HDFS的学习和使用
本文是基于CentOS 7.3系统环境,进行HDFS的学习和使用
- CentOS 7.3
1. HDFS简介
1.1 什么是HDFS
HDFS是一个分布式文件系统,用于存储文件,通过目录树来定位文件,适合一次写入,多次读出的场景,不支持文件的修改。
1.2 HDFS的优点
- 高容错性
数据自动保存多个副本;当某一个副本丢失以后,可以自动恢复 - 适合处理大数据
能够处理数据规模达到GB、TB的数据;能够处理百万规模以上的文件数量 - 可以构建在廉价的机器上,通过多副本机制,提供可靠性
1.3 HDFS的缺点
- 不适合低延时的数据访问,比如毫秒级的存储数据,做不到
- 无法高效的对大量小文件进行存储
存储大量小文件的话,会占用NameNode大量的内存来存储文件目录和块目录,因为NameNode的内存总是有限的(128G);小文件存储的寻址时间会超过读取时间,它违反HDFS的设计目标 - 不支持并发写入,文件文件修改
2. HDFS架构组成
2.1 NameNode
HDFS的master,是一个主管,名称节点,管理元数据
- 管理HDFS的名称空间
- 配置副本策略
- 管理数据块映射信息
- 处理客户端读写请求
2.2 DataNode
HDFS的slave,NameNode下达命令,DataNode执行实际的操作
- 存储实际的数据块
- 执行数据块的读/写操作
- 管理数据块映射信息
- 处理客户端读写请求
2.3 Secondary NameNode
并非NameNode的热备,当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务
- 辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode
- 在紧急情况下,可辅助恢复NameNode,只可以恢复部分,并不是所有
2.4 Client
HDFS的客户端
- 文件切分,文件上传HDFS时,client将文件切分成一个一个的Block,然后上传
- 与NameNode交互,获取文件的位置信息
- 与DataNode交互,读取或写入数据
- client提供一些命令管理HDFS
3. HDFS文件块大小
3.1 块的大小为什么为128M
- 寻址时间约为10ms,即查找到目标block的时间
- 寻址时间为传输时间的1%时,为最佳状态,10ms/0.01=1s
- 目前磁盘的传输速率普遍为100MB/s
- 那么块大小约为100MB
3.2 块的大小不能设置太小,也不能设置太大
- 设置太小,会增加寻址时间,程序一直在找块的开始位置
- 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
4. HDFS的shell操作
4.1 启动集群
sbin/start-dfs.sh
sbin/start-yarn.sh
4.2 查看目录信息
hadoop fs -ls /user
hdfs dfs -ls /user
4.3 创建目录
hadoop fs -mkdir -p /user/xuzheng/input
hdfs dfs -mkdir -p /user/xuzheng/input
4.4 本地剪切文件至HDFS
hadoop fs -moveFromLocal ./aa.txt /user/xuzheng/input
hdfs dfs -moveFromLocal ./aa.txt /user/xuzheng/input
4.5 追加一个文件到已经存在HDFS的文件
hadoop fs -appendToFile ./bb.txt /user/xuzheng/input/aa.txt
hdfs dfs -appendToFile ./bb.txt /user/xuzheng/input/aa.txt
4.6 显示文件内容
hadoop fs -cat /user/xuzheng/input/aa.txt
hdfs dfs -cat /user/xuzheng/input/aa.txt
4.7 修改文件权限
hadoop fs -chmod 777 /user/xuzheng/input/aa.txt
hdfs dfs -chmod 777 /user/xuzheng/input/aa.txt
hadoop fs -chown root:root /user/xuzheng/input/aa.txt
hdfs dfs -chown root:root /user/xuzheng/input/aa.txt
4.8 从本地文件系统中拷贝文件到HDFS路径去
hadoop fs -copyFromLocal README.txt /
hdfs dfs -copyFromLocal README.txt /
4.9 从HDFS拷贝到本地
hadoop fs -copyToLocal /user/xuzheng/input/aa.txt ./
hdfs dfs -copyToLocal /user/xuzheng/input/aa.txt ./
4.10 在HDFS目录中移动文件
hadoop fs -mv /zhuge.txt /user/xuzheng/
hdfs dfs -mv /zhuge.txt /user/xuzheng/
4.11 从HDFS下载文件到本地
hadoop fs -get /user/xuzheng/input/aa.txt ./
hdfs dfs -get /user/xuzheng/input/aa.txt ./
4.12 从本地上传文件到HDFS
hadoop fs -put README.txt /
hdfs dfs -put README.txt /
4.13 合并下载多个文件
hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt
hdfs dfs -getmerge /user/atguigu/test/* ./zaiyiqi.txt
4.14 显示一个文件的末尾
hadoop fs -tail /sanguo/shuguo/kongming.txt
hdfs dfs -tail /sanguo/shuguo/kongming.txt
4.15 删除文件或文件夹
hadoop fs -rm /user/atguigu/test/jinlian2.txt
hdfs dfs -rm /user/atguigu/test/jinlian2.txt
4.16 删除空文件夹
