Hadoop的namenode的管理机制,工作机制和datanode的工作原理

HDFS前言:   1) 设计思想     分而治之:将大文件、大批量文件,分布式存放在大量服务器上,以便于采取分而治之的方式对海量数据进行运算分析;   2)在大数据系统中作用:     为各类分布式运算框架(如:mapreduce,spark,tez,……)提供数据存储服务   3)重点概念:文件切块,副本存放,元数据

1:分布式文件系统(Distributed File System):

(1):数据量越来越多,在一个操作系统管辖的范围存不下了,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,因此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 。 (2):是一种允许文件通过网络在多台主机上分享的文件系统,可让多机器上的多用户分享文件和存储空间。 (3):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。 (4):容错。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损失。 (5):分布式文件管理系统很多,hdfs只是其中一种。适用于一次写入多次查询的情况,不支持并发写情况,小文件不合适。

2:Hadoop最擅长的是(离线 )日志分析

(1):HDFS----》海量数据的存储 (2):MapReduce----》海量数据的分析 (3):YARN----》资源管理调度

3:HDFS的Shell

(1):调用文件系统(FS)Shell命令应使用 bin/hadoop fs 的形式。 (2):所有的FS shell命令使用URI路径作为参数。    URI格式是scheme://authority/path。HDFS的scheme是hdfs,对本地文件系统,scheme是file。其中scheme和authority参数都是可选的,如果未加指定,就会使用配置中指定的默认scheme。    例如:/parent/child可以表示成hdfs://namenode:namenodePort/parent/child,或者更简单的/parent/child(假设配置文件是namenode:namenodePort) (3):大多数FS Shell命令的行为和对应的Unix Shell命令类似。

4:HDFS fs命令

(1)-help [cmd]    //显示命令的帮助信息 (2)-ls(r) <path>    //显示当前目录下所有文件 (3)-du(s) <path>    //显示目录中所有文件大小 (4)-count[-q] <path>    //显示目录中文件数量 (5)-mv <src> <dst>    //移动多个文件到目标目录 (6)-cp <src> <dst>    //复制多个文件到目标目录 (7)-rm(r)        //删除文件(夹) (8)-put <localsrc> <dst>    //本地文件复制到hdfs (9)-copyFromLocal    //同put (10)-moveFromLocal    //从本地文件移动到hdfs (11)-get [-ignoreCrc] <src> <localdst>    //复制文件到本地,可以忽略crc校验 (12)-getmerge <src> <localdst>        //将源目录中的所有文件排序合并到一个文件中 (13)-cat <src>    //在终端显示文件内容 (14)-text <src>    //在终端显示文件内容 (15)-copyToLocal [-ignoreCrc] <src> <localdst>    //复制到本地 (16)-moveToLocal <src> <localdst> (17)-mkdir <path>    //创建文件夹 (18)-touchz <path>    //创建一个空文件

5:HDFS的Shell命令练习

(1)#hadoop fs -ls /  查看HDFS根目录 (2)#hadoop fs -mkdir /test 在根目录创建一个目录test (3)#hadoop fs -mkdir /test1 在根目录创建一个目录test1 (4)#hadoop fs -put ./test.txt /test 或#hadoop fs -copyFromLocal ./test.txt /test (5)#hadoop fs -get /test/test.txt . 或#hadoop fs -getToLocal /test/test.txt . (6)#hadoop fs -cp /test/test.txt /test1 (7)#hadoop fs -rm /test1/test.txt (8)#hadoop fs -mv /test/test.txt /test1 (9)#hadoop fs -rmr /test1  

6:HDFS架构

(1)NameNode (2)DataNode (3)Secondary NameNode

7:NameNode

(1)是整个文件系统的管理节点。它维护着整个文件系统的文件目录树,文件/目录的元信息和每个文件对应的数据块列表。接收用户的操作请求。 (2)文件包括: fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。 edits:操作日志文件。 fstime:保存最近一次checkpoint的时间 (3)以上这些文件是保存在linux的文件系统中。

8:NameNode的工作特点

(1)Namenode始终在内存中保存metedata,用于处理“读请求” (2)到有“写请求”到来时,namenode会首先写editlog到磁盘,即向edits文件中写日志,成功返回后,才会修改内存,并且向客户端返回 (3)Hadoop会维护一个fsimage文件,也就是namenode中metedata的镜像,但是fsimage不会随时与namenode内存中的metedata保持一致,而是每隔一段时间通过合并edits文件来更新内容。Secondary namenode就是用来合并fsimage和edits文件来更新NameNode的metedata的。

9:SecondaryNameNode

(1)HA的一个解决方案。但不支持热备。配置即可。 (2)执行过程:从NameNode上下载元数据信息(fsimage,edits),然后把二者合并,生成新的fsimage,在本地保存,并将其推送到NameNode,替换旧的fsimage. (3)默认在安装在NameNode节点上,但这样...不安全!

