深入理解HDFS 一

Hadoop的发展至今已经有十余年的历史了，其核心设计HDFS和MapReduce，分别解决了海量数据的存储和计算这两个问题。

Hadoop的大版本分为Hadoop1，hadoop2和hadoop3，其中Hadoop2是Hadoop的发展中非常关键的一个版本，我们的生产环境也是基于Hadoop2.7.0，因此我们的重点将会关注hadoop2.7。

下面我们从HDFS的架构演进来分析以下三个问题：

1. HDFS如何解决单点故障问题
2. HDFS如何解决内存受限问题
3. HDFS解决如何支撑亿级流量

HDFS1架构

我们首先来看HDFS1的架构：

HDFS1是一个主从架构，主节点只有一个NameNode，从节点多个DataNode

NameNode

1.NameNode主要是用来保存HDFS的元数据信息，比如命名空间信息，块信息等。当它运行的时候，这些信息是存在内存中的。但是这些信息也可以持久化到磁盘上。

上面的这张图片展示了NameNode怎么把元数据保存到磁盘上的。这里有两个不同的文件：

1.fsimage - 它是在NameNode启动时对整个文件系统的快照2.edit logs - 它是在NameNode启动后，对文件系统的改动序列

只有在NameNode重启时，edit logs才会合并到fsimage文件中，从而得到一个文件系统的最新快照。但是在产品集群中NameNode是很少重启的，这也意味着当NameNode运行了很长时间后，edit logs文件会变得很大。在这种情况下就会出现下面一些问题：

1.edit logs文件会变的很大，怎么去管理这个文件是一个挑战。2.NameNode的重启会花费很长时间，因为有很多改动[笔者注:在edit logs中]要合并到fsimage文件上。3.如果NameNode挂掉了，那我们就丢失了很多改动因为此时的fsimage文件非常旧。[笔者注: 笔者认为在这个情况下丢失的改动不会很多, 因为丢失的改动应该是还在内存中但是没有写到edit logs的这部分。]

因此为了克服这个问题，我们需要一个易于管理的机制来帮助我们减小edit logs文件的大小和得到一个最新的fsimage文件，这样也会减小在NameNode上的压力。这跟Windows的恢复点是非常像的，Windows的恢复点机制允许我们对OS进行快照，这样当系统发生问题时，我们能够回滚到最新的一次恢复点上。

现在我们明白了NameNode的功能和所面临的挑战 - 保持文件系统最新的元数据。那么，这些跟Secondary NameNode又有什么关系呢？

SecondaryNameNode

SecondaryNameNode的命令有点让人误解，它并不是NameNode的备用节点

SecondaryNameNode就是来帮助解决上述问题的，它的职责是合并NameNode的edit logs到fsimage文件中。

SecondaryNameNode有两个作用，一是镜像备份，二是日志与镜像的定期合并。两个过程同时进行，称为checkpoint. 镜像备份的作用:备份fsimage(fsimage是元数据发送检查点时写入文件);日志与镜像的定期合并的作用:将Namenode中edits日志和fsimage合并,防止(如果Namenode节点故障，namenode下次启动的时候，会把fsimage加载到内存中，应用edit log,edit log往往很大，导致操作往往很耗时。)

Secondarynamenode工作原理

上面的图片展示了Secondary NameNode是怎么工作的。

1.首先，它定时到NameNode去获取edit logs，并更新到fsimage上。[笔者注：Secondary NameNode自己的fsimage]2.一旦它有了新的fsimage文件，它将其拷贝回NameNode中。3.NameNode在下次重启时会使用这个新的fsimage文件，从而减少重启的时间。

Secondary NameNode的整个目的是在HDFS中提供一个检查点。它只是NameNode的一个助手节点。这也是它在社区内被认为是检查点节点的原因。

现在，我们明白了Secondary NameNode所做的不过是在文件系统中设置一个检查点来帮助NameNode更好的工作。它不是要取代掉NameNode也不是NameNode的备份。所以从现在起，让我们养成一个习惯，称呼它为检查点节点吧。

