体系架构

  • NameNode

    • HDFS主节点、管理员
    • 接收客户端(命令行、Java程序)的请求:创建目录、上传、下载、删除数据
    • 管理和维护HDFS的日志和元信息
      • 日志文件(edits文件)

        • 二进制文件,记录客户端所有操作,同时体现HDFS的最新状态
        • $HADOOP_HOME/tmp/dfs/name/current
        • 日志查看器(edits viewer):把edits转成文本(XML)格式
        • hdfs oev -i edits_inprogress_0000000000000000107 -o ~/a.xml
      • 元信息(fsimage文件)
        • 记录数据块的位置信息、数据块的冗余信息,不体现HDFS的最新状态
        • $HADOOP_HOME/tmp/dfs/name/current
        • image viewer,把fsimage文件转为文本或者xml
  • DataNode
    • 数据节点
    • 按数据块保存数据库(1.x:64M,2.x:128M)
    • /root/training/hadoop-2.7.3/tmp/dfs/data/current/BP-419062579-192.168.157.111-1535553141546/current/finalized/subdir0/subdir0
    • 数据块冗余度设置原则:一般跟数据节点的个数一样,但是最大不要超过3
    • Hadoop 3.x以后,HDFS纠删码技术,大大的节约存储的空间(节约一半 )
  • SecondaryNameNode
    • 第二名称节点
    • 进行日志信息的合并
    • 由于edits文件记录了最新的状态信息,并且随着操作越来越多,edits就会越大
    • 把edits中的最新信息写到fsimage中
    • edits文件就可以清空
    • 通常和NameNode部署在一台机器上,提高下载速度
    • 什么时候合并?HDFS发出检查点时(checkpoint)
      • HDFS每隔60分钟产生一个检查点(fs.check.period)
      • edits文件达到64M(fs.check.size)

数据传输

  • 数据上传

    • 请求上传数据 Distributed FileSystem.java
    • 创建 DFSClient.java
    • 建立RPC通信
    • 拿到NameNode代理对象NameNodeProxies(HA)
    • 请求创建文件元信息
    • 创建文件元信息
    • 将元信息返回给 Distributed FileSystem
    • 创建输出流 FSDataOutputStream
    • 上传数据到DataNode
    • 根据元信息,水平复制
  • 数据下载
    • 请求
    • 创建
    • 建立RPC通信
    • 请求得到元信息
    • 查找元信息(先查缓存,再查fsimage)
    • 返回元信息
    • 创建输入流
    • 下载数据块
    • 把下载的数据块合成一个文件

高级特性

  • 安全模式

    • 只读,正常运行时off
    • HDFS的自我保护机制,检查数据块副本率
    • 如果冗余度小于设定的副本率(DataNode坏掉),就水平复制
    • 在hdfs-default.xml中设定副本率
  • 快照
    • 全部文件系统或某目录在某时刻的镜像,默认关闭
    • 启用目录的快照功能
    • 创建快照 -createSnapshot 目录 快照名称
    • 用于以下场景
      • 防止用户误操作/备份/测试/灾难恢复
    • 一般不建议使用,因为本来就有冗余,再生成新的冗余,太浪费空间
  • 配额
    • HDFS为每个目录分配的大小空间
    • 名称配额
      • 设置该目录中最多存放的文件(目录)个数
    • 空间配额
      • 设置该目录中最大能够存放的文件大小
  • 回收站
    • 默认禁用
    • 放入/trash
    • 回收站中文件可快速恢复
    • 可设置一个时间,超过后文件自动删除
  • 用户权限管理
    • 功能较弱
    • 建议使用 Hadoop Kerberos

启动过程

  • 网页->Startup Progress
  • Loading fsimage
  • Loading edits
  • Saving checkpoint
  • Safe mode

底层原理

  • RPC(remote procedure call)

    • 远程过程调用(协议)

      • 在客户端调用服务器端的程序
      • 一个框架,调用者和被调用者运行在其中完成通信
      • 调用远程代码,需要实现调用者和被调用者间的连接与通信
      • 基于Client/Server进程间相互通信的一种同步通信形式
      • Client是请求服务的调用者,Server是执行Client的请求而被调用的程序
    • Hadoop用Java实现RPC
      • 客户端
      • 服务器端

MyRPCClient.java

 1 package rpc.client;
2
3 import java.io.IOException;
4 import java.net.InetSocketAddress;
5
6 import org.apache.hadoop.conf.Configuration;
7 import org.apache.hadoop.ipc.RPC;
8
9 import rpc.server.MyInterface;
10
11 public class MyRPCClient {
12
13 public static void main(String[] args) throws IOException {
14 // 使用Hadoop RPC框架调用Server端程序
15 // 得到Server部署对象的代理对象
16 MyInterface proxy = RPC.getProxy(MyInterface.class,
17 MyInterface.versionID,
18 new InetSocketAddress("localhost",7788),
19 new Configuration());
20 // 使用代理对象调用Server程序
21 String result = proxy.sayHello("Tom");
22 System.out.println(result);
23 }
24 }

