Hadoop详解(04)-Hdfs

Hadoop详解(04)-Hdfs

HDFS概述

• HDFS产出背景及定义

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。

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。

使用场景：适合一次写入，多次读出的场景，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。

• 优缺点

优点

高容错性

（1）数据自动保存多个副本。它通过增加副本的形式，提高容错性。

（2）某一个副本丢失以后，它可以自动恢复。

适合处理大数据

（1）数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据；

（2）文件规模：能够处理百万规模以上的文件数量，数量相当之大。

3）可构建在廉价机器上，通过多副本机制，提高可靠性。

缺点

不适合低延时数据访问，比如毫秒级的存储数据，是做不到的。

无法高效的对大量小文件进行存储。

（1）存储大量小文件的话，它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的，因为NameNode的内存总是有限的；

（2）小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标

不支持并发写入、文件随机修改。

（1）一个文件只能有一个写，不允许多个线程同时写；

（2）仅支持数据append（追加），不支持文件的随机修改。

• 组成架构

NameNode（nn）就是主节点Master，是一个主管、管理者。

（1）管理HDFS的名称空间；

（2）配置副本策略；

（3）管理数据块（Block）映射信息；

（4）处理客户端读写请求。

DataNode：就是从节点Slave。NameNode下达命令，DataNode执行实际的操作。

（1）存储实际的数据块；

（2）执行数据块的读/写操作。

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，获取文件的位置信息；

（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增删查改操作；

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。

（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。

• HDFS文件块大小（面试常问）

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。

为什么块的大小不能设置太小，也不能设置太大？

（1）HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置；

（2）如果块设置的太大，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。

所以，HDFS块的大小设置主要取决于磁盘传输速率。

如果寻址时间约为10ms，即查找到目标block的时间为10ms。

寻址时间为传输时间的1%时，则为最佳状态。

因此，传输时间=10ms/0.01=1000ms=1s

而目前磁盘的传输速率普遍为100MB/s。

block大小=1s*100MB/s=100MB

HDFS的Shell操作

hadoop fs 和 hdfs dfs两个命令是完全相同的

查看hdfs支持的命令

[hadoop@hadoop102 ~]$ hadoop fs

Usage: hadoop fs [generic options]

[-appendToFile <localsrc> ... <dst>]

[-cat [-ignoreCrc] <src> ...]

[-checksum <src> ...]

[-chgrp [-R] GROUP PATH...]

[-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]

[-chown [-R] [OWNER][:[GROUP]] PATH...]

[-copyFromLocal [-f] [-p] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]

[-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]

[-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]

[-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]

[-createSnapshot <snapshotDir> [<snapshotName>]]

[-deleteSnapshot <snapshotDir> <snapshotName>]

[-df [-h] [<path> ...]]

[-du [-s] [-h] [-v] [-x] <path> ...]

[-expunge]

[-find <path> ... <expression> ...]

[-get [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]

[-getfacl [-R] <path>]

[-getfattr [-R] {-n name | -d} [-e en] <path>]

[-getmerge [-nl] [-skip-empty-file] <src> <localdst>]

[-head <file>]

[-help [cmd ...]]

[-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]

[-mkdir [-p] <path> ...]

[-moveFromLocal <localsrc> ... <dst>]

[-moveToLocal <src> <localdst>]

[-mv <src> ... <dst>]

[-put [-f] [-p] [-l] [-d] <localsrc> ... <dst>]

[-renameSnapshot <snapshotDir> <oldName> <newName>]

[-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]

[-rmdir [--ignore-fail-on-non-empty] <dir> ...]

[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]

[-setfattr {-n name [-v value] | -x name} <path>]

[-setrep [-R] [-w] <rep> <path> ...]

[-stat [format] <path> ...]

[-tail [-f] [-s <sleep interval>] <file>]

[-test -[defsz] <path>]

[-text [-ignoreCrc] <src> ...]

[-touch [-a] [-m] [-t TIMESTAMP ] [-c] <path> ...]

[-touchz <path> ...]

[-truncate [-w] <length> <path> ...]

[-usage [cmd ...]]

启动hadoop集群

[hadoop@hadoop102 ~]$ cd /opt/module/hadoop-3.1.3/

[hadoop@hadoop102 hadoop-3.1.3]$ sbin/start-all.sh

帮助命令-help 可以输出命令的帮助信息

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm

-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ... :

Delete all files that match the specified file pattern. Equivalent to the Unix

command "rm <src>"

-f If the file does not exist, do not display a diagnostic message or

modify the exit status to reflect an error.

