1. DataNode的工作机制

hdfs的datanode可以清空吗_hdfs的datanode可以清空吗

(1)一个数据块在DataNote上以文件形式存储在磁盘上,包括两个文件,一个是数据本身,一个是元数据包括数据块的长度,块数据的校验和,以及时间戳。

(2)DataNode启动后向NameNode注册,通过后,周期性(1小时)的向NameNode上报所有的块信息。

(3)心跳是每3秒一次,心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器,或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳,则认为该节点不可用。

(4)集群运行中可以安全加入和退出一些机器。

2. 数据完整性

DataNode节点上的数据坏了,却没有发现,这种情况很危险,那么如何解决呢?

如下是DataNode节点保证数据完整性的方法:

1)当DataNode读取Block的时候,它会计算CheckSum。

2)如果计算后的CheckSum,与Block创建时值不一样,说明Block以及损坏了。

3)Client读取其他DataNode上的Block。

4)DataNode在其文件创建后周期验证CheckSum

hdfs的datanode可以清空吗_hdfs的datanode可以清空吗_02

 3.掉线时限参数设置

hdfs的datanode可以清空吗_数据_03

 注意:heartbeat.recheck-interval单位为毫秒。

4.服役新数据节点

0.需求

        随着公司业务的增长,数据量越来越大,原有的数据节点的容量已经不能满足存储数据的需求,需要在原有集群基础上动态添加新的数据节点。

1.环境准备

1、准备新主机,基础环境都准备好(软件安装及配置、环境变量等直接克隆过来,,注意:复制过来的data文件夹和logs文件夹得删除,新的主机免密登录设置好,workers文件添加新主机名)

2、IP地址和主机名设置好(hosts文件)

3、source配置文件

4、启动datanode命令,启动nodemanager命令

思考:这样子是不是太危险了,只要直到集群配置,直接添加新节点,就可以把集群数据备份出来,数据安全性得不到保证。这个问题可以通过白名单解决,具体在之后篇幅中有介绍。

5.退役旧数据节点

5.1添加白名单

添加到白名单得主机节点,才允许访问NameNode,不在白名单的主机节点,都会被退出。(应用场景大多是,搭建集群时,约定好的一些服务器,作用是阻拦其他陌生服务器加入集群)

配置白名单的具体步骤如下:

(1)在NameNode的/hadoop主目录/etc/hadoop目录下创建dfs.hosts文件。文件中添加主机名称如下:

002
003
004

(2)在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性

<property>
<name>dfs.hosts</name>
<value>/opt/software/hadoop.3.3.1/etc/hadoop/dfs.hosts</value>
</property>

(3)将配置文件hdfs-site.xml分发

xsync hdfs-site.xml

(4)刷新NameNode

hdfs dfsadmin -refreshNodes

(5)更新ResourceManager节点

yarn rmadmin -refreshNodes

5.2黑名单退役节点

黑名单上服务器会强制退出(应用场景是将已加入集群的服务器强制退出去)

1.在NameNode的/hadoop.3.3.1/etc/hadoop目录下创建dfs.hosts.exclude文件

vi dfs.hosts.exclude

添加一个主机名

2.在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性

<property>
<name>dfs.hosts.exclude</name>
<value>/opt/software/hadoop.3.3.1/etc/hadoop/dfs.hosts.exclude</value>
</property>

3.刷新NameNode、刷新ResourceManager

hdfs dfsadmin -refreshNodes
yarn rmadmin -refreshNodes

注意:刷新时,黑名单节点进入退役过程,在此过程会将此节点的数据备份到其他节点。备份完才会完全退出。

4.退出datanode和nodemanager

hadoop-daemon.sh stop datanode
yarn-daemon.sh stop nodemanager

5.如果数据不均衡,可以使用命令让集群数据均衡

start-balancer.sh

注意:白名单和黑名单中不允许同时有同一个主机名存在

6.Datanode多目录配置

1.DataNode也可以配置成多个目录,每个目录存储的数据不一样。即:数据不是副本。

2.具体配置如下:

hdfs-site.xml

<property>
<name>dfs.datanode.data.dir</name>
<value>file:///${hadoop.tmp.dir}/dir/data1,file:///${hadoop.tmp.dir}/dir/data2</value>
</property>

注意:datanode多目录配置与NameNode不一样,namenode是将name文件夹分成完全一样的多个文件夹,datanode并没有将data文件夹数据备份,而只是将data文件分别保存一部分在不同data文件夹下。