一起重新开始学大数据-hadoop篇-Day45-hdfs解析和zookeeper安装 |
hadoop启动脚本
详细启动脚本介绍
第一种：全部启动集群所有进程
启动：sbin/start-all.sh 停止：sbin/stop-all.sh第二种：单独启动hdfs【web端口50070】和yarn【web端口8088】的相关进程
启动：sbin/start-dfs.sh sbin/start-yarn.sh 停止：sbin/stop-dfs.sh sbin/stop-yarn.sh 每次重新启动集群的时候使用
第三种：单独启动某一个进程
启动：hdfs：sbin/hadoop-daemon.sh start (namenode | datanode)
停止：hdfs：sbin/hadoop-daemon.sh stop (namenode | datanode)
启动：yarn：sbin/yarn-daemon.sh start (resourcemanager | nodemanager) 停止：yarn：sbin/yarn-daemon.sh stop(resourcemanager | nodemanager) 用于当某个进程启动失败或者异常down掉的时候，重启进程
hdfs
hdfs Shell介绍
调用文件系统(FS)Shell命令应使用 bin/hdfs dfs -xxx 的形式。
所有的FS shell命令使用URI路径作为参数。
URI格式是scheme://authority/path。HDFS的scheme是hdfs，对本地文件系统，scheme是file。其中scheme和authority参数都是可选的，如果未加指定，就会使用配置中指定的默认scheme。
例如：/parent/child可以表示成hdfs://namenode:namenodePort/parent/child，或者更简单的/parent/child（假设配置文件是namenode:namenodePort）
大多数FS Shell命令的行为和对应的Linux Shell命令类似。
调用文件系统(FS)Shell命令
应使用hdfs dfs -xxx 的形式
-ls查看hdfs上目录，如 hdfs dfs -ls /-put将本地文件上传到hdfs，如hdfs dfs -put 本地文件路径 hdfs路径-get将hdfs文件下载到本地，如 hdfs dfs -get hdfs文件路径 本地文件路径-mkdir在hdfs 上创建文件夹，如hdfs dfs -mkdir /test-cp将hdfs文件或目录复制 如 hdfs dfs -cp /test.txt /a/-cat查看hdfs上文件内容 如hdfs dfs -cat /test.txt
HDFS概述
- 数据量越来越多，在一个操作系统管辖的范围存不下了，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，因此迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统 。
- 是一种允许文件通过网络在多台主机上分享的文件系统，可让多机器上的多用户分享文件和存储空间。
- 通透性。让实际上是通过网络来访问文件的动作，由程序与用户看来，就像是访问本地的磁盘一般。
-m容错。即使系统中有某些节点宕机，整体来说系统仍然可以持续运作而不会有数据损失【通过副本机制实现】。
- 分布式文件管理系统很多，hdfs只是其中一种，不合适小文件。
HDFS架构
Namenode
NameNode是整个文件系统的管理节点。它维护着整个文件系统的文件目录树，文件/目录的元信息和每个文件对应的数据块列表。接收用户的操作请求。
文件包括：
fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。
edits:操作日志文件，namenode启动后一些新增元信息日志。
fstime:保存最近一次checkpoint的时间
以上这些文件是保存在linux的文件系统中。
hdfs-site.xml的dfs.namenode.name.dir属性
secondary namenode的工作流程
- secondary通知namenode切换edits文件
- secondary从namenode获得fsimage和edits(通过http)
- secondary将fsimage载入内存，然后开始合并edits
- secondary将新的fsimage发回给namenode
- namenode用新的fsimage替换旧的fsimage
什么时候checkpiont
- fs.checkpoint.period指定两次checkpoint的最大时间间隔，默认3600秒。
- fs.checkpoint.size规定edits文件的最大值，一旦超过这个值则强制checkpoint，不管是否到达最大时间间隔。默认大小是64M。
DataNode
- 提供真实文件数据的存储服务。
- 文件块（block）：最基本的存储单位。对于文件内容而言，一个文件的长度大小是size，那么从文件的０偏移开始，按照固定的大小，顺序对文件进行划分并编号，划分好的每一个块称一个Block。2.0以后HDFS默认Block大小是128MB，以一个256MB文件，共有256/128=2个Block.