-[rR] Recursively deletes directories.

-skipTrash option bypasses trash, if enabled, and immediately deletes <src>.

-safely option requires safety confirmation, if enabled, requires

confirmation before deleting large directory with more than

<hadoop.shell.delete.limit.num.files> files. Delay is expected when

walking over large directory recursively to count the number of

files to be deleted before the confirmation.

• 上传

-moveFromLocal：从本地剪切粘贴到HDFS

[hadoop@hadoop102 hadoop-3.1.3]$ touch a.txt

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./a.txt /a.txt

-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

[hadoop@hadoop102 hadoop-3.1.3]$ touch b.txt

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal ./b.txt /

-appendToFile：追加一个文件到已经存在的文件末尾

[hadoop@hadoop102 hadoop-3.1.3]$ echo abc >> ./c.txt

hadoop fs -appendToFile c.txt /a.txt

-put：等同于copyFromLocal

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./c.txt /

• 下载

-copyToLocal：从HDFS拷贝到本地

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./

2）-get：等同于copyToLocal，就是从HDFS下载文件到本地

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./

3）-getmerge：合并下载多个文件，比如HDFS的目录 /user/test下有多个文件:log.1, log.2,log.3,...

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop fs -getmerge /user/test/* ./zaiyiqi.txt

• HDFS直接操作

1）-ls: 显示目录信息

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /

Found 4 items

-rw-r--r-- 3 hadoop supergroup 4 2021-11-28 04:58 /a.txt

drwxr-xr-x - hadoop supergroup 0 2021-11-24 22:10 /input

drwx------ - hadoop supergroup 0 2021-11-24 23:27 /tmp

drwxr-xr-x - hadoop supergroup 0 2021-11-24 22:17 /user

2）-mkdir：在HDFS上创建目录

[hadoop@hadoop102 ~]$ hadoop fs -mkdir -p /test1/test2

3）-cat：显示文件内容

[hadoop@hadoop102 ~]$ hadoop fs -cat /a.txt

4）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

[hadoop@hadoop102 ~]$ hadoop fs -chmod 666 /a.txt

[hadoop@hadoop102 ~]$ hadoop fs -chown hadoop:hadoop /a.txt

5）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

[hadoop@hadoop102 ~]$ hadoop fs -cp /a.txt /test1

6）-mv：在HDFS目录中移动文件

[hadoop@hadoop102 ~]$ hadoop fs -mv /test1/a.txt /test1/test2/

7）-tail：显示一个文件的末尾1kb的数据

[hadoop@hadoop102 ~]$ hadoop fs -tail /a.txt

8）-rm：删除文件或文件夹

[hadoop@hadoop102 ~]$ hadoop fs -rm /test1/test2/a.txt

9）-rmdir：删除空目录

[hadoop@hadoop102 ~]$ hadoop fs -rmdir /test1/test2

10）-du统计文件夹的大小信息

[hadoop@hadoop102 ~]$ hadoop fs -du -s -h /

323.2 M 969.5 M /

11）-setrep：设置HDFS中文件的副本数量

[hadoop@hadoop102 ~]$ hadoop fs -setrep 10 /a.txt

HDFS Java客户端操作

配置Windows开发环境

配置Windows开发环境请参考文档《Hadoop详解(04-1) - 基于hadoop3.1.3配置Windows10本地开发运行环境》

HDFS的API操作

• HDFS文件上传（测试参数优先级）

1.  @Test
2.     public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
3.         // 1 获取文件系统
4.         Configuration configuration = new Configuration();
5.         configuration.set("dfs.replication", "2");
6.         FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "hadoop");
7.  
8.         // 2 上传文件
9.         fs.copyFromLocalFile(new Path("e:/banzhang.txt"), new Path("/banzhang6.txt"));
10.  
11.         // 3 关闭资源
12.         fs.close();
13.     }

将hdfs-site.xml拷贝到项目的根目录下

<?xml version="1.0" encoding="UTF-8"?>

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>

<property>

<name>dfs.replication</name>

<value>1</value>

</property>

</configuration>

参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）服务器的自定义配置(xxx-site.xml) >（4）服务器的默认配置(xxx-default.xml)