MyInterface.java

 1 package rpc.server;
2
3 import org.apache.hadoop.ipc.VersionedProtocol;
4
5 public interface MyInterface extends VersionedProtocol{
6 // 定义版本号
7 // 使用版本号进行签名
8 public static long versionID = 1;
9
10 // 定义业务方法
11 public String sayHello(String name);
12 }

MyInterfaceImpl.java

 1 package rpc.server;
2
3 import java.io.IOException;
4
5 import org.apache.hadoop.ipc.ProtocolSignature;
6
7 public class MyInterfaceImpl implements MyInterface{
8
9 @Override
10 public ProtocolSignature getProtocolSignature(
11 String arg0, long arg1, int arg2)
12 throws IOException {
13 // 通过版本号定义签名信息
14 return new ProtocolSignature(MyInterface.versionID,null);
15 }
16
17 @Override
18 public long getProtocolVersion(String arg0, long arg1)
19 throws IOException {
20 // 返回版本号
21 return MyInterface.versionID;
22 }
23
24 @Override
25 public String sayHello(String name) {
26 System.out.println("**********调用Server端**********");
27 return "Hello " + name;
28 }
29 }

MyRPCServer.java

 1 package rpc.server;
2
3 import java.io.IOException;
4
5 import org.apache.hadoop.HadoopIllegalArgumentException;
6 import org.apache.hadoop.conf.Configuration;
7 import org.apache.hadoop.ipc.RPC;
8 import org.apache.hadoop.ipc.RPC.Server;
9
10 public class MyRPCServer {
11 public static void main(String[] args) throws HadoopIllegalArgumentException, IOException {
12 // 利用Hadoop的RPC框架实现RPC Server
13
14 // 使用RPC Builder构建
15 RPC.Builder builder = new RPC.Builder(new Configuration());
16
17 // 定义Server的参数
18 builder.setBindAddress("localhost");
19 builder.setPort(7788);
20
21 // 部署程序
22 builder.setProtocol(MyInterface.class);
23 builder.setInstance(new MyInterfaceImpl());
24
25 // 创建RPC Server
26 Server server = builder.build();
27
28 server.start();
29 }
30 }

    

  • Java动态代理对象

    • 如果一个类的名字有$,表示这是一个代理对象
    • 是一种包装设计模式
    • 可以增强类的功能
    • 应用:数据库连接池
    • newProxyInstance 参数
      • ClassLoader 类加载器
      • Class<?>[ ] 真正对象实现的接口
      • InvocationHandler 实现接口来处理客户端调用

MyBusiness.java

1 package proxy;
2
3 public interface MyBusiness {
4 public void method1();
5 public void method2();
6 }

MyBusinessImpl.java

 1 package proxy;
2
3 public class MyBusinessImpl implements MyBusiness {
4
5 @Override
6 public void method1() {
7 System.out.println("*********method1*********");
8 }
9
10 @Override
11 public void method2() {
12 System.out.println("*********method2*********");
13 }
14 }

TestMain.java

 1 package proxy;
2
3 import java.lang.reflect.InvocationHandler;
4 import java.lang.reflect.Method;
5 import java.lang.reflect.Proxy;
6
7 public class TestMain {
8
9 public static void main(String[] args) {
10 // 创建对象
11 MyBusiness obj = new MyBusinessImpl();
12 // 创建代理对象
13 MyBusiness proxy = (MyBusiness) Proxy.newProxyInstance(TestMain.class.getClassLoader(),
14 obj.getClass().getInterfaces(),
15 new InvocationHandler(){
16 @Override
17 public Object invoke(Object proxy,Method method,Object[] args)throws Throwable {
18 if(method.getName().equals("method1")) {
19 //重写
20 System.out.println("*************代理对象中的method1*************");
21 return null;
22 }else {
23 // 其他方法
24 return method.invoke(obj, args);
25 }
26 }
27 });
28 // 通过代理对象调用真正对象
29 proxy.method1();
30 proxy.method2();
31 }
32 }

命令

  • hdfs dfs
  • -ls /:查看所有目录下的文件
  • -ls /data:查看/data下的所有文件
  • -mkdir /data:在hdfs上创建目录/data
  • -cp:拷贝文件
  • -rm:删除文件
  • -get:复制文件到本地

参考

HDFS文件存储格式

https://blog.csdn.net/chuya1943/article/details/100618738

https://blog.csdn.net/weixin_40235225/article/details/85118333

[DB] HDFS的更多相关文章

  1. Hive-1.2.1_03_DDL操作

    Hive官方文档:Home-UserDocumentation Hive DDL官方文档:LanguageManual DDL 参考文章:Hive 用户指南 注意:各个语句的版本时间,有的是在 hiv ...

