你想了解的分布式文件系统HDFS，看这一篇就够了

1、分布式文件系统

计算机集群结构

分布式文件系统把文件分布存储到多个节点（计算机）上，成千上万的计算机节点构成计算机集群。

分布式文件系统使用的计算机集群，其配置都是由普通硬件构成的，与用多个处理器和专用高级硬件的并行化处理装置相比，前者大大降低了硬件上的开销。

分布式文件系统的结构

分布式文件系统在物理结构上是由众多阶段及节点构成的，而这些节点中分为两类。一类是主节点（Master Node），又被称为名称节点（NameNode），另一类是从节点（Slave Node），又被称为数据节点（DataNode）。

2、HDFS简介

官方用户指南：http://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/HdfsUserGuide.html

Hadoop是由HDFS和MapReduce两大组件组成的，HDFS全称为Hadoop Distributed File System（Hadoop 分布式文件系统）。

它和现有的分布式文件系统有很多共同点。但同时，它和其他的分布式文件系统的区别也是很明显的。HDFS是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。

HDFS要实现的目标：

• 兼容廉价的硬件设备
• 流数据读写
• 大数据集
• 简单的文件类型
• 强大的跨平台兼容性

HDFS局限性：

• 不适合低延迟数据访问
• 无法高效存储大量小文件（与自身实现有关）
• 不支持多用户写入及任意修改文件

3、HDFS相关概念

块

“块”在HDFS中作为最小存储单位，默认一个块为64MB。在HDFS中，一个文件将会被分割成多个块，保存到各个数据节点。块的大小远远高于普通文件系统，可以最小化寻址开销。

HDFS中抽象的块模型可以带来如下好处：

• 支持大规模文件存储

单个文件被分成若干个块，分别存储到若干个数据节点中，其文件大小不会受到单个节点容量的限制。

• 简化系统设计

文件块大小是固定的，可以很容易计算出一个节点中可以存储多少个文件块。方便了元数据的管理，元数据不需要和文件块一起保存，可以由其它系统负责管理元数据。

• 适合数据备份

每个文件块都可以冗余的存储到多个数据节点上，当一个节点数据出错时，就可以根据其他副本节点恢复数据。大大提高了系统的容错性与高可用性。

名称节点（NameNode）和数据节点(DataNode)

NameNode与SecondaryNameNode同为“名称节点”。SecondaryNameNode作为二级名称节点，它与NameNode的关系是：SecondaryNameNode是NameNode的冷备份。

属性	功能	位置	内容
NameNode	存储元数据	元数据保存在内存中	保存文件、block、DataNode之间的映射关系
DataNode	存储文件内容	文件内容保存到磁盘	维护了block id到DataNode本地文件的映射关系

名称节点的数据结构

在HDFS中，名称节点（NameNode）负责管理分布式文件系统的命名空间 （Namespace），保存了两个核心的数据结构，即FsImage和EditLog 。名称节点记录了每个文件中各个块所在的数据节点的位置信息。

• FsImage

用于维护文件系统树以及文件树中所有的文件和文件夹的元数据 。

• EditLog

操作日志文件，其中记录了所有针对文件的创建、删除、重命名等操作 。

FsImage

FsImage文件包含文件系统中所有目录和文件inode的序列化形式。每个inode是一 个文件或目录的元数据的内部表示，并包含此类信息：文件的复制等级、修改和访问 时间、访问权限、块大小以及组成文件的块。对于目录，则存储修改时间、权限和配 额元数据 。

FsImage文件没有记录块存储在哪个数据节点。而是由名称节点把这些映射保留在 内存中，当数据节点加入HDFS集群时，数据节点会把自己所包含的块列表告知给名 称节点，此后会定期执行这种告知操作，以确保名称节点的块映射是最新的。

名称节点的启动

在名称节点启动的时候，它会将FsImage文件中的内容加载到内存中，之后再执行 EditLog文件中的各项操作，使得内存中的元数据和实际的同步，存在内存中的元数 据支持客户端的读操作。