10:secondary namenode的工作流程

(1)secondary通知namenode切换edits文件 (2)secondary从namenode获得fsimage和edits(通过http) (3)secondary将fsimage载入内存,然后开始合并edits (4)secondary将新的fsimage发回给namenode (5)namenode用新的fsimage替换旧的fsimage

11:什么时候checkpiont

(1)fs.checkpoint.period 指定两次checkpoint的最大时间间隔,默认3600秒。 (2)fs.checkpoint.size    规定edits文件的最大值,一旦超过这个值则强制checkpoint,不管是否到达最大时间间隔。默认大小是64M。

12:NameNode和SecondNameNode之间的联系

 13:Datanode

(1)提供真实文件数据的存储服务。 (2)文件块(block):最基本的存储单位。对于文件内容而言,一个文件的长度大小是size,那么从文件的0偏移开始,按照固定的大小,顺序对文件进行划分并编号,划分好的每一个块称一个Block。HDFS默认Block大小是128MB,以一个256MB文件,共有256/128=2个Block. dfs.block.size (3)不同于普通文件系统的是,HDFS中,如果一个文件小于一个数据块的大小,并不占用整个数据块存储空间 (4)Replication。多复本。默认是三个。hdfs-site.xml的dfs.replication属性

14:Remote Procedure Call

(1)RPC——远程过程调用协议,它是一种通过网络从远程计算机程序上请求服务,而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在,如TCP或UDP,为通信程序之间携带信息数据。在OSI网络通信模型中,RPC跨越了传输层和应用层。RPC使得开发包括网络分布式多程序在内的应用程序更加容易。 (2)RPC采用客户机/服务器模式。请求程序就是一个客户机,而服务提供程序就是一个服务器。首先,客户机调用进程发送一个有进程参数的调用信息到服务进程,然后等待应答信息。在服务器端,进程保持睡眠状态直到调用信息的到达为止。当一个调用信息到达,服务器获得进程参数,计算结果,发送答复信息,然后等待下一个调用信息,最后,客户端调用进程接收答复信息,获得进程结果,然后调用执行继续进行。 (3)hadoop的整个体系结构就是构建在RPC之上的(见org.apache.hadoop.ipc)。

15:HDFS读过程

(1)初始化FileSystem,然后客户端(client)用FileSystem的open()函数打开文件 (2)FileSystem用RPC调用元数据节点,得到文件的数据块信息,对于每一个数据块,元数据节点返回保存数据块的数据节点的地址。 (3)FileSystem返回FSDataInputStream给客户端,用来读取数据,客户端调用stream的read()函数开始读取数据。 (4)DFSInputStream连接保存此文件第一个数据块的最近的数据节点,data从数据节点读到客户端(client) (5)当此数据块读取完毕时,DFSInputStream关闭和此数据节点的连接,然后连接此文件下一个数据块的最近的数据节点。 (6)当客户端读取完毕数据的时候,调用FSDataInputStream的close函数。 (7)在读取数据的过程中,如果客户端在与数据节点通信出现错误,则尝试连接包含此数据块的下一个数据节点。 (8)失败的数据节点将被记录,以后不再连接。

16:HDFS写过程

(1)初始化FileSystem,客户端调用create()来创建文件 (2)FileSystem用RPC调用元数据节点,在文件系统的命名空间中创建一个新的文件,元数据节点首先确定文件原来不存在,并且客户端有创建文件的权限,然后创建新文件。 (3)FileSystem返回DFSOutputStream,客户端用于写数据,客户端开始写入数据。 (4)DFSOutputStream将数据分成块,写入data queue。data queue由Data Streamer读取,并通知元数据节点分配数据节点,用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点。第二个数据节点将数据发送给第三个数据节点。 (5)DFSOutputStream为发出去的数据块保存了ack queue,等待pipeline中的数据节点告知数据已经写入成功。 (6)当客户端结束写入数据,则调用stream的close函数。此操作将所有的数据块写入pipeline中的数据节点,并等待ack queue返回成功。最后通知元数据节点写入完毕。 (7)如果数据节点在写入的过程中失败,关闭pipeline,将ack queue中的数据块放入data queue的开始,当前的数据块在已经写入的数据节点中被元数据节点赋予新的标示,则错误节点重启后能够察觉其数据块是过时的,会被删除。失败的数据节点从pipeline中移除,另外的数据块则写入pipeline中的另外两个数据节点。元数据节点则被通知此数据块是复制块数不足,将来会再创建第三份备份。