  2. Python记录-python执行shell命令

    # coding=UTF-8 import os def distcp(): nncheck = os.system('lsof -i:8020') dncheck = os.system('lsof ...

  3. FAILED: SemanticException Unable to determine if hdfs://tmaster:8020/user/root/words.db/test_t2 is encrypted

    使用hive时,建立数据库,建表,写数据: 读数据:select *  from test_t2; 报错SemanticException 原因:建表时使用了其他路径,或者在另一个路径的数据库(建立数 ...

  4. hive和hbase本质区别——hbase本质是OLTP的nosql DB,而hive是OLAP 底层是hdfs,需从已有数据库同步数据到hdfs;hive可以用hbase中的数据,通过hive表映射到hbase表

    对于hbase当前noSql数据库的一种,最常见的应用场景就是采集的网页数据的存储,由于是key-value型数据库,可以再扩展到各种key-value应用场景,如日志信息的存储,对于内容信息不需要完 ...

  5. mapreduce导出MSSQL的数据到HDFS

    今天想通过一些数据,来测试一下我的<基于信息熵的无字典分词算法>这篇文章的正确性.就写了一下MapReduce程序从MSSQL SERVER2008数据库里取数据分析.程序发布到hadoo ...

  6. Sqoop_mysql,hive,hdfs导入导出操作

    前言: 搭建环境,这里使用cdh版hadoop+hive+sqoop+mysql 下载 hadoop-2.5.0-cdh5.3.6.tar.gz hive-0.13.1-cdh5.3.6.tar.gz ...

  7. HDFS之HBase伪分布安装

    1.HBase简介 HBase是Apache Hadoop中的一个子项目,Hbase依托于Hadoop的HDFS作为最基本存储基础单元,通过使用hadoop的DFS工具就可以看到这些这些数据 存储文件 ...

  8. 【原创】大叔经验分享(44)hdfs副本数量

    当hdfs空间不足时,除了删除临时数据或垃圾数据之外,还可以适当调整部分大目录的副本数量,多管齐下: 1 查看 $ hdfs dfs -ls /user/hive/warehouse/temp.db/ ...

  9. HDFS之HA

    HDFS高可用环境HA的架构 HDFS组件由一个对外提供服务的namenode(存储元数据)和N个datanode组成:Zookeeper有三个作用:1.为了统一配置文件 config 2.多个节点的 ...

随机推荐

  1. 全网最详细的Linux命令系列-ls命令

    Linux开始必须要会的命令当属ls,在日常工作中用到ls命令时的频率是很多的,作为一个初学者,可能我只会或者顶多ls -l两种用法.但是ls其实是一个非常实用的指令,ls命令就是list的缩写,ls ...

  2. Istio安全-证书管理(实操一)

    Istio安全-证书管理 目录 Istio安全-证书管理 插入现有CA证书 插入现有证书和密钥 部署Istio 配置示例services 校验证书 卸载 Istio的DNS证书管理 DNS证书的提供和 ...

  3. 【2020.8.23NOIP模拟赛】失落

    [ 2020.8.23 N O I P 模 拟 赛 ] 失 落 [2020.8.23NOIP模拟赛]失落 [2020.8.23NOIP模拟赛]失落 题目描述 出题人心情很失落,于是他直接告诉你让你求出 ...

  4. maven中心仓库OSSRH使用简介

    目录 简介 为什么使用中心仓库 发布到中心仓库前的准备工作 使用OSSRH 使用Sonatype创建ticket 中央仓库中的组件要求 提供Javadoc 和源代码 使用GPG/PGP给文件签名 Me ...

  5. kubernetes 降本增效标准指南| 资源利用率提升工具大全

    背景 公有云的发展为业务的稳定性.可拓展性.便利性带来了极大帮助.这种用租代替买.并且提供完善的技术支持和保障的服务,理应为业务带来降本增效的效果.但实际上业务上云并不意味着成本一定较少,还需适配云上 ...

  6. Java代码度量分析工具:DesigniteJava简介

    前言 在Java面向对象课程的学习过程中,我们需要使用度量工具来分析自己程序的代码结构.受OO课程组以及前辈们博客提醒,笔者找到了DesigniteJava这款软件,现对此软件进行简单的说明. 一.D ...

  7. DevEco Device Tool 2.1 Beta1 的Hi3861在Windows平台的编译体验

    DevEco Device Tool迎来了2.1 Beta1,其中的亮点之一是:支持Hi3861开发板的源码在Windows平台编译.带着浓厚的兴趣,第一时间做了一次体验. 首先在官网下载" ...

  8. MySQL数据类型全解析

    1 概述 本文主要介绍了MySQL的各种数据类型,版本为8.x, MySQL的数据类型可以分为六类:数值类型,日期时间类型,字符串类型,二进制类型,JSON类型与空间数据类型. 2 数值类型 数值类型 ...

  9. 假如kubernetes不支持docker了该怎么办

    假如kubernetes不支持docker了该怎么办 从官网安装文档可以看到kubernetes支持一下几种: https://kubernetes.io/docs/setup/production- ...

  10. 1. APP移动端性能测试基础知识入门

    本博客要点 生命周期 堆和栈 垃圾回收 adb命令 Activity的生命周期