hdfs的datanode可以清空吗

1. DataNode的工作机制

（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

 3.掉线时限参数设置

 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。