3. 分布式文件系统HDFS

3.1 分布式文件系统HDFS简介

• HDFS就是解决海量数据的分布式存储问题
  ​

• 为什么会出现分布式文件系统？

  

• 计算机集群基本架构

  • 每个机架由若干个节点构成

  

• 机架的内部之间是通过光纤交换机进行连接，机架与机架通过带宽更高的光纤交换机进行连接

  

• 分布式文件系统的存储结构

  • 主节点存储相关的元数据服务：目录存储服务，从节点需要完成相关的数据存储任务

    

• HDFS是非常流行的一个分布式存储系统

  

• HDFS实现的目标

  • 兼容廉价的硬件设备
  • 实现流数据读写
  • 支持大数据集
  • 支持简单的文件模型
  • 强大的跨平台兼容性：基于JAVA语言开发，JAVA语言有着良好的跨平台特性

• HDFS局限性

  • 不适合低延迟数据访问：不能满足实时的处理需求
  • 无法高效存储大量小文件：因为HDFS是通过元数据指引到客户端的哪个节点找文件，这些namenode会被保存到内存中去，到内存中检索索引数据结构，如果小文件太多，这个索引结构会过于庞大，在索引结构中搜索的效率会越来越低
  • 不支持多用户写入以及任意修改文件

3.2 HDFS相关概念

• 块的概念

  • 块的大小比普通文件系统大很多，普通文件系统可能几字节，它可以达到64M或者128M

  

  • HDFS采用这种抽象的块的概念设计好处？为什么要这样设计块？
    • 为了支持面向大规模的数据存储：对大文件进行切割，可以分别存储在不同的数据节点，可以突破单机存储的上线
    • 简化系统设计：通过块设计方便元数据管理，块大小固定，可以很容易知道一个文件需要几个块进行存储
    • 适合数据备份：一个块可以冗余的存储到多个不同的节点上
    • 同时降低分布式节点的寻址开销：访问HDFS数据需要经过三级寻址：元数据目录–>数据节点–>取数据
  • 块是否是设置的越大越好？
    • 不是，如果块过大会导致MapReduce就一两个任务时，在执行完全牺牲了MapReduce的并行度，发挥不了分布式并行处理的效果

• HDFS的两大组件

  • 名称节点（NameNode）:整个HDFS集群的管家，假如客户端访问一个特别大的文件，通过NameNode可以知道这个大文件的每一个块被放置在哪个机器节点之上

  • 数据节点（DateNode）:负责存储实际数据，将数据保存到本地的Linux文件系统中去

    

• 元数据的作用？

  

• 名称节点包含的两大结构：FsImage和EditLog

  

  • FsImage包含内容

    注意FsImage不保存块具体在数据节点的位置，这个在单独的内存区域维护的

    数据节点中加入新数据–>向名称节点汇报数据节点中包含哪些块–>名称节点构建清单：包含各个块的位置分布

    

• HDFS要如何利用NameNode的数据结构

  • shell命令启动NameNode–>将FsImage从后台加载到内存中去，和EditLog中的内容进行合并（对数据结构的修改记录存储在EditLog中）–>得到最新元数据–>将新版FsImage保留，创建空的EditLog
  • EditLog永远保存的是更新操作（增量操作），然后再将EditLog合并到FsImage中去

• 但是若是不断的修改操作，会使得EditLog不断增加，影响整体使用的性能？怎么办？

• 引入第二名称节点（SecondNameNode）:

  • 作为名称节点的冷备份
  • 对EditLog的处理

  

  • 在第一名称节点的EditLog较大时，第二名称节点会告诉第一名称节点停止使用EditLog文件，并将EditLog写入自己机器

  

  • 1.此时NameNode会马上停止，此时生成edits.new,将新到达的更新写到edits.new中，将原来旧的editlog内容由secondNameNode取走

    

  • 2.SecondNameNode会通过http的get方式，将NameNode的FsImage和EditLog都下载到本地，然后在SecondNameNode做合并操作，得到新的FsImage,然后发送给NameNode

    

  • 3.NameNode再将Edits.new更改为EditLog:即实现了不断增加的Editlog和FsImage合并，又实现了冷备份效果

    

• 数据节点：存储数据，数据节点拿到存储数据的文件目录，又将数据保留到各自的linux文件系统中去

  

3.3 HDFS的体系结构

• 主节点：管家作用；从节点：数据存储作用

  

• HDFS的命名空间

  • HDFS的目录访问和普通目录相同，都是通过/进行访问

    

  • 所有的HDFS基于TCP/IP的通信协议，不同组件之间的通信协议有差异：例如客户端向名称节点发起TCP连接，使用客户端协议和名称节点进行交互；客户端和数据节点进行交互是通过远程调用：RPC来进行实现的

    

• HDFS体系结构的局限性：

  