相关配置文件

core-site.xml：这里有2个参数可配置，但一般来说我们不做修改。fs.checkpoint.period表示多长时间记录一次hdfs的镜像。默认是1小时。fs.checkpoint.size表示一次记录多大的size，默认64M。

<property><name>fs.checkpoint.period</name><value>3600</value><description>The number of seconds between two periodic checkpoints.</description></property> <property><name>fs.checkpoint.size</name><value>67108864</value><description>The size of the current edit log (in bytes) that triggersa periodic checkpoint even if the fs.checkpoint.period hasn’t expired.</description></property>

镜像备份的周期时间是可以修改的，如果不想一个小时备份一次，可以改的时间短点。core-site.xml中的fs.checkpoint.period值

DataNode

存储数据，把上传的数据划分固定大小的文件块（Hadoop1，默认是64M）

为了保证数据安全，每个文件块默认都有三个副本

HDFS的架构缺陷

从HDFS 1架构来看，HDFS只有一个NameNode，存在单点故障，一旦NameNode挂掉，整个集群便无法正常提供服务；单个节点NameNode面对巨大数据量和流量洪峰时，其内存也会受到很大的限制。因此我们在HDFS 2中将要解决的就是单点故障和内存受限这两个问题。

QJM方案实现HDFS HA

HDFS HA架构图

QJM原理

1. 用2N+1台JN存储editLog，每次写数据操作有大多数（N+1）返回成功时即认为该次写成功，数据不会丢失了。当然这个算法所能容忍的是最多有N台机器挂掉，如果多于N台挂掉，这个算法就失效了。这个原理是基于Paxos算法。

2. 在HA架构里面SecondaryNameNode这个冷备角色已经不存在了，为了保持standby NN时时的与主Active NN的元数据保持一致，他们之间交互通过一系列守护的轻量级进程JournalNode。任何修改操作在 Active NN上执行时，JN进程同时也会记录修改log到至少半数以上的JN中，这时 Standby NN 监测到JN 里面的同步log发生变化了会读取 JN 里面的修改log，然后同步到自己的的目录镜像树里面，当发生故障时，Active的 NN 挂掉后，Standby NN 会在它成为Active NN 前，读取所有的JN里面的修改日志，这样就能高可靠的保证与挂掉的NN的目录镜像树一致，然后无缝的接替它的职责，维护来自客户端请求，从而达到一个高可用的目的

3. 只有一个NameNode对外提供服务

ZKFC

ZKFC可以实现active namenode和 standby namenode的自动切换

•Hadoop提供了ZKFailoverController角色，部署在每个NameNode的节点上，作为一个deamon进程,包括三个组件:

•HealthMonitor: 监控NameNode是否处于unavailable或unhealthy状态。当前通过RPC调用NN相应的方法完成•ActiveStandbyElector: 管理和监控自己在ZK中的状态•ZKFailoverController:它订阅HealthMonitor和ActiveStandbyElector的事件，并管理NameNode的状态

•健康监测：周期性的向它监控的NN发送健康探测命令，从而来确定某个NameNode是否处于健康状态，如果机器宕机，心跳失败，那么zkfc就会标记它处于一个不健康的状态•会话管理：如果NN是健康的，zkfc就会在zookeeper中保持一个打开的会话，如果NameNode同时还是Active状态的，那么zkfc还会在Zookeeper中占有一个类型为短暂类型的znode， 当这个NN挂掉时，这个znode将会被删除，然后备用的NN，将会得到这把锁，升级为主NN，同时标记状态为Active•当宕机的NN新启动时，它会再次注册zookeper，发现已经有znode锁了，便会自动变为Standby状态，如此往复循环，保证高可靠，需要注意，目前仅仅支持最多配置2个NN•master选举：如上所述，通过在zookeeper中维持一个短暂类型的znode，来实现抢占式的锁机制，从而判断那个NameNode为Active状态

