HDFS概念:
HDFS,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。
HDFS的设计适合一次写入,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:
1)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。
2)适合大数据处理
(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)流式数据访问
(1)一次写入,多次读取,不能修改,只能追加。
(2)它能保证数据的一致性。
4)可构建在廉价机器上,通过多副本机制,提高可靠性。
缺点:
1)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。
2)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)小文件存储的寻道时间会超过读取时间,它违反了HDFS的设计目标。
3)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。
HDFS框架:
1)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,然后进行存储。
(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,比如启动或者关闭HDFS。
(5)Client可以通过一些命令来访问HDFS。
2)NameNode:就是master,它是一个主管、管理者。
(1)管理HDFS的名称空间。
(2)管理数据块(Block)映射信息
(3)配置副本策略
(4)处理客户端读写请求。
3)DataNode:就是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。
4) **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。
(2)定期合并Fsimage和Edits,并推送给NameNode。
(3)在紧急情况下,可辅助恢复NameNode。
HDFS 文件块大小
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64M
HDFS的块比磁盘的块大,其目的是为了最小化寻址开销。如果块设置得足够大,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。因而,传输一个由多个块组成的文件的时间取决于磁盘传输速率。
如果寻址时间约为10ms,而传输速率为100MB/s,为了使寻址时间仅占传输时间的1%,我们要将块大小设置约为100MB。默认的块大小128M
块的大小:10ms*100*100M/s = 100M
HDFS 写数据流程
HDFS 读数据流程
NameNode的工作机制
chkpoint检查时间参数
hdfs-default.xml
SecondaryNameNode每隔一小时执行一次
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。
NameNode 故障处理方法:两种
- 将SecondaryNameNode中的数据拷贝到NameNode存储数据的目录上。
- 使用 -importCheckpoint选项启动NameNode守护进程。从而将SecondaryNameNode中的数据拷贝到NameNode存储数据的目录上。
手动拷贝SecondaryNameNode数据的流程:
1. kill -9 namenode进程
2. 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/*
3. 拷贝SecondaryNameNode中的数据到原NameNode存储目录
scp lichao@hadoop124:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/
4. 重启NameNode
sbin/hadoop-daemon.sh start namenode
采用importCheckpoint命令拷贝SecondaryNameNode数据:
1. 修改hdfs-site.xml中的
2. kill -9 namenode进程
3. 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/*
4. 如果SecondNameNode 不和NameNode在一各节点上,需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录上,并删除in_use.lock文件。
scp -r lichao@hadoop124:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary ./
rm -rf namesecondary/in_use.lock
5. 导入检查点数据
bin/hdfs namenode -importCheckpoint
6. 启动NameNode
sbin/hadoop-daemon.sh start namenode