hdfs-site.xml中dfs.blocksize属性 - 不同于普通文件系统的是，HDFS中，如果一个文件小于一个数据块的大小，并不占用整个数据块存储空间
- Replication。多复本。默认是三个。
hdfs-site.xml的dfs.replication属性
HDFS的Trash回收站
和Linux系统(桌面环境)的回收站设计一样，HDFS会为每一个用户创建一个回收站目录：/user/用户名/.Trash/，每一个被用户通过Shell删除的文件/目录，fs.trash.interval是在指在这个回收周期之内，文件实际上是被移动到trash的这个目录下面，而不是马上把数据删除掉。等到回收周期真正到了以后，hdfs才会将数据真正删除。默认的单位是分钟，1440分钟=60*24，刚好是一天。 配置：在每个节点(不仅仅是主节点)上添加配置 core-site.xml,增加如下内容
注意：如果删除的文件过大，超过回收站大小的话会提示删除失败
需要指定参数 -skipTrash
FileSystem
fileSysterm是使用java代码操作hdfs的api接口
文件操作
- create 写文件
- open 读取文件
- delete 删除文件
目录操作
- mkdirs 创建目录
- delete 删除文件或目录
- listStatus 列出目录的内容
- getFileStatus 显示文件系统的目录和文件的元数据信息
- getFileBlockLocations 显示文件存储位置
实操
pom.xml导包
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.7.6</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.11</version>
</dependency>HdfsDemo.java
package hdfs;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import java.io.*;
public class HdfsDemo {
FileSystem fs=null;
@Before
public void getconf() throws IOException {
Configuration conf = new Configuration();
conf.set("fs.defaultFS","hdfs://master:9000");
fs = FileSystem.get(conf);
}
@Test
public void create() throws IOException {
FSDataOutputStream os=null;
if (!fs.exists(new Path("/1.txt"))) {
os = fs.create(new Path("/1.txt"));
}else{
os=fs.append(new Path("/1.txt"));
}
BufferedWriter bw = new BufferedWriter(new OutputStreamWriter(os));
bw.write("hadoop hdfs mapreduce yarn");
bw.close();
}
@Test
public void readFile()throws Exception{
FSDataInputStream is = fs.open(new Path("/1.txt"));
BufferedReader br = new BufferedReader(new InputStreamReader(is));
String line=null;
while ((line=br.readLine())!=null){
System.out.println(line);
}
br.close();
is.close();
}
@Test
public void deleteFile() throws IOException {
fs.delete(new Path("/1.txt"),true);
}
@Test
public void mkdir() throws IOException {
fs.mkdirs(new Path("/dir1/dir2"));
}
@Test
public void deledir() throws IOException {
fs.delete(new Path("/dir1/dir2"),true);
}
@Test
public void listStatus() throws IOException {
FileStatus[] fs1 = fs.listStatus(new Path("/"));
for (FileStatus f : fs1) {
if(f.isFile()){
System.out.println(f);
}else if (f.isDirectory()){
FileStatus[] fileStatuses = fs.listStatus(f.getPath());
for (FileStatus f1 : fileStatuses) {
System.out.println(f1);
}
}
}
}
@After
public void close() throws IOException {
