

       那么,读操作流程为:

        a.client向namenode发送读请求。

        b.namenode查看Metadata信息,返回fileA的block的位置。

         block1:host2,host1,host3

        block2:host7,host8,host4

        c.block的位置是有先后顺序的,先读block1,再读block2。而且block1去host2上读取;然后block2,去host7上读取;

    七、HDFS文件权限

      1.与linux系统文件权限类似

        r:read w:write x:execute 权限x对于文件忽略,对于文件夹表示是否允许访问

      2.如果linux系统用户zhangsan使用hadoop命令创建一个文件 ,那么该文件在HDFS中的所有者就是zhangsan。

      3.HDFS权限的目:阻止好人做错事,而不是阻止坏人做坏事;例:只要是zhangsan上传的文件,那HDFS就认为这个文件属于张三,当下次过来操作的还是zhangsan那就可以操作,而不需要密码验证之类的操作。

    八、安全模式

    在NameNode启动以后会一段时间是处于安全模式,在安全模式下只可查看不能修进行其他操作,因为在安全模式下NN和DN需要做很多工作;

      1.NN 启动的时候首先需要将fsimage 载入内存,并执行编辑日志中的各项操作。

      2.一旦在文件系统中建立了一个新的元数据的映射,则创建一个新的fsimage 文件(与SNN配合)和一个空的edits文件

      3.安全模式下的NameNode,对客户端是只读的(显示文件目录、内容等 ,其他的删除、修改、重命名操作都会失败)

      4.在安全模式下,NameNode会收集来自DataNode汇报的block的信息,如果DN汇报的block的最副本数大于设置的最小副本数,则会认为是“安全”的。

       如果有block的副本数没有达到设置的最小副本数,则该block会被复制直到达到设置的最小副本数为止。

    总结

    以上所述是小编给大家介绍的Hadoop 分布式存储系统 HDFS的实例详解,希望对大家有所帮助,如果大家有任何疑问欢迎给我留言,小编会及时回复大家的!

    您可能感兴趣的文章:
    • Hadoop源码分析三启动及脚本剖析
    • Hadoop源码分析二安装配置过程详解
    • Python API 操作Hadoop hdfs详解
    • Hadoop源码分析五hdfs架构原理剖析
    上一篇:Hadoop文件的存储格式实例详解
    下一篇:hadoop迁移数据应用实例详解
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    Hadoop 分布式存储系统 HDFS的实例详解 Hadoop,分布式,存储,系统,