hadoop fs -rmkdir /test
hdfs dfs -rmkdir /test
4.17 统计文件夹的大小信息
hadoop fs -du -s -h /user/atguigu/test
hdfs dfs -du -s -h /user/atguigu/test
4.18 设置HDFS中文件的副本数量
hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt
hdfs dfs -setrep 10 /sanguo/shuguo/kongming.txt
5. HDFS的Java操作
5.1 创建目录
@Test
public void testMkdirs() throws InterruptedException, URISyntaxException, IOException {
Configuration conf= new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
Path path = new Path("/test/user/xuzheng/");
fs.mkdirs(path);
fs.close();
}
5.2 上传文件
@Test
public void testCopyFromLocalFile() throws InterruptedException, URISyntaxException, IOException {
Configuration conf= new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
fs.copyFromLocalFile(new Path("C:\\Users\\bailang\\Desktop\\CentOS-Self.repo"), new Path("/test/user/xuzheng/"));
fs.close();
}
5.3 下载文件
@Test
public void testCopyToLocalFile() throws InterruptedException, URISyntaxException, IOException {
Configuration conf= new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
fs.copyToLocalFile(new Path("/test/user/xuzheng/CentOS-Self.repo"),new Path("C:\\Users\\bailang\\Desktop\\test"));
fs.close();
}
5.4 递归删除
@Test
public void testDelete() throws InterruptedException, URISyntaxException, IOException {
Configuration conf= new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
fs.delete(new Path("/test"), true);
fs.close();
}
5.5 文件重命名
@Test
public void testRename() throws InterruptedException, URISyntaxException, IOException {
Configuration conf= new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
fs.rename(new Path("/user/xuzheng/input/wc.input"), new Path("/user/xuzheng/input/aa.input"));
fs.close();
}
5.6 文件详情查看
@Test
public void testListFiles() throws InterruptedException, URISyntaxException, IOException {
Configuration conf = new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
while (listFiles.hasNext()) {
LocatedFileStatus fileStatus = listFiles.next();
System.out.println(fileStatus.getAccessTime());
System.out.println(fileStatus.getBlockSize());
System.out.println(fileStatus.getGroup());
System.out.println(fileStatus.getLen());
System.out.println(fileStatus.getModificationTime());
System.out.println(fileStatus.getOwner());
System.out.println(fileStatus.getPath());
System.out.println(fileStatus.getPermission());
System.out.println(fileStatus.getReplication());
BlockLocation[] blockLocations = fileStatus.getBlockLocations();
for (BlockLocation blockLocation : blockLocations) {
String[] hosts = blockLocation.getHosts();
for(String host:hosts){
System.out.println("-->"+host);
}
}
}
fs.close();
}
5.7 通过IO流上传文件
@Test
public void testCopyFromLocalFileByIO() throws InterruptedException, URISyntaxException, IOException {
Configuration conf = new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