• HDFS文件下载

1.     @Test
2.     public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{
3.  
4.         // 1 获取文件系统
5.         Configuration configuration = new Configuration();
6.         FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "hadoop");
7.  
8.         // 2 执行下载操作
9.         // boolean delSrc 指是否将原文件删除
10.         // Path src 指要下载的文件路径
11.         // Path dst 指将文件下载到的路径
12.         // boolean useRawLocalFileSystem 是否开启文件校验
13.         fs.copyToLocalFile(false, new Path("/banzhang.txt"), new Path("e:/banhua.txt"), true);
14.  
15.         // 3 关闭资源
16.         fs.close();
17.     }

• HDFS删除文件和目录

1.     @Test
2.     public void testDelete() throws IOException, InterruptedException, URISyntaxException{
3.  
4.         // 1 获取文件系统
5.         Configuration configuration = new Configuration();
6.         FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "hadoop");
7.  
8.         // 2 执行删除
9.         fs.delete(new Path("/2021"), true);
10.  
11.         // 3 关闭资源
12.         fs.close();
13.     }

• HDFS文件更名和移动

1.     @Test
2.     public void testRename() throws IOException, InterruptedException, URISyntaxException{
3.  
4.         // 1 获取文件系统
5.         Configuration configuration = new Configuration();
6.         FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "hadoop");
7.  
8.         // 2 修改文件名称
9.         fs.rename(new Path("/banzhang.txt"), new Path("/banhua.txt"));
10.  
11.         // 3 关闭资源
12.         fs.close();
13.     }

• HDFS文件详情查看

查看文件名称、权限、长度、块信息

1.     @Test
2.     public void testListFiles() throws IOException, InterruptedException, URISyntaxException{
3.  
4.         // 1获取文件系统
5.         Configuration configuration = new Configuration();
6.         FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "hadoop");
7.  
8.         // 2 获取文件详情
9.         RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
10.  
11.         while(listFiles.hasNext()){
12.             LocatedFileStatus status = listFiles.next();
13.  
14.             // 输出详情
15.             System.out.println("------------------------");
16.             // 文件名称
17.             System.out.println(status.getPath().getName());
18.             // 长度
19.             System.out.println(status.getLen());
20.             // 权限
21.             System.out.println(status.getPermission());
22.             // 分组
23.             System.out.println(status.getGroup());
24.  
25.             // 获取存储的块信息
26.             BlockLocation[] blockLocations = status.getBlockLocations();
27.  
28.             for (BlockLocation blockLocation : blockLocations) {
29.  
30.                 // 获取块存储的主机节点
31.                 String[] hosts = blockLocation.getHosts();
32.  
33.                 for (String host : hosts) {
34.                     System.out.println(host);
35.                 }
36.             }
37.         }
38.         // 3 关闭资源
39.         fs.close();
40.     }

• HDFS文件和文件夹判断

1.     @Test
2.     public void testListStatus() throws IOException, InterruptedException, URISyntaxException{
3.  
4.         // 1 获取文件配置信息
5.         Configuration configuration = new Configuration();
6.         FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "hadoop");
7.  
8.         // 获取文件列表
9.         FileStatus[] listStatus = fs.listStatus(new Path("/"));
10.  
11.         //2 循环遍历文件列表并判断是文件还是文件夹
12.         for (FileStatus fileStatus : listStatus) {
13.             // 如果是文件
14.             if (fileStatus.isFile()) {
15.                 System.out.println("f:"+fileStatus.getPath().getName());
16.             }else {
17.                 System.out.println("d:"+fileStatus.getPath().getName());
18.             }
19.         }
20.  
21.         // 3 关闭资源
22.         fs.close();
23.     }

HDFS的上传下载流程（面试常问）

上传流程

（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）NameNode返回是否可以上传。

（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。

（5）客户端通过FSDataOutputStream模块请求dn1上传数据，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。

（6）dn1、dn2、dn3逐级应答客户端。

（7）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。

（8）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。（重复执行3-7步）。

源码：org.apache.hadoop.hdfs.DFSOutputStream

上传文件副本节点的选择

• 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。

• 副本存储节点选择（机架感知）

官方文档介绍：http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication

For the common case, when the replication factor is three, HDFS's placement policy is to put one replica on the local machine if the writer is on a datanode, otherwise on a random datanode, another replica on a node in a different (remote) rack, and the last on a different node in the same remote rack. This policy cuts the inter-rack write traffic which generally improves write performance. The chance of rack failure is far less than that of node failure; this policy does not impact data reliability and availability guarantees. However, it does reduce the aggregate network bandwidth used when reading data since a block is placed in only two unique racks rather than three. With this policy, the replicas of a file do not evenly distribute across the racks. One third of replicas are on one node, two thirds of replicas are on one rack, and the other third are evenly distributed across the remaining racks. This policy improves write performance without compromising data reliability or read performance.