一旦在内存中成功建立文件系统元数据的映射，则创建一个新的FsImage文件和一个空的EditLog文件。

名称节点起来之后，HDFS中的更新操作会重新写到EditLog文件中，因为FsImage 文件一般都很大（GB级别的很常见），如果所有的更新操作都往FsImage文件中添 加，这样会导致系统运行的十分缓慢，但是，如果往EditLog文件里面写就不会这样 ，因为EditLog 要小很多。每次执行写操作之后，且在向客户端发送成功代码之前， edits文件都需要同步更新。

名称节点运行期间EditLog不断变大的问题

在名称节点运行期间，HDFS的所有更新操作都是直接写到EditLog中，久而久之， EditLog文 件将会变得很大 。

虽然这对名称节点运行时候是没有什么明显影响的，但是，当名称节点重启的时候，名称节点 需要先将FsImage里面的所有内容映像到内存中，然后再一条一条地执行EditLog中的记录，当EditLog文件非常大的时候，会导致名称节点启动操作非常慢，而在这段时间内HDFS系统处于安全模式，一直无法对外提供写操作，影响了用户的使用。

名称节点运行期间EditLog不断变大的问题，如何解决？答案是：SecondaryNameNode第二名称节点。

第二名称节点是HDFS架构中的一个组成部分，它是用来保存名称节点中对HDFS元数据信息的备份，并减少名称节点重启的时间。SecondaryNameNode一般是单独运行在一台机器上。

SecondaryNameNode的工作情况：

（1）SecondaryNameNode会定期和NameNode 通信，请求其停止使用EditLog文件，暂时将新的写操作写到一个新的文件edit.new上来，这个操作是瞬间完成，上层写日志的函数完全感觉不到差别。

（2）SecondaryNameNode通过HTTP GET方式从NameNode上获取到FsImage和EditLog文件，并下载到本地的相应目录下。

（3）SecondaryNameNode将下载下来的FsImage载入到内存，然后一条一条地执行EditLog文件中的各项更新操作，使得内存中的 FsImage保持最新；这个过程就是EditLog和 FsImage文件合并。

（4）SecondaryNameNode执行完（3）操作之后，会通过post方式将新的FsImage文件发送到NameNode节点上 。

（5）NameNode将从SecondaryNameNode接收到的新的FsImage替换旧的FsImage文件， 同时将edit.new替换EditLog文件，通过这个过程EditLog就变小了。

数据节点（DataNode）

数据节点是分布式文件系统HDFS的工作节点，负责数据的存储和读取，会根据客 户端或者是名称节点的调度来进行数据的存储和检索，并且向名称节点定期发送自己 所存储的块的列表 。

每个数据节点中的数据会被保存在各自节点的本地Linux文件系统中。

4、HDFS体系结构

概述

HDFS采用了主从（Master/Slave）结构模型，一个HDFS集群包括一个名称节点（ NameNode）和若干个数据节点（DataNode）。名称节点作为中心服务器， 负责管理文件系统的命名空间及客户端对文件的访问。集群中的数据节点一般是一个节点运行 一个数据节点进程，负责处理文件系统客户端的读/写请求，在名称节点的统一调度下进行数据 块的创建、删除和复制等操作。每个数据节点的数据实际上是保存在本地Linux文件系统中的。

HDFS命名空间管理

HDFS的命名空间包含目录、文件和块。

在HDFS1.0体系结构中，在整个HDFS集群中只有一个命名空间，并且只有唯一一个名称节点，该节点负责对这个命名空间进行管理 。

HDFS使用的是传统的分级文件体系，因此，用户可以像使用普通文件系统一样，创建、删除目录和文件，在目录间转移文件，重命名文件等。

通信协议

HDFS是一个部署在集群上的分布式文件系统，因此，很多数据需要通过网络进行传输。

所有的HDFS通信协议都是构建在TCP/IP协议基础之上的。

客户端通过一个可配置的端口向名称节点主动发起TCP连接，并使用客户端协议与 名称节点进行交互。

名称节点和数据节点之间则使用数据节点协议进行交互。

客户端与数据节点的交互是通过RPC（Remote Procedure Call）来实现的。在设 计上，名称节点不会主动发起RPC，而是响应来自客户端和数据节点的RPC请求。