FileInputStream in = new FileInputStream("C:\\Users\\bailang\\Desktop\\CentOS-Self.repo");
FSDataOutputStream out = fs.create(new Path("/user/xuzheng/input/centos.repo"));
IOUtils.copyBytes(in, out, conf);
IOUtils.closeStream(out);
IOUtils.closeStream(in);
fs.close();
}
5.8 通过IO流下载文件
@Test
public void testCopyToLocalFileByIO() throws InterruptedException, URISyntaxException, IOException {
Configuration conf = new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
FSDataInputStream in = fs.open(new Path("/user/xuzheng/input/centos.repo"));
FileOutputStream out = new FileOutputStream("C:\\Users\\bailang\\Desktop\\CentOS-test.repo");
IOUtils.copyBytes(in, out,conf);
IOUtils.closeStream(out);
IOUtils.closeStream(in);
fs.close();
}
5.9 定位读取文件
@Test
public void testReadFileSeek1() throws InterruptedException, URISyntaxException, IOException {
Configuration conf = new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
FSDataInputStream in = fs.open(new Path("/user/xuzheng/input/hadoop-2.7.2.tar.gz"));
FileOutputStream out = new FileOutputStream("C:\\Users\\bailang\\Desktop\\hadoop-2.7.2.tar.gz.part1");
byte[] buf = new byte[1024];
for (int i = 0; i < 1024 * 128; i++) {
in.read(buf);
out.write(buf);
}
IOUtils.closeStream(out);
IOUtils.closeStream(in);
fs.close();
}
@Test
public void testReadFileSeek2() throws InterruptedException, URISyntaxException, IOException {
Configuration conf = new Configuration();
URI uri = new URI("hdfs://hadoop101:9000");
FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
FSDataInputStream in = fs.open(new Path("/user/xuzheng/input/hadoop-2.7.2.tar.gz"));
in.seek(1024 * 1024 * 128);
FileOutputStream out = new FileOutputStream("C:\\Users\\bailang\\Desktop\\hadoop-2.7.2.tar.gz.part2");
IOUtils.copyBytes(in, out, conf);
IOUtils.closeStream(out);
IOUtils.closeStream(in);
fs.close();
}
合并两个文件
type hadoop-2.7.2.tar.gz.part2>>hadoop-2.7.2.tar.gz.part1
6. HDFS的写数据流程
6.1 剖析文件写入
6.2 网络拓扑-节点距离计算
- 节点距离
两个节点到达最近的共同祖先的距离总和 - 父节点距离
一个节点到达父节点的距离为1 - 同一个节点上的进程
Distance(/d1/r1/n0,/d1/r1/n0)=0 - 同一个机架上不同的节点
Distance(/d1/r1/n1,/d1/r1/n2)=2 - 同一个集群不同机架上的节点
Distance(/d1/r2/n0,/d1/r3/n2)=4 - 不同集群的节点
Distance(/d1/r2/n1,/d2/r4/n1)=6
6.3 机架感知(副本存储节点选择)
- 第一个副本在Client所处的节点上,如果客户端在集群外,随机选一个
- 第二个副本在第一个副本所属的机架上,随机节点
- 第三个副本位于不同的机架上,随机节点
7. HDFS的读数据流程
8. NameNode
8.1 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。
8.2 NN和2NN工作流程
- 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)NameNode记录操作日志,更新滚动日志。
(4)NameNode在内存中对数据进行增删改。 - 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。
(4)将滚动前的编辑日志和镜像文件拷贝到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。
8.3 NN和2NN工作机制
Fsimage:NameNode内存中元数据序列化后形成的文件。
Edits:记录客户端更新元数据信息的每一步操作(可通过Edits运算出元数据)。
