我觉得什么是hadoop这个东西,百度给的回答已经是很详尽了,有趣的一点是hadoop的名字来源是作者Doug Cutting儿子的玩具大象的名字
hadoop的组成:
Hadoop = hdfs(存储) + mapreduce(计算) + yarn(资源管理) + common(工具包)
HDFS全称:分布式存储系统(Hadoop Distributed File System)
作用:分布式存储系统
提供了高可靠,高扩展性,高吞吐率的数据存储服务
分布式计算框架:MapReduce
作用:分布式计算框架(计算向数据移动)
具有易于编程,高容错性和高扩展性等优点
分布式资源管理框架YARN(Yet Another Resource Management)
作用:负责集群资源的管理和调度
这里我们具体先来讲讲Hadoop之HDFS
1.什么是HDFS
HDFS是Hadoop分布式文件存储系统 --主要解决大数据的存储问题 用途广泛
2,.HDFS架构图
HDFS数据的存储单元(block)
--文件被切分为固定大小的数据块block
默认数据块大小为128mb(hadoop2.x),可自定义配置
若文件大小不足128MB,还是按一个块来存储
-- 一个文件的存储方式
按文件大小被切分成若干个块,存储到不同的节点上
默认情况下每个block都会有三个副本,以便尽量保持文件的安全性和服务的效率性
--block大小和副本数通过Client端上传文件时设置,文件上传成功后,副本数可以变更,Block Size不可变更
HDFS存储摸型:字节
--文件线性切割成块(block):偏移量 offset(byte)
--block分散存储在集群节点中
--单一文件block大小一致,文件与文件可以不一致
--block可以设置副本数,副本分散在不同节点中能够
副本数不要超过节点数量(放不下)
--文件上传可以设置block大小和副本数
--已上传的block副本数可以调整,大小不可调整
--只支持一次写入多次读取,同一时刻只有一个写入者
--可以append追加数据
2.NameNde(NN)
2.1:作用
接收客户端的读/写服务
收集DataNode汇报的block列表
2.2:NN基于内存存储:不会和磁盘发生交换
只存在内存中
持久化
2.3NameNode保存metadata(元数据)信息:
文件ownership(归属)和permissions(权限)
文件大小,时间
(block列表:block偏移量),位置信息
block保存在哪个DataNode信息(由DataNode启动时上报,不保存在磁盘)
2.4:NN持久化
NN的metadata信息在启动后会加载到内存
metadata存储到磁盘文件名为fsimage
block的位置信息不会保存到fsimage
edits记录对metadata的操作日志
-fsimmage保存了最新的元数据检查点,类似快照功能,基本一个小时会保存一次
-edits保存自最新检查点后的元信息变化,自最新检查点后,Hadoop将对每个文件的操作都保存得到edits中,客户端(Clients)修改文件时,先将操作写到edits,成功后才更新内存中能够的metadata信息
Metadata = fsimage + edits
2.4DataNode(DN)
本地磁盘目录存储数据(block),文件形式
同时存储block的元数据信息文件
启动DN进程的时候会向NN汇报block信息
通过向NN发送心跳(HeartBeats)保持与其联系(三秒一次),如果NN10分钟没有收到DN的心跳则认为其已经lost,并copy其上的block到其他DN
2.5SecondaryNameDode(SSN)
--他的主要工作是帮助NN合并edits文件,减少NN启动时间,他不是NN的备份
--SNN执行合并时间和机制
根据配置文件设置的时间间隔fs.checkpoint.period默认3600秒
根据配置文件设置edits大小fs.checkpoint.size规定edits文件内的最大默认值为128MB
2.6 SecondaryNameDode SNN 合并流程
首先是NN中的fsimage和edits文件通过网络copy,到达SNN服务器,拷贝的同时,用户的实时在操作数据,那么NN就会新生成一个edits来记录用户操作,而另一边的SNN将copy过来的fsimage和edits进行合并,合并之后替换NN中原来的旧的fsimage.之后NN根据fsimage进行操作(每隔一段时间就进行合并替换,循环)
2.6 block的副本放置策略
- 第一个副本:放置在上传文件的DN,如果是集群外提交则随机选一台磁盘不太满,cpu不太忙的节点
- 第二个副本: 放置在于第一个副本不同机架的节点上
- 第三个副本: 放置在于第二个副本相同机架的不同节点
- 更多副本: 随机节点
2.7 HDFS读写流程
2.7.1 写文件流程
-Client:
- 将文件切分为block
- 将block线性切割 NN获取DN列表(副本数)
- 验证DN列表后以更小的单位(packet)流式传输数据 --各节点,两两通信确定可用
- block传输结束后
- DN向NN汇报block信息
- DN向Client汇报完成
- Client向NN汇报完成
- 获取下一个block存放的DN列表
- ...................循换类似于管道
- 最终Client汇报完成
- NN会在写流程更新文件状态
2.7.2 读文件过程
-Client
- 和NN获取一部分block副本位置列表
- 线性和DN获取block,最终合并为一个文件
- 在block副本列表中按距离择优选取
2.8 HDFS文件权限
• 与Linux文件权限类似
– r: read; w:write; x:execute
– 权限x对于文件忽略,对于文件夹表示是否允许访问其内容
- 如果Linux系统用户zhangsan使用hadoop命令创建一个文件,那么这个文件在HDFS中owner就是zhangsan
2.9 安全模式
- namenode启动的时候,首先将映像文件(fsimage)载入内存,并执行编辑日志(edits)中的各项操作
- 一旦在内存中能够成功建立文件系统元数据的隐射,则创建一个新的fsimage文件和一个空的edits,用来实时记录用户的操作日志
- 此刻NN运行在安全模式,即NN的文件系统对于客服端来说是只读的
- 在此阶段NN收集各个DN的报告,当数据块达到最小副本数以上时,会被认为是安全的的,在一定比例(可以自定义设置)的数据块被确定是安全的后,再过若干时间,安全模式结束
- 当检测到副本数不足的数据块时,该块会被复制直到达到最小副本数,系统中数据块的位置并不是有NN维护的,而是以快列表形式存储在DN中
3.HDFS的优缺点
优点:
- 高容错性
- 数据自动保存多个副本
- 副本丢失后,自动恢复
- 适合批处理
- 移动计算而非数据
- 数据位置暴露给计算框架()(block偏移量)
- 适合大数据处理
- TB PB 甚至EB级数据
- 百万规模以上的文件数量
- 10K+节点
- 可构建在廉价机器上
- 通过多副本提高可靠性
- 提供了容错和恢复机制
缺点:
- 低延迟搞数据吞吐访问问题
- 比如支持秒级别反应.不支持毫秒级
- 延迟与高吞吐率问题(吞吐量大但有限制于其延迟)
- 小文件存取
- 占用NN大量内存
- 寻道时间超过读取时间
- 并发写入,文件随机修改
- 一个文件只能有一个写入者
- 仅支持append
送大家一句话