  注意secondNamenode并不能保证集群的可用性：

  因为secondNameNode是冷备份，就是在故障发生时，必须停止一段时间，慢慢恢复，这个恢复的过程会导致整个集群的不可用

• 如何解决？HDFS2.0

  ​

3.4 HDFS的存储原理

• 冗余数据保存问题

  • HDFS建立在廉价机器上，其缺点是会不停出故障，因此以块为单位，会将数据进行冗余保存，一般情况下一份数据会被保存为3份

    

  • 有何好处？

    • 加快数据传输速度：因为假设3个客户端ABC，需要访问同一个数据块，在冗余数据存储可以使三个客户端并行进行访问

      

    • 很容易检查数据错误：可以通过三个副本之间对照来检查数据是否有误

    • 保证数据可靠性：即使有机器down了，仍然能保有其他机器是可用的

• 数据保存策略问题

  

  • 假设此时有一个块存入

    • 首先创建三个副本，假设块是由数据节点1发起的，这个副本称为第一副本，其则直接将其放在数据节点1上，不需要通过网络复制到其他节点上

    • 若是集群外部的某个节点发起了写数据请求，HDFS会随机挑选一个磁盘不太满，cpu不太忙的节点作为第一副本。

    • 第二副本会放置在和第一个副本不同的机架上

    • 第三副本放置在第一个副本相同机架的其他节点上

    • 若还有其他副本，则通过随机算法，放置在任意节点上

      

  • 数据读取问题：

    

• 数据恢复的问题

  • 名称节点出错？

    • HDFS1.0:会将整个HDFS暂停一段时间，即从secondNameNode中进行冷备份恢复一段时间，再进行对外服务

    • HDFS2.0：不需要暂停，直接热备份

      

  • 数据节点出错？

    • 数据节点会隔一段时间向名称节点发送心跳信息，说明其还活着，若是名称节点收不到该数据节点的心跳信息，说明该数据节点发生故障

    • 名称节点会在该数据节点列表上将其标记为宕机，即不可用，把存储在这个节点上的数据重新分发到其他的机器上去

    • 当负载不均衡的时候，某个节点的负载过重，也会将这个节点的数据迁移到其他节点

      

  • 数据本身出错？

    • 客户端读取数据会对它进行校验码校验，如果发现校验码不正确，说明数据出错

    • 这个校验码是在客户端写入数据时，为数据块生成校验码，保存在同一个文件目录中去，下次读数据块时，会对读到的数据进行校验码计算，

      将计算的校验码和原来得到的校验码进行对比，不一致说明发生错误

      

3.5 HDFS数据读写

3.5.1 HDFS的读数据过程

• HDFS的FileSystem的基类，会有很有子类继承它而实现不同的功能

• FileSystem基本方法：open read close 。open创建输入流封装了DFSInputStream, 是专门针对 HDFS的实现；create方法创建了FSoutputstream,同样封装了DFSoutputstream

  

• FileSystem.get(conf):获得工程目录下的两个配置文件 hdfs-site.xml 和core-site.xml

  

• HDFS读数据的整个流程

  • 1.打开文件：用FileSystem声明文件对象，生成DistributedFileSystem的实例对象；创建输入流：FSDataInputStream,获取数据块信息，与名称节点通过远程过程调用进行沟通

    

  • 2.获取数据块信息：获取读取的数据块被保存在的数据节点位置信息，名称节点会把包含这个文件开始部分（文件可能包含很多块）的数据块位置信息返回

    

  • 3.客户端获得输入流，可以调用read函数读取数据，会根据数据节点距离客户端的远近进行排序，客户端拿到排序后的数据节点位置列表，选择距离客户端最近的数据节点建立连接，读数据

    

  • 4. 将数据从数据节点读取到客户端

    

  • 5.因为文件可能分为多个块，需要读取这个文件其他块的信息，通过ClientProtocal.getBlockLocations()查找下一数据块的位置

    

  • 6.然后又读取该块节点的数据，又关闭输入流；一直循环直到完成这个文件所有块的读取

    

  • 7.最后关闭文件

    

3.5.2 HDFS的写数据过程

• 1.创建文件请求，实例化Distributed FileSystem；创建FSDataOutputStream,其内部封装DFSOutputStream,与名称节点打交道

  

• 2. 输出流通过远程过程调用rpc,让名称节点在文件系统命名空间中新建一个文件，名称节点会检查文件是否存在，以及客户端是否有权限创建这个文件，若是通过，则该名称节点会创建这个文件

     

• 3.写入数据

  将整个数据分包：并将其放入DFSOutputStream的内部队列中去，DFSOutputStream向名称节点申请保存这个数据包的数据节点

• 4. 写入数据包

     流水线复制：将数据包复制到第一个节点，再由第一个节点复制到第二个节点，形成流水线复制

     

• 5.接受确认包

  • 确认包由最后一个数据节点传到前一个数据节点，一直往前传，客户端收到确认信息，说明全都写完

  

• 6.最后关闭文件

  

3.6 HDFS编程实战

见：HDFS编程实践（Hadoop3.3.5）_厦大数据库实验室博客 (xmu.edu.cn)