对于常见的副本数量位3时的情况，HDFS的放置策略是，如果写入程序位于datanode上，则将一个副本放置在本地计算机上，否则放置在随机datanode上，另一个副本放置在不同（远程）机架中的节点上，最后一个副本放置在同一远程机架中的不同节点上。此策略减少机架间写入通信量，这通常会提高写入性能。机架故障的概率远小于节点故障的概率；此策略不会影响数据可靠性和可用性保证。但是，它确实减少了读取数据时使用的总网络带宽，因为一个块只放在两个而不是三个的机架中。使用此策略，文件的副本不会均匀分布在机架上。三分之一的副本位于一个节点上，三分之二的副本位于一个机架上，另三分之一均匀分布在其余机架上。此策略在不影响数据可靠性或读取性能的情况下提高了写入性能。

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。

第二个副本在另一个机架的随机一个节点

第三个副本在第二个副本所在机架的随机节点

HDFS读数据流程

（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（面试常问）

NN和2NN工作机制

NameNode中的元数据存储在哪里

首先假设存储在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。因此产生了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。

• 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。

（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。

• NN和2NN工作机制详解

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）。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。

Fsimage和Edits解析

NameNode被格式化之后，将在/opt/module/hadoop-3.1.3/data/dfs/name/current目录中产生如下文件

[hadoop@hadoop102 ~]$ cd /opt/module/hadoop-3.1.3/data/dfs/name/current

[hadoop@hadoop102 current]$ ll

total 3204

-rw-rw-r--. 1 hadoop hadoop 42 Nov 24 21:44 edits_0000000000000000001-0000000000000000002

-rw-rw-r--. 1 hadoop hadoop 1048576 Nov 24 22:17 edits_0000000000000000003-0000000000000000065

-rw-rw-r--. 1 hadoop hadoop 42 Nov 24 22:37 edits_0000000000000000066-0000000000000000067

-rw-rw-r--. 1 hadoop hadoop 35639 Nov 24 23:37 edits_0000000000000000068-0000000000000000343

-rw-rw-r--. 1 hadoop hadoop 42 Nov 25 00:37 edits_0000000000000000344-0000000000000000345

-rw-rw-r--. 1 hadoop hadoop 1048576 Nov 25 00:37 edits_0000000000000000346-0000000000000000346

-rw-rw-r--. 1 hadoop hadoop 1989 Nov 28 05:31 edits_0000000000000000347-0000000000000000371

-rw-rw-r--. 1 hadoop hadoop 799 Nov 28 17:22 edits_0000000000000000372-0000000000000000384

-rw-rw-r--. 1 hadoop hadoop 278 Nov 28 18:22 edits_0000000000000000385-0000000000000000390

-rw-rw-r--. 1 hadoop hadoop 42 Nov 28 19:22 edits_0000000000000000391-0000000000000000392

-rw-rw-r--. 1 hadoop hadoop 1124 Nov 28 20:22 edits_0000000000000000393-0000000000000000409

-rw-rw-r--. 1 hadoop hadoop 3261 Nov 28 21:22 edits_0000000000000000410-0000000000000000455

-rw-rw-r--. 1 hadoop hadoop 42 Nov 29 08:54 edits_0000000000000000456-0000000000000000457

-rw-rw-r--. 1 hadoop hadoop 42 Nov 29 09:54 edits_0000000000000000458-0000000000000000459

-rw-rw-r--. 1 hadoop hadoop 42 Nov 29 10:54 edits_0000000000000000460-0000000000000000461

-rw-rw-r--. 1 hadoop hadoop 42 Nov 29 11:54 edits_0000000000000000462-0000000000000000463

-rw-rw-r--. 1 hadoop hadoop 42 Nov 29 12:54 edits_0000000000000000464-0000000000000000465

-rw-rw-r--. 1 hadoop hadoop 42 Nov 29 14:07 edits_0000000000000000466-0000000000000000467