NameNode启动时,先滚动Edits并生成一个空的edits.inprogress,然后加载Edits和Fsimage到内存中,此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求,这些请求的操作首先会被记录到edits.inprogress中(查询元数据的操作不会被记录在Edits中,因为查询操作不会更改元数据信息),如果此时NameNode挂掉,重启后会从Edits中读取元数据的信息。然后,NameNode会在内存中执行元数据的增删改的操作。
由于Edits中记录的操作会越来越多,Edits文件会越来越大,导致NameNode在启动加载Edits时会很慢,所以需要对Edits和Fsimage进行合并(所谓合并,就是将Edits和Fsimage加载到内存中,照着Edits中的操作一步步执行,最终形成新的Fsimage)。SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。
SecondaryNameNode首先会询问NameNode是否需要CheckPoint(触发CheckPoint需要满足两个条件中的任意一个,定时时间到和Edits中数据写满了,默认1小时,100w条)。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作,首先会让NameNode滚动Edits并生成一个空的edits.inprogress,滚动Edits的目的是给Edits打个标记,以后所有新的操作都写入edits.inprogress,其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地,然后将拷贝的Edits和Fsimage加载到内存中进行合并,生成fsimage.chkpoint,然后将fsimage.chkpoint拷贝给NameNode,重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可,因为合并过的Edits中的元数据信息已经被记录在Fsimage中。
8.3 CheckPoint时间设置
(1)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>3600</value>
</property>
(2)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>60</value>
<description> 1分钟检查一次操作次数</description>
</property >
8.4 NameNode故障处理
(1) 方法一(推荐使用)
将SecondaryNameNode中数据拷贝到NameNode存储数据的目录;
杀掉NameNode进程
kill -9 NameNode进程
删除NameNode存储的数据(/opt/module/hadoop-2.7.2/data/tmp/dfs/name)
rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*
拷贝SecondaryNameNode中数据到原NameNode存储数据目录
scp -r atguigu@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/
重新启动NameNode
sbin/hadoop-daemon.sh start namenode
(2) 方法二(不推荐使用)
使用-importCheckpoint选项启动NameNode守护进程,从而将SecondaryNameNode中数据拷贝到NameNode目录中。
修改hdfs-site.xml中的
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/module/hadoop-2.7.2/data/tmp/dfs/name</value>
</property>
# 同步配置文件
/home/xuzheng/bin/xsync hdfs-sit.xml
杀掉NameNode进程
kill -9 NameNode进程
删除NameNode存储的数据(/opt/module/hadoop-2.7.2/data/tmp/dfs/name)
rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*
如果SecondaryNameNode不和NameNode在一个主机节点上,需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录,并删除in_use.lock文件
scp -r atguigu@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary ./
rm -rf in_use.lock
导入检查点数据,并手动启动NameNode
bin/hdfs namenode -importCheckpoint
sbin/hadoop-daemon.sh start namenode
8.5 集群安全模式
NameNode启动
NameNode启动时,首先将镜像文件(Fsimage)载入内存,并执行编辑日志(Edits)中的各项操作。一旦在内存中成功创建文件系统元数据的镜像,在创建一个新的Fsimage文件和一个空的编辑日志。此时,NameNode开始监听DataNode请求。这个过程期间,NameNode一直运行在安全模式,即NameNode的文件系统对于客户端来说是只读的。
DataNode启动
系统中的数据库的位置并不是由NameNode维护的,而是以块列表的形式存储在DataNode中。在系统的正常操作期间,NameNode会在内存中保留所有块位置的映射信息。在安全模式下,各个DataNode会想NameNode发送最新的块列表信息,NameNode了解到足够多的块位置信息之后,即可高效运行文件系统。
安全模式退出判断
如果满足“最小副本条件”,NameNode会在30秒后退出安全模式。所谓的最小副本条件指的是在整个文件系统中99.9%的块满足最小副本级别(默认值:dfs.replication.min=1)。在启动一个刚刚格式化的HDFS集群时,因为系统中还没有任何块,所以NameNode不会进入安全模式
基本语法
# 查看安全模式状态
hdfs dfsadmin -safemode get
# 进入安全模式状态
hdfs dfsadmin -safemode enter
# 离开安全模式状态
hdfs dfsadmin -safemode leave
# 等待安全模式状态
hdfs dfsadmin -safemode wait