 17:HDFS的架构

(1)主从结构   主节点, namenode   从节点,有很多个: datanode (2)namenode负责:   接收用户操作请求   维护文件系统的目录结构   管理文件与block之间关系,block与datanode之间关系 (3)datanode负责:   存储文件   文件被分成block存储在磁盘上   为保证数据安全,文件会有多个副本

18:Hadoop部署方式

(1)本地模式 (2)伪分布模式 (3)集群模式

19:Hadoop的特点

(1)扩容能力(Scalable):能可靠地(reliably)存储和处理千兆字节(PB)数据。 (2)成本低(Economical):可以通过普通机器组成的服务器群来分发以及处理数据。这些服务器群总计可达数千个节点。 (3)高效率(Efficient):通过分发数据,hadoop可以在数据所在的节点上并行地(parallel)处理它们,这使得处理非常的快速。 (4)可靠性(Reliable):hadoop能自动地维护数据的多份副本,并且在任务失败后能自动地重新部署(redeploy)计算任务。

 20:HDFS的概念和特性:

  1)首先,它是一个文件系统,用于存储文件,通过统一的命名空间——目录树来定位文件   2)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;   3)重要特性如下:     (1)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版本中是128M,老版本中是64M     (2)HDFS文件系统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     (3)目录结构及文件分块信息(元数据)的管理由namenode节点承担       namenode是HDFS集群主节点,负责维护整个hdfs文件系统的目录树,以及每一个路径(文件)所对应的block块信息(block的id,及所在的datanode服务器)     (4)文件的各个block的存储管理由datanode节点承担       datanode是HDFS集群从节点,每一个block都可以在多个datanode上存储多个副本(副本数量也可以通过参数设置dfs.replication)     (5)HDFS是设计成适应一次写入,多次读出的场景,且不支持文件的修改   注意:适合用来做数据分析,并不适合用来做网盘应用,因为,不便修改,延迟大,网络开销大,成本太高;

22:hadoop常用命令参数介绍:

-help              功能:输出这个命令参数手册 -ls                   功能:显示目录信息 示例: hadoop fs -ls hdfs://hadoop-server01:9000/ 备注:这些参数中,所有的hdfs路径都可以简写 -->hadoop fs -ls /   等同于上一条命令的效果 -mkdir               功能:在hdfs上创建目录 示例:hadoop fs  -mkdir  -p  /aaa/bbb/cc/dd -moveFromLocal             功能:从本地剪切粘贴到hdfs 示例:hadoop  fs  - moveFromLocal  /home/hadoop/a.txt  /aaa/bbb/cc/dd -moveToLocal               功能:从hdfs剪切粘贴到本地 示例:hadoop  fs  - moveToLocal   /aaa/bbb/cc/dd  /home/hadoop/a.txt --appendToFile   功能:追加一个文件到已经存在的文件末尾 示例:hadoop  fs  -appendToFile  ./hello.txt  hdfs://hadoop-server01:9000/hello.txt 可以简写为: Hadoop  fs  -appendToFile  ./hello.txt  /hello.txt -cat   功能:显示文件内容   示例:hadoop fs -cat  /hello.txt -tail                  功能:显示一个文件的末尾 示例:hadoop  fs  -tail  /weblog/access_log.1 -text                   功能:以字符形式打印一个文件的内容 示例:hadoop  fs  -text  /weblog/access_log.1 -chgrp -chmod -chown 功能:linux文件系统中的用法一样,对文件所属权限 示例: hadoop  fs  -chmod  666  /hello.txt hadoop  fs  -chown  someuser:somegrp   /hello.txt -copyFromLocal     功能:从本地文件系统中拷贝文件到hdfs路径去 示例:hadoop  fs  -copyFromLocal  ./jdk.tar.gz  /aaa/ -copyToLocal       功能:从hdfs拷贝到本地 示例:hadoop fs -copyToLocal /aaa/jdk.tar.gz -cp               功能:从hdfs的一个路径拷贝hdfs的另一个路径 示例: hadoop  fs  -cp  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2 -mv                      功能:在hdfs目录中移动文件 示例: hadoop  fs  -mv  /aaa/jdk.tar.gz  / -get               功能:等同于copyToLocal,就是从hdfs下载文件到本地 示例:hadoop fs -get  /aaa/jdk.tar.gz -getmerge              功能:合并下载多个文件 示例:比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,... hadoop fs -getmerge /aaa/log.* ./log.sum -put                 功能:等同于copyFromLocal 示例:hadoop  fs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2 -rm                 功能:删除文件或文件夹 示例:hadoop fs -rm -r /aaa/bbb/ -rmdir                  功能:删除空目录 示例:hadoop  fs  -rmdir   /aaa/bbb/ccc -df                功能:统计文件系统的可用空间信息 示例:hadoop  fs  -df  -h  / -du 功能:统计文件夹的大小信息 示例: hadoop  fs  -du  -s  -h /aaa/* -count          功能:统计一个指定目录下的文件节点数量 示例:hadoop fs -count /aaa/ -setrep                 功能:设置hdfs中文件的副本数量 示例:hadoop fs -setrep 3 /aaa/jdk.tar.gz <这里设置的副本数只是记录在namenode的元数据中,是否真的会有这么多副本,还得看datanode的数量>