fs.close();
}
}Client读取多副本文件过程
RPC(Remote Procedure Call)
- RPC——远程过程调用协议，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在，如TCP或UDP，为通信程序之间携带信息数据。在OSI网络通信模型中，RPC跨越了传输层和应用层。RPC使得开发包括网络分布式多程序在内的应用程序更加容易。
- RPC采用客户机(client)/服务器(server)模式。请求程序就是一个客户机，而服务提供程序就是一个服务器。首先，客户机调用进程发送一个有进程参数的调用信息到服务进程，然后等待应答信息。在服务器端，进程保持睡眠状态直到调用信息的到达为止。当一个调用信息到达，服务器获得进程参数，计算结果，发送答复信息，然后等待下一个调用信息，最后，客户端调用进程接收答复信息，获得进程结果，然后调用执行继续进行。
- hadoop的整个体系结构就是构建在RPC之上的(见org.apache.hadoop.ipc)。
HDFS中的单位block，packet，chunk
1、Block
文件上传前需要分块，这个块就是block，一般为128MB，当然你可以去改，不顾不推荐。因为块太小：寻址时间占比过高。块太大：Map任务数太少，作业执行速度变慢。它是最大的一个单位。
2、Packet
packet是第二大的单位，它是client端向DataNode，或DataNode的PipLine之间传数据的基本单位，默认64KB。
3、Chunk
chunk是最小的单位，它是client向DataNode，或DataNode的PipLine之间进行数据校验的基本单位，默认512Byte，因为用作校验，故每个chunk需要带有4Byte的校验位。所以实际每个chunk写入packet的大小为516Byte。由此可见真实数据与校验值数据的比值约为128 : 1。（即64*1024 / 512）
例如，在client端向DataNode传数据的时候，HDFSOutputStream会有一个chunk buff，写满一个chunk后，会计算校验和并写入当前的chunk。之后再把带有校验和的chunk写入packet，当一个packet写满后，packet会进入dataQueue队列，其他的DataNode就是从这个dataQueue获取client端上传的数据并存储的。同时一个DataNode成功存储一个packet后之后会返回一个ack packet，放入ack Queue中。
HDFS读文件
读文件流程分析
1.首先调用FileSystem对象的open方法，其实是一个DistributedFileSystem的实例
2.DistributedFileSystem通过rpc获得文件的第一个block的locations，同一block按照副本数会返回多个locations，这些locations按照hadoop拓扑结构排序，距离客户端近的排在前面.
3.前两步会返回一个FSDataInputStream对象，该对象会被封装成DFSInputStream对象，DFSInputStream可以方便的管理datanode和namenode数据流。客户端调用read方法，DFSInputStream最会找出离客户端最近的datanode并连接。
4.数据从datanode源源不断的流向客户端。
5.如果第一块的数据读完了，就会关闭指向第一块的datanode连接，接着读取下一块。这些操作对客户端来说是透明的，客户端的角度看来只是读一个持续不断的流。
6.如果第一批block都读完了，DFSInputStream就会去namenode拿下一批blocks的location，然后继续读，如果所有的块都读完，这时就会关闭掉所有的流。
7.如果在读数据的时候，DFSInputStream和datanode的通讯发生异常，就会尝试正在读的block的排第二近的datanode,并且会记录哪个datanode发生错误，剩余的blocks读的时候就会直接跳过该datanode。DFSInputStream也会检查block数据校验和，如果发现一个坏的block,就会先报告到namenode节点，然后DFSInputStream在其他的datanode上读该block的镜像
8.该设计的方向就是客户端直接连接datanode来检索数据并且namenode来负责为每一个block提供最优的datanode，namenode仅仅处理block location的请求，这些信息都加载在namenode的内存中，hdfs通过datanode集群可以承受大量客户端的并发访问。
HDFS写文件
（注：写完数据，发送完成信号的时机取决于集群是强一致性还是最终一致性，强一致性则需要所有DataNode写完后才向NameNode汇报。最终一致性则其中任意一个DataNode写完后就能单独向NameNode汇报，HDFS一般情况下都是强调强一致性）
写文件流程分析
1.客户端通过调用DistributedFileSystem的create方法创建新文件
2.DistributedFileSystem通过RPC调用namenode去创建一个没有blocks关联的新文件，创建前，namenode会做各种校验，比如文件是否存在，客户端有无权限去创建等。如果校验通过，namenode就会记录下新文件，否则就会抛出IO异常.