-rw-rw-r--. 1 hadoop hadoop 42 Nov 29 15:07 edits_0000000000000000468-0000000000000000469

-rw-rw-r--. 1 hadoop hadoop 42 Nov 29 16:07 edits_0000000000000000470-0000000000000000471

-rw-rw-r--. 1 hadoop hadoop 42 Nov 29 19:54 edits_0000000000000000472-0000000000000000473

-rw-rw-r--. 1 hadoop hadoop 1048576 Nov 29 19:54 edits_inprogress_0000000000000000474

-rw-rw-r--. 1 hadoop hadoop 2813 Nov 29 16:07 fsimage_0000000000000000471

-rw-rw-r--. 1 hadoop hadoop 62 Nov 29 16:07 fsimage_0000000000000000471.md5

-rw-rw-r--. 1 hadoop hadoop 2813 Nov 29 19:54 fsimage_0000000000000000473

-rw-rw-r--. 1 hadoop hadoop 62 Nov 29 19:54 fsimage_0000000000000000473.md5

-rw-rw-r--. 1 hadoop hadoop 4 Nov 29 19:54 seen_txid

-rw-rw-r--. 1 hadoop hadoop 219 Nov 28 04:41 VERSION

（1）Fsimage文件：HDFS文件系统元数据的一个永久性的检查点，其中包含HDFS文件系统的所有目录和文件inode的序列化信息

（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文件保存的是一个数字，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。

• oiv查看Fsimage文件

查看oiv和oev命令

[hadoop@hadoop102 current]$ hdfs

oev apply the offline edits viewer to an edits file

oiv apply the offline fsimage viewer to an fsimage

基本语法

hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

测试

[hadoop@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000471 -o /opt/module/hadoop-3.1.3/fsimage.xml

2021-11-29 20:13:14,851 INFO offlineImageViewer.FSImageHandler: Loading 3 strings

将显示的xml文件内容拷贝到本地并格式化。部分显示结果如下。

<?xml version="1.0"?>

<fsimage>

<version>

<layoutVersion>-64</layoutVersion>

<onDiskVersion>1</onDiskVersion>

<oivRevision>ba631c436b806728f8ec2f54ab1e289526c90579</oivRevision>

</version>

<NameSection>

<namespaceId>1088051622</namespaceId>

<genstampV1>1000</genstampV1>

<genstampV2>1055</genstampV2>

<genstampV1Limit>0</genstampV1Limit>

<lastAllocatedBlockId>1073741879</lastAllocatedBlockId>

<txid>471</txid>

</NameSection>

<ErasureCodingSection>

<erasureCodingPolicy>

<policyId>1</policyId>

<policyName>RS-6-3-1024k</policyName>

<cellSize>1048576</cellSize>

<policyState>DISABLED</policyState>

<ecSchema>

<codecName>rs</codecName>

<dataUnits>6</dataUnits>

<parityUnits>3</parityUnits>

</ecSchema>

</erasureCodingPolicy>

<erasureCodingPolicy>

<policyId>2</policyId>

<policyName>RS-3-2-1024k</policyName>

<cellSize>1048576</cellSize>

<policyState>DISABLED</policyState>

<ecSchema>

<codecName>rs</codecName>

<dataUnits>3</dataUnits>

<parityUnits>2</parityUnits>

</ecSchema>

</erasureCodingPolicy>

根据上面内容可以看出，Fsimage中没有记录块所对应DataNode，是因为在集群启动后，DataNode会上报数据块信息，并每间隔一段时间后再次上报。

• oev查看Edits文件

基本语法

hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

测试

[hadoop@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000410-0000000000000000455 -o /opt/module/hadoop-3.1.3/edits1.xml

[hadoop@hadoop102 current]$ cat seen_txid

将显示的xml文件内容拷贝到本地并格式化。部分显示结果如下。

<EDITS>

<EDITS_VERSION>-64</EDITS_VERSION>

<RECORD>

<OPCODE>OP_START_LOG_SEGMENT</OPCODE>

<DATA>

<TXID>410</TXID>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_MKDIR</OPCODE>

<DATA>

<TXID>411</TXID>

<LENGTH>0</LENGTH>

<INODEID>16495</INODEID>

<PATH>/2021/11/29</PATH>

<TIMESTAMP>1638102837152</TIMESTAMP>

<PERMISSION_STATUS>

<USERNAME>hadoop</USERNAME>

<GROUPNAME>supergroup</GROUPNAME>

<MODE>493</MODE>

</PERMISSION_STATUS>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_ADD</OPCODE>