客户端

客户端是用户操作HDFS最常用的方式，HDFS在部署时都提供了客户端。

HDFS客户端是一个库，暴露了HDFS文件系统接口，这些接口隐藏了HDFS实现中的大部分复杂性。

严格来说，客户端并不算是HDFS的一部分。

客户端可以支持打开、读取、写入等常见的操作，并且提供了类似Shell的命令行方式来访问HDFS中的数据

此外，HDFS也提供了Java API，作为应用程序访问文件系统的客户端编程接口。

HDFS体系结构的局限性

HDFS只设置唯一一个名称节点，这样做虽然大大简化了系统设计，但也带来了一些 明显的局限性，具体如下：

（1）命名空间的限制：名称节点是保存在内存中的，因此，名称节点能够容纳的 对象（文件、块）的个数会受到内存空间大小的限制。

（2）性能的瓶颈：整个分布式文件系统的吞吐量，受限于单个名称节点的吞吐量。

（3）隔离问题：由于集群中只有一个名称节点，只有一个命名空间，因此，无法 对不同应用程序进行隔离。

（4）集群的可用性：一旦这个唯一的名称节点发生故障，会导致整个集群变得不 可用。

5、HDFS存储原理

冗余数据保存

作为一个分布式文件系统，为了保证系统的容错性和可用性，HDFS采用了多副 本方式对数据进行冗余存储，通常一个数据块的多个副本会被分布到不同的数据节点 上，如图所示，数据块1被分别存放到数据节点A和C上，数据块2被存放在数据节 点A和B上。

这种多副本方式具有以下几个优点：

（1）加快数据传输速度。

（2）容易检查数据错误。

（3）保证数据可靠性。

数据存取策略

数据存放

Block的副本放置策略：

第一个副本：放置在上传文件的数据节点；如果是集群外提交，则随机挑选一台磁盘 不太满、CPU不太忙的节点。

第二个副本：放置在与第一个副本不同的机架的节点上。

第三个副本：与第一个副本相同机架的其他节点上。

更多副本：随机节点。

数据读取

HDFS提供了一个API可以确定一个数据节点所属的机架ID，客户端也可以调用API 获取自己所属的机架ID。

当客户端读取数据时，从名称节点获得数据块不同副本的存放位置列表，列表中包 含了副本所在的数据节点，可以调用API来确定客户端和这些数据节点所属的机架ID， 当发现某个数据块副本对应的机架ID和客户端对应的机架ID相同时，就优先选择该副本读取数据，如果没有发现，就随机选择一个副本读取数据。

数据错误与恢复

HDFS具有较高的容错性，可以兼容廉价的硬件，它把硬件出错看作一种常态， 而不是异常，并设计了相应的机制检测数据错误和进行自动恢复，主要包括以下几种 情形：名称节点出错、数据节点出错和数据出错。

名称节点出错

名称节点保存了所有的元数据信息，其中，最核心的两大数据结构是FsImage和Editlog，如果这两个文件发生损坏，那么整个HDFS实例将失效。因此，HDFS设置了备份机制，把这些核心文件同步复制到备份服务器SecondaryNameNode上。当名称节点出错时，就可以根据备份服务器SecondaryNameNode中的FsImage和Editlog数据进行恢复。

数据节点出错

每个数据节点会定期向名称节点发送“心跳”信息，向名称节点报告自己的状态。

当数据节点发生故障，或者网络发生断网时，名称节点就无法收到来自一些数据节点的心跳信息，这时，这些数据节点就会被标记为“宕机”，节点上面的所有数据都会被标记为“不可读”，名称节点不会再给它们发送任何I/O请求。

这时，有可能出现一种情形，即由于一些数据节点的不可用，会导致一些数据块的副本数量小于冗余因子。

名称节点会定期检查这种情况，一旦发现某个数据块的副本数量小于冗余因子，就会启动数据冗余复制，为它生成新的副本。

HDFS和其它分布式文件系统的最大区别就是可以调整冗余数据的位置。

数据出错

网络传输和磁盘错误等因素，都会造成数据错误。

客户端在读取到数据后，会采用md5和sha1对数据块进行校验，以确定读取到正确的数据。

在文件被创建时，客户端就会对每一个文件块进行信息摘录，并把这些信息写入到同一个路径的隐藏文件里面。

当客户端读取文件的时候，会先读取该信息文件，然后，利用该信息文件对每个读 取的数据块进行校验，如果校验出错，客户端就会请求到另外一个数据节点读取该文件块，并且向名称节点报告这个文件块有错误，名称节点会定期检查并且重新复制这个块。