23:Hdfs的工作机制:

(工作机制的学习主要是为加深对分布式系统的理解,以及增强遇到各种问题时的分析解决能力,形成一定的集群运维能力) 注意:很多不是真正理解hadoop技术体系的人会常常觉得HDFS可用于网盘类应用,但实际并非如此。要想将技术准确用在恰当的地方,必须对技术有深刻的理解 概述   1:HDFS集群分为两大角色:NameNode、DataNode   2:NameNode负责管理整个文件系统的元数据   3:DataNode 负责管理用户的文件数据块   4:文件会按照固定的大小(blocksize)切成若干块后分布式存储在若干台datanode上   5:每一个文件块可以有多个副本,并存放在不同的datanode上   6:Datanode会定期向Namenode汇报自身所保存的文件block信息,而namenode则会负责保持文件的副本数量   7:HDFS的内部工作机制对客户端保持透明,客户端请求访问HDFS都是通过向namenode申请来进行

待续......

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏情情说

《深入实践Spring Boot》阅读笔记之二:分布式应用开发

上篇文章总结了《深入实践Spring Boot》的第一部分,这篇文章介绍第二部分:分布式应用开发,以及怎么构建一个高性能的服务平台。 主要从以下几个方面总结: ...

3847
来自专栏Golang语言社区

社区leaf学习笔记|05. 游戏玩家注册、登陆(上)

首先 我们需要增加玩家注册、登陆的协议,消息结构定义在server\msg\msg.go中,但是为了便于查找建议单独建立文件 例如 如下图 建立目录:serve...

731
来自专栏owent

近期活动比较零散

近期的活动比较零散,主要的业余精力都放在了libatbus上了。但是这个一时半会也写不完,所以能整理出来的东西不多。就说下最近跟进的开源代码吧。

933
来自专栏开源优测

移动测试 Appium源码初探

移动测试 Appium源码初探 介绍 Appium 是一个自动化测试开源工具,支持 iOS 平台和 Android 平台上的原生应用,web 应用和混合应用。 ...

2875
来自专栏北京马哥教育

Nginx 战斗准备:优化指南

大多数的Nginx安装指南告诉你如下基础知识——通过apt-get安装,修改这里或那里的几行配置,好了,你已经有了一个Web服务器了!而且,在大多 数情况下,一...

3117
来自专栏小程序·云开发专栏

小程序·云开发:新手常见问题全解答

小程序·云开发 文档里,则是所有与小程序·云开发相关的文档内容。下面会通过用户关心的的一些问题,介绍在哪里可以找到对应的文档。

4907
来自专栏北京马哥教育

秒懂!四步16点高效搞定高性能web服务器nginx

Nginx(读音engine x)服务器由于性能优秀稳定、配置简单以及跨平台,被越来越多的公司和个人所采用,现已成为市场份额继Apache之后的第二大Web服务...

832
来自专栏有趣的Python

13- vue django restful framework 打造生鲜超市 -drf的权限验证Vue+Django REST framework实战

Vue+Django REST framework实战 使用Python3.6与Django2.0.2(Django-rest-framework)以及前端v...

3769
来自专栏逸鹏说道

Git异常:Cannot delete the branch 'test&' which you are currently on

GitHub实战系列汇总:http://www.cnblogs.com/dunitian/p/5038719.html ————————————————————...

2806
来自专栏吴伟祥

Jmeter压力测试 转

 它的作用其实是为了模拟用户,所以也叫Users。一个线程组模块可以包含多个线程,每个线程代表一个用户,这样可以模拟高并发下的请求,并根据网站的响应信息来判断网...

692

扫码关注云+社区