<DATA>

<TXID>412</TXID>

<LENGTH>0</LENGTH>

<INODEID>16496</INODEID>

<PATH>/banzhang.txt</PATH>

<REPLICATION>2</REPLICATION>

<MTIME>1638103086863</MTIME>

<ATIME>1638103086863</ATIME>

<BLOCKSIZE>134217728</BLOCKSIZE>

<CLIENT_NAME>DFSClient_NONMAPREDUCE_1092320594_1</CLIENT_NAME>

<CLIENT_MACHINE>192.168.194.1</CLIENT_MACHINE>

<OVERWRITE>true</OVERWRITE>

<PERMISSION_STATUS>

<USERNAME>hadoop</USERNAME>

<GROUPNAME>supergroup</GROUPNAME>

<MODE>420</MODE>

</PERMISSION_STATUS>

<ERASURE_CODING_POLICY_ID>0</ERASURE_CODING_POLICY_ID>

<RPC_CLIENTID>cd9f778c-8bc3-45e2-ba7d-0ff04ace0e45</RPC_CLIENTID>

<RPC_CALLID>1</RPC_CALLID>

</DATA>

</RECORD>

NameNode如何确定下次开机启动的时候合并哪些Edits，

NameNode 每次会合并编号最靠后的 Edits

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</description>

</property >

NameNode故障处理（了解）

NameNode故障后，可以采用如下两种方法恢复数据。

• 将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；

（1）kill -9 NameNode进程

（2）删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/dfs/name）

[hadoop@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/name/*

（3）拷贝SecondaryNameNode中数据到原NameNode存储数据目录

[atguigu@hadoop104 dfs]$ scp -r hadoop@hadoop102:/opt/module/hadoop-3.1.3/data/namesecondary/* ./name/

（4）重新启动NameNode

[hadoop@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode

• 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。

（1）修改hdfs-site.xml中的

<property>

<name>dfs.namenode.checkpoint.period</name>

<value>120</value>

</property>

<property>

<name>dfs.namenode.name.dir</name>

<value>/opt/module/hadoop-3.1.3/data/dfs/name</value>

</property>

（2）kill -9 NameNode进程

（3）删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/name）

[hadoop@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/dfs/name/*

（4）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

[hadoop@hadoop102 dfs]$ scp -r hadoop@hadoop104:/opt/module/hadoop-3.1.3/data/dfs/namesecondary ./

[hadoop@hadoop102 namesecondary]$ rm -rf in_use.lock

[hadoop@hadoop102 dfs]$ pwd

/opt/module/hadoop-3.1.3/data/dfs

[hadoop@hadoop102 dfs]$ ls

data name namesecondary

（5）导入检查点数据（等待一会ctrl+c结束掉）

[hadoop@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode -importCheckpoint

（6）启动NameNode

[hadoop@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode

集群安全模式

• 安全模式描述

1、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。一旦在内存中成功建立文件系统元数据的映像，则创建一个空的编辑日志。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。

2、DataNode启动

系统中的数据块的位置并不是由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会向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。

3、安全模式退出判断

如果满足"最小副本条件"，NameNode会在30秒钟之后就退出安全模式。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。

• 安全模式测试

基本语法

集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。

（1）bin/hdfs dfsadmin -safemode get        （功能描述：查看安全模式状态）

（2）bin/hdfs dfsadmin -safemode enter     （功能描述：进入安全模式状态）

（3）bin/hdfs dfsadmin -safemode leave    （功能描述：离开安全模式状态）

（4）bin/hdfs dfsadmin -safemode wait    （功能描述：等待安全模式状态）

案例测试

1）查看当前模式

[hadoop@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -safemode get

Safe mode is OFF

2）先进入安全模式

[atguigu@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode enter

3）创建并执行下面的脚本

在/opt/module/hadoop-3.1.3路径上，编辑一个脚本safemode.sh

[hadoop@hadoop102 hadoop-3.1.3]$ touch safemode.sh

[hadoop@hadoop102 hadoop-3.1.3]$ vim safemode.sh

#!/bin/bash

hdfs dfsadmin -safemode wait

hdfs dfs -put /opt/module/hadoop-3.1.3/README.txt /

[hadoop@hadoop102 hadoop-3.1.3]$ chmod 777 safemode.sh

[hadoop@hadoop102 hadoop-3.1.3]$ ./safemode.sh

4）再打开一个窗口，执行

[hadoop@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode leave

5）观察

6）再观察上一个窗口

Safe mode is OFF

7）HDFS集群上已经有上传的数据了。

NameNode多目录配置(了解)