6、HDFS读写过程

FileSystem是一个通用文件系统的抽象基类，可以被分布式文件系统继承，所有可能使用 Hadoop文件系统的代码，都要使用这个类。

Hadoop为FileSystem这个抽象类提供了多种具体实现。

DistributedFileSystem就是FileSystem在HDFS文件系统中的具体实现。

FileSystem的open()方法返回的是一个输入流FSDataInputStream对象，在HDFS文件系统中 ，具体的输入流就是DFSInputStream；FileSystem中的create()方法返回的是一个输出流 FSDataOutputStream对象，在HDFS文件系统中，具体的输出流就是DFSOutputStream。

Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(conf);
FSDataInputStream in = fs.open(new Path(uri));
FSDataOutputStream out = fs.create(new Path(uri));

备注：创建一个Configuration对象时，其构造方法会默认加载工程项目下两个配置文件，分别是 hdfs-site.xml以及core-site.xml，这两个文件中会有访问HDFS所需的参数值，主要是 fs.defaultFS，指定了HDFS的地址（比如hdfs://localhost:9000），有了这个地址客户端就可以 通过这个地址访问HDFS了。

读取文件

import java.io.BufferedReader;
import java.io.InputStreamReader ;
import org.apache.hadoop.conf.Configuration ;
import org.apache.hadoop.fs.FileSystem ;
import org.apache.hadoop.fs.Path ;
import org.apache.hadoop.fs.FSDataInputStream ;
public class Chapter3 {
	public static void main(String[] args) {
		try {
			Configuration conf = new Configuration();
			FileSystem fs = FileSystem.get(conf);
			Path filename = new Path(“hdfs://localhost:9000/user/hadoop/test.txt");
			FSDataInputStream is = fs.open(filename);
			BufferedReader d = new BufferedReader(new InputStreamReader(is));
			String content = d.readLine(); //读取文件一行
			System.out.println(content);
			d.close(); //关闭文件
			fs.close(); //关闭hdfs
		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}

写入文件

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.Path;
public class Chapter3 {
	public static void main(String[] args) {
		try {
			Configuration conf = new Configuration();
			FileSystem fs = FileSystem.get(conf);
			byte[] buff = "Hello world".getBytes(); // 要写入的内容
			String filename = " hdfs://localhost:9000/user/hadoop/test.txt "; //要写入的文件名
			FSDataOutputStream os = fs.create(new Path(filename));
			os.write(buff,0,buff.length);
			System.out.println("Create:"+ filename);
		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}

7、HDFS编程实践

首先启动hadoop

$ cd /usr/local/hadoop
$ ./bin/hdfs namenode -format  # 格式化hdfs文件系统，初始化时使用，之前执行后就不需再执行
$ ./bin/start-dfs.sh

常用命令

HDFS有很多shell命令，其中，fs命令可以说是HDFS最常用的命令。利用该命令可以 查看HDFS文件系统的目录结构、上传和下载数据、创建文件等。

该命令的用法为： hadoop fs [genericOptions] [commandOptions]

备注：Hadoop中有三种Shell命令方式：

1. hadoop fs适用于任何不同的文件系统，比如本地文件系统和HDFS文件系统。

2. hadoop dfs只能适用于HDFS文件系统。

3. hdfs dfs跟hadoop dfs的命令作用一样，也只能适用于HDFS文件系统。

实例

hadoop fs -ls :显示指定的文件的详细信息

hadoop fs -mkdir :创建指定的文件夹

例中“./”表示“/usr/local/hadoop/bin”路径。

hadoop fs -cat :将指定的文件的内容输出到标准输出（stdout）

hadoop fs -copyFromLocal :将本地源文件复制到路径指定的文件或文件夹中

WEB管理界面

http://ip:50070,默认端口50070

利用Java API与HDFS进行交互

maven项目中引入

	<dependencies>
		<!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-common -->
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-common</artifactId>
			<version>2.6.0</version>
		</dependency>
		<!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-hdfs -->
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-hdfs</artifactId>
			<version>2.6.0</version>
		</dependency>
		<!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-client -->
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-client</artifactId>
			<version>2.6.0</version>
		</dependency>
	</dependencies>