建议

200以下节点 三个Journal Node

200以上 五个Journal Node

CDH中如何操作HDFS HA

未启动HA时，NameNode和SecondaryNameNode分布在不同的节点

启动HA

JouralNode主机选择，一般与Zookeeper节点一致即可（至少3个且为奇数）

可以看到Failover Controller分别安装在了主备NameNode节点

可以手动故障转移和禁用HDFS HA

HDFS联邦

HDFS联邦架构图

原理

为了水平扩展名称服务，Federation使用多组独立的Namenodes/Namespaces。所有的Namenodes是联邦的，也就是说，他们之间相互独立且不需要互相协调，各自分工，管理自己的区域。Datanode被用作通用的数据块存储设备，每个DataNode要向集群中所有的Namenode注册，且周期性的向所有Namenode发送心跳和块报告，并执行来自所有Namenode的命令。

Federation架构与单组Namenode架构相比，主要是Namespace被拆分成了多个独立的部分，分别由独立的Namenode进行管理。

•Block Pool（块池）

•Block Pool允许一个命名空间在不通知其他命名空间的情况下为一个新的block创建Block ID。同时一个Namenode失效不会影响其下Datanode为其他Namenode服务。•每个Block Pool内部自治，也就是说各自管理各自的block，不会与其他Block Pool交流。一个Namenode挂掉了，不会影响其他NameNode。•当DN与NN建立联系并开始会话后自动建立Block Pool。每个block都有一个唯一的标识，这个标识我们称之为扩展块ID,在HDFS集群之间都是惟一的，为以后集群归并创造了条件。•DN中的数据结构都通过块池ID索引，即DN中的BlockMap，storage等都通过BPID索引。•某个NN上的NameSpace和它对应的Block Pool一起被称为NameSpace Volume。它是管理的基本单位。当一个NN/NS被删除后，其所有DN上对应的Block Pool也会被删除。当集群升级时，每个NameSpace Volume作为一个基本单元进行升级。

•ClusterID

增加一个新的ClusterID来标识在集群中所有的节点。当一个Namenode

被格式化的时候，这个标识被指定或自动生成，这个ID会用于格式化集群中的其它Namenode。

优点：

•Namespace的可扩展性

HDFS的水平扩展，但是命名空间不能扩展，通过在集群中增加Namenode来扩展Namespace,以达到大规模部署或者解决有很多小文件的情况。

•Performance（性能）

在之前的框架中，单个Namenode文件系统的吞吐量是有限制的，增加更多的Namenode能增大文件系统读写操作的吞吐量。

•Isolation（隔离）

一个单一的Namenode不能对多用户环境进行隔离，一个实验性的应用程序会加大Namenode的负载，减慢关键的生产应用程序，在多个Namenode情况下，不同类型的程序和用户可以通过不同的Namespace来进行隔离。

缺点：

•交叉访问问题

由于Namespace被拆分成多个，且互相独立，一个文件路径只允许存在一个Namespace中。如果应用程序要访问多个文件路径，那么不可避免的会产生交叉访问Namespace的情况。比如MR、Spark任务，都会存在此类问题。

•管理性问题

启用Federation后，HDFS很多管理命令都会失效，比如“hdfs dfsadmin、hdfs fsck”等，除此之外，“hdfs dfs cp/mv”命令同样失效，如果要在不同Namespace间拷贝或移动数据，需要使用distcp命令，指定绝对路径。

CM中也可以添加Nameservice，形成HDFS联邦

由于集群为测试集群，只有三个节点，这里不做federation的演示了。

HDFS3

HDFS3中HA方案支持多个NameNode，另外引入纠删码技术，这些我们会在另外的文章讨论。

HDFS如何支撑亿级流量

因为NameNode管理了元数据，用户所有的操作请求都会发送到NameNode，大一点的平台一天需要运行几十万，几百万的任务。一个任务就会有很多个请求，这些所有的请求都打到NameNode这儿，对于NameNode来说这就是亿级的流量，那么NameNode是如何支撑亿级流量的呢？

首先我们来简单地看一下HDFS的一个核心设计要点：

NameNode将数据从内存写到磁盘的过程采用分段加锁和双缓存方案，用空间换取时间，达到高性能要求

接下来我们来看看HDFS的源码，深入分析这个过程。