NameNode的本地目录可以配置成多个，且每个目录存放内容相同，增加了可靠性

具体配置如下

（1）在hdfs-site.xml文件中添加如下内容

<property>

<name>dfs.namenode.name.dir</name>

<value>file://${hadoop.tmp.dir}/dfs/name1,file://${hadoop.tmp.dir}/dfs/name2</value>

</property>

（2）停止集群，删除三台节点的data和logs中所有数据。

[hadoop@hadoop102 hadoop-3.1.3]$ rm -rf data/ logs/

[hadoop@hadoop103 hadoop-3.1.3]$ rm -rf data/ logs/

[hadoop@hadoop104 hadoop-3.1.3]$ rm -rf data/ logs/

（3）格式化集群并启动。

[hadoop@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode –format

[hadoop@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

（4）查看结果

[hadoop@hadoop102 dfs]$ ll

总用量 12

drwx------. 3 atguigu atguigu 4096 12月 11 08:03 data

drwxrwxr-x. 3 atguigu atguigu 4096 12月 11 08:03 name1

drwxrwxr-x. 3 atguigu atguigu 4096 12月 11 08:03 name2

DataNode（面试常问）

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，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，并周期性（1小时）的向NameNode上报所有的块信息。

（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。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

假设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），如果存储该数据的磁盘坏了，一直显示是绿灯，就会很危险。同理DataNode节点上的数据损坏了，NameNode没有发现，也是很危险的。

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

1、DataNode进程死亡或者网络故障造成DataNode无法与NameNode通信

2、NameNode不会立即把该节点判定为死亡，要经过一段时间，这段时间暂称作超时时长。

3、HDFS默认的超时时长为10分钟+30秒。

4、如果定义超时时间为TimeOut，则超时时长的计算公式为：

TimeOut = 2 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval。

而默认的dfs.namenode.heartbeat.recheck-interval 大小为5分钟，dfs.heartbeat.interval默认为3秒。

需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒，dfs.heartbeat.interval的单位为秒。

<property>

<name>dfs.namenode.heartbeat.recheck-interval</name>

<value>300000</value>

</property>

<property>

<name>dfs.heartbeat.interval</name>

<value>3</value>

</property>

服役新数据节点

• 需求

随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。

• 环境准备

（1）在hadoop104主机上再克隆一台hadoop105主机

（2）修改IP地址和主机名称

（3）删除原来HDFS文件系统留存的文件（/opt/module/hadoop-3.1.3/data和logs）

（4）source一下配置文件

[atguigu@hadoop105 hadoop-3.1.3]$ source /etc/profile

• 服役新节点具体步骤

直接启动DataNode，即可关联到集群

[hadoop@hadoop105 hadoop-3.1.3]$ hdfs --daemon start datanode

[hadoop@hadoop105 hadoop-3.1.3]$ yarn --daemon start nodemanager

在hadoop105上上传文件

[hadoop@hadoop105 hadoop-3.1.3]$ hadoop fs -put /opt/module/hadoop-3.1.3/LICENSE.txt /

如果数据不均衡，可以用命令实现集群的再平衡

[hadoop@hadoop102 sbin]$ ./start-balancer.sh

starting balancer, logging to /opt/module/hadoop-3.1.3/logs/hadoop-atguigu-balancer-hadoop102.out

Time Stamp Iteration# Bytes Already Moved Bytes Left To Move Bytes Being Moved

退役旧数据节点

• 添加白名单和黑名单

白名单和黑名单是hadoop管理集群主机的一种机制。

添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被退出。添加到黑名单的主机节点，不允许访问NameNode，会在数据迁移后退出。

实际情况下，白名单用于确定允许访问NameNode的DataNode节点，内容配置一般与workers文件内容一致。 黑名单用于在集群运行过程中退役DataNode节点。