写一个FileSystem获取工具类：

package com.yl.hdfs;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;

/**
 * 单例模式生成FileSystem
 *
 * @author guilin
 *
 */
public class FileSystemFactory {

	private static class FileSystemFactoryHolder{

        public static FileSystem instance;

        static {
        	Configuration conf = new Configuration();
                conf.set("fs.defaultFS","hdfs://172.20.10.6:9000");
                conf.set("fs.hdfs.impl", "org.apache.hadoop.hdfs.DistributedFileSystem");
                try {
			instance = FileSystem.get(conf);
	        } catch (IOException e) {
		        e.printStackTrace();
	        }
            }
	}

	public static FileSystem getInsatnce() {
		return FileSystemFactoryHolder.instance;
	}

}

实例：利用hadoop 的java api检测伪分布式文件系统HDFS上是否存在某个文件？

其中172.20.10.6是我hadoop机器上的ip地址。

package com.yl.hdfs;

import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class HdfsExists {
	public static void main(String[] args) {
		try {
			String filename = "/user/hadoop/input";
			FileSystem fs = FileSystemFactory.getInsatnce();
			if(fs.exists(new Path(filename))){
				System.out.println("文件存在");
			}else{
				System.out.println("文件不存在");
			}
			fs.close();
		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}

验证一下是否存在：

实例：写HDFS上的文件？

package com.yl.hdfs;

import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class HdfsWrite {
	public static void main(String[] args) {
		try {
			FileSystem fs = FileSystemFactory.getInsatnce();
			byte[] buff = "Hello world!".getBytes(); // 要写入的内容
			String filename = "/user/22113/test"; //要写入的文件名
			FSDataOutputStream os = fs.create(new Path(filename));
			os.write(buff,0,buff.length);
			System.out.println("Create:"+ filename);
			os.close();
			fs.close();
		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}

实例：读HDFS上的文件？

package com.yl.hdfs;

import java.io.BufferedReader;
import java.io.InputStreamReader;

import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class HdfsRead {
	public static void main(String[] args) {
		try {
			FileSystem fs = FileSystemFactory.getInsatnce();
                        String filename = "/user/22113/test.txt"; //要读的文件名
                        FSDataInputStream in = fs.open(new Path(filename));
                        BufferedReader bis = new BufferedReader(new InputStreamReader(in));
                        System.out.println(bis.readLine());
                        bis.close();
                        fs.close();
		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}

常见错误：

• java.net.ConnectException

Connection refused: no further information

此例环境：windows中安装虚拟机运行Hadoop。由于hadoop中core-site.xml中设置的fs.defaultFS是hdfs://localhost:9000，所以报错，应该将lcoalhost替换成自己虚拟机分配的ip地址，之后重启hadoop。

• 记得开启对应的虚拟机端口，端口未开启会报错。《CentOS7 中开放端口》

• org.apache.hadoop.security.AccessControlException

Permission denied: user=22113, access=WRITE, inode="/user/hadoop":hadoop:supergroup:drwxr-xr-x

没有写入权限，应该设置该文件夹权限。

文件权限由读、可执行变成读、写、可执行。现在/user/22113文件夹皆可以写入内容了。

• org.apache.hadoop.ipc.RemoteException(java.io.IOException)

File /user/22113/test.txt could only be replicated to 0 nodes instead of minReplication (=1).  There are 1 datanode(s) running and 1 node(s) are excluded in this operation.

这个错误从网上找了很久，都没解决。有人说是DataNode没启动，但是我用jps命令查看，发现DataNode是在运行。还有人说是format多次NameNode与DataNode导致的，可是这都不是原因。后来突然想起关闭虚拟机防火墙，发现就可以了，功能正常运作，具体原因待分析。

结尾

本文是根据中国大学MOOC网站上，课程《大数据技术原理与应用》的课件ppt撰写的一篇博文。由于自己也是正在跟着这门课进行学习，所以很多专业性知识点都是截取课件ppt上的内容。顺便推荐一下这门课程，老师讲解的知识点非常细致，还有对操作步骤详细记录的博客资源。

感谢厦门大学数据库实验室，感谢林子雨老师提供的这么优秀的资源。