3.前两步结束后会返回FSDataOutputStream的对象，与读文件的时候相似，FSDataOutputStream被封装成DFSOutputStream.DFSOutputStream可以协调namenode和datanode。客户端开始写数据到DFSOutputStream,DFSOutputStream会把数据切成一个个小packet，然后排成队列data quene。
4.DataStreamer会去处理接受data queue，他先问询namenode这个新的block最适合存储的在哪几个datanode里，比如副本数是3，那么就找到3个最适合的datanode，把他们排成一个pipeline.DataStreamer把packet按队列输出到管道的第一个datanode中，第一个datanode又把packet输出到第二个datanode中，以此类推。
5.DFSOutputStream还有一个对列叫ack queue，也是由packet组成，等待datanode的收到响应，当pipeline中的所有datanode都表示已经收到的时候，这时akc queue才会把对应的packet包移除掉。
如果在写的过程中某个datanode发生错误，会采取以下几步：
1) pipeline被关闭掉；
2)为了防止丢包 ack queue里的packet会同步到data queue里；
3)把产生错误的datanode上当前在写但未完成的block删掉；
4）block剩下的部分被写到剩下的两个正常的datanode中；
5）namenode找到另外的datanode去创建这个块的复制。当然，这些操作对客户端来说是无感知的。
6.客户端完成写数据后调用close方法关闭写入流
7.DataStreamer把剩余得包都刷到pipeline里然后等待ack信息，收到最后一个ack后，通知datanode把文件标示为已完成。
ZooKeeper
zk安装
1、上传安装包到master并解压tar -xvf zookeeper-3.4.10.tar.gz -c /usr/local/soft
2、配置环境变量vim /etc/profile
export ZOOKEEPER_HOME=/usr/local/soft/zookeeper-3.4.10 export PATH=$PATH:$ZOOKEEPER_HOME/bin
source /etc/profile
3、添加data文件目录，添加myid文件cd /usr/local/soft/zookeeper-3.4.10/mkdir zkdatacd zkdatatouch myid 4、修改配置文件cd conf ①配置文件重命名
cp zoo_sample.cfg zoo.cfg
②修改
vim zoo.cfg ③修改文件内容
dataDir=/usr/local/soft/zookeeper-3.4.10/zkdata
④增加
server.0=master:2888:3888 server.1=node1:2888:3888 server.2=node2:2888:3888
配置参数详解
Server.A=B:C:D。
A 是一个数字，表示第几台服务器；
B 是这台服务器的 IP 地址；
C 是这台服务器与集群中的 Leader 服务器交换信息的端口；
D 表示当集群中的 Leader 服务器无法正常运行时，需要一个端口来重新进行选举，
选出一个新的 Leader 服务器，而这个端口就是用来执行选举时服务器相互通信的端口。
在集群模式下配置一个文件 myid，这个文件在 dataDir 目录下，其中有一个数据就是 A
的值，Zookeeper 启动时读取此文件，并将里面的数据与 zoo.cfg 文件里面的配置信息进行比
较，从而判断到底是哪台服务器。5、同步到其它节点cd /usr/local/soft/
scp -r zookeeper-3.4.10 node1:pwd scp -r zookeeper-3.4.10 node2:pwd
配置node1和node2的环境变量
在所有节点执行
source /etc/profile
6、编辑/usr/local/soft/zookeeper-3.4.10/zkdata/myid
master,node1,node2分别加上0，1，2
7、启动zkzkServer.sh start 三台都需要执行
zkServer.sh status 查看状态
通过jps可以查看zk的进程：QuorumPeerMain
当有一个leader的时候启动成功
– —停止zk方式-----zkServer.sh stop 一旦执行三台都需要执行
8、连接zk
zkCli.sh 参数:
-server host:port
zk简析
zk 是一个目录结构 ，每个节点可以存数据，同时可以有子节点
zk shell
命令
创建目录create /test testDatacreate /test/a aData
获取数据
get /test
ls /test
delete 只能删除没有子节点的节点
rmr /test 删除节点
重置zk
1、杀掉所有zk进程
kiil -9 pid
2、删除data目录下的version文件, 所有节点都要删除
rm -rf /usr/local/soft/zookeeper-3.4.10/zkdata/version-2
3、启动zk
zkServer.sh start
|
|
|
|
上一章-hadoop篇-Day44-Hadoop、hdfs概述架构简析，Hadoop集群搭建下一章-hadoop篇-day46 Hdfs、yarn的HA，mapreduce（1） |
|
|
|
|
听说长按大拇指👍会发生神奇的事情呢！好像是下面的画面，听说点过的人🧑一个月内就找到了对象的💑💑💑，并且还中了大奖💴$$$，考试直接拿满分💯，颜值突然就提升了😎，虽然对你好像也不需要，是吧，吴彦祖🤵！ |