• 配置白名单和黑名单的具体步骤如下：

1）在NameNode节点的/opt/module/hadoop-3.1.3/etc/hadoop目录下分别创建whitelist 和blacklist文件

[hadoop@hadoop102 hadoop]$ pwd

/opt/module/hadoop-3.1.3/etc/hadoop

[hadoop@hadoop102 hadoop]$ touch whitelist

[hadoop@hadoop102 hadoop]$ touch blacklist

在whitelist中添加如下主机名称,假如集群正常工作的节点为102 103 104 105

hadoop102

hadoop103

hadoop104

hadoop105

黑名单暂时为空。

2）在hdfs-site.xml配置文件中增加dfs.hosts和 dfs.hosts.exclude配置参数

<!--白名单 -->

<property>

<name>dfs.hosts</name>

<value>/opt/module/hadoop-3.1.3/etc/hadoop/whitelist</value>

</property>

<!-- 黑名单 -->

<property>

<name>dfs.hosts.exclude</name>

<value>/opt/module/hadoop-3.1.3/etc/hadoop/blacklist</value>

</property>

3）分发配置文件whitelist，blacklist，hdfs-site.xml (注意：105节点也要发一份)

[hadoop@hadoop102 etc]$ xsync hadoop/

[hadoop@hadoop102 etc]$ rsync -av hadoop/ atguigu@hadoop105:/opt/module/hadoop-3.1.3/etc/hadoop/

4）重新启动集群(注意：105节点没有添加到workers，因此要单独起停)

[hadoop@hadoop102 hadoop-3.1.3]$ stop-dfs.sh

[hadoop@hadoop102 hadoop-3.1.3]$ start-dfs.sh

[hadoop@hadoop105 hadoop-3.1.3]$ hdfs –daemon start datanode

5）在web浏览器上查看目前正常工作的DN节点

• 黑名单退役

1）编辑/opt/module/hadoop-3.1.3/etc/hadoop目录下的blacklist文件

[hadoop@hadoop102 hadoop] vim blacklist

添加如下主机名称（要退役的节点）

hadoop105

2）分发blacklist到所有节点

[hadoop@hadoop102 etc]$ xsync hadoop/

[hadoop@hadoop102 etc]$ rsync -av hadoop/ atguigu@hadoop105:/opt/module/hadoop-3.1.3/etc/hadoop/

3）刷新NameNode、刷新ResourceManager

[hadoop@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes

Refresh nodes successful

[hadoop@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshNodes

17/06/24 14:55:56 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.1.103:8033

4）检查Web浏览器，退役节点的状态为decommission in progress（退役中），说明数据节点正在复制块到其他节点

5）等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役

[hadoop@hadoop105 hadoop-3.1.3]$ hdfs --daemon stop datanode

stopping datanode

[hadoop@hadoop105 hadoop-3.1.3]$ yarn --daemon stop nodemanager

stopping nodemanager

6）如果数据不均衡，可以用命令实现集群的再平衡

[hadoop@hadoop102 hadoop-3.1.3]$ sbin/start-balancer.sh

starting balancer, logging to /opt/module/hadoop-3.1.3/logs/hadoop-atguigu-balancer-hadoop102.out

Time Stamp Iteration# Bytes Already Moved Bytes Left To Move Bytes Being Moved

注意：不允许白名单和黑名单中同时出现同一个主机名称，既然使用了黑名单blacklist成功退役了hadoop105节点，因此要将白名单whitelist里面的hadoop105去掉。

DataNode多目录配置

DataNode可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本

• 具体配置如下

（1）在hdfs-site.xml文件中添加如下内容

<property>

<name>dfs.datanode.data.dir</name>

<value>file://${hadoop.tmp.dir}/dfs/data1,file://${hadoop.tmp.dir}/dfs/data2</value>

</property>

（2）停止集群，删除三台节点的data和logs中所有数据。

[hadoop@hadoop102 hadoop-3.1.3]$ rm -rf data/ logs/

[hadoop@hadoop103 hadoop-3.1.3]$ rm -rf data/ logs/

[hadoop@hadoop104 hadoop-3.1.3]$ rm -rf data/ logs/

（3）格式化集群并启动。

[hadoop@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode –format

[hadoop@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

（4）查看结果

[hadoop@hadoop102 dfs]$ ll

总用量 12

drwx------. 3 atguigu atguigu 4096 4月 4 14:22 data1

drwx------. 3 atguigu atguigu 4096 4月 4 14:22 data2

drwxrwxr-x. 3 atguigu atguigu 4096 12月 11 08:03 name1

drwxrwxr-x. 3 atguigu atguigu 4096 12月 11 08:03 name2