HDFS 基本概念及常用操作 学习笔记

2021-06-16 17:15:11 浏览数 (1)

目录

      • 基本概念
      • 写文件操作
      • 读文件操作
      • 可靠性
      • 常用命令
      • Ref

基本概念

Hadoop 附带了一个名为 HDFS(Hadoop Distributed File System, Hadoop分布式文件系统)的分布式文件系统，基于 Hadoop 的应用程序使用 HDFS 。HDFS 是专为存储超大数据文件，运行在集群的商品硬件上。它是容错的，可伸缩的，并且非常易于扩展。

HDFS集群主要由 NameNode 管理文件系统 Metadata 和 DataNodes 存储的实际数据。

  • NameNode: 可以被认为是系统的主站。它维护所有系统中存在的文件和目录的文件系统树和元数据。其中两个文件：“命名空间映像”和“编辑日志”是用来存储元数据信息。
    1. 存储文件的metadata，运行时所有数据都保存到内存，整个HDFS可存储的文件数受限于NameNode的内存大小
    2. 一个Block在NameNode中对应一条记录（一般一个block占用150字节），如果是大量的小文件，会消耗大量内存。同时maptask的数量是由splits来决定的，所以用MapReduce处理大量的小文件时，就会产生过多的map task，线程管理开销将会增加作业时间。处理大量小文件的速度远远小于处理同等大小的大文件的速度。因此Hadoop建议存储大文件
    3. 数据会定时保存到本地磁盘，但不保存block的位置信息，而是由DataNode注册时上报和运行时维护（NameNode中与DataNode相关的信息并不保存到NameNode的文件系统中，而是NameNode每次重启后，动态重建）
    4. NameNode失效则整个HDFS都失效了，所以要保证NameNode的可用性
  • DataNode：作为从机，每台机器位于一个集群中，并提供实际的存储. 它负责为客户读写请求服务。
    1. 保存具体的block数据
    2. 负责数据的读写操作和复制操作
    3. DataNode启动时会向NameNode报告当前存储的数据块信息，后续也会定时报告修改信息
    4. DataNode之间会进行通信，复制数据块，保证数据的冗余性
  • Secondary NameNode：定时与NameNode进行同步（定期合并文件系统镜像和编辑日志，然后把合并后的传给NameNode，替换其镜像，并清空编辑日志，类似于CheckPoint机制），但NameNode失效后仍需要手工将其设置成主机

写文件操作

Rack aware（机架感知）

通过配置文件指定机架名和DNS的对应关系

假设复制参数是3，在写入文件时，会在本地的机架保存一份数据，然后在另外一个机架内保存两份数据（同机架内的传输速度快，从而提高性能）

整个HDFS的集群，最好是负载平衡的，这样才能尽量利用集群的优势

读文件操作

  1. 客户端向NameNode发送读取请求
  2. NameNode返回文件的所有block和这些block所在的DataNodes（包括复制节点）
  3. 客户端直接从DataNode中读取数据，如果该DataNode读取失败（DataNode失效或校验码不对），则从复制节点中读取（如果读取的数据就在本机，则直接读取，否则通过网络读取）

可靠性

  1. DataNode可以失效 DataNode会定时发送心跳到NameNode。如果在一段时间内NameNode没有收到DataNode的心跳消息，则认为其失效。此时NameNode就会将该节点的数据（从该节点的复制节点中获取）复制到另外的DataNode中
  2. 数据可以毁坏 无论是写入时还是硬盘本身的问题，只要数据有问题（读取时通过校验码来检测），都可以通过其他的复制节点读取，同时还会再复制一份到健康的节点中
  3. NameNode不可靠

常用命令

  1. 从本地文件系统复制文件到 HDFS
代码语言：javascript复制
@ubuntu:~$ $HADOOP_HOME/bin/hdfs dfs -copyFromLocal temp.txt /

此命令将文件从本地文件系统拷贝 temp.txt 文件到 HDFS。

  1. 我们可以通过以下命令列出一个目录下存在的文件 -ls
代码语言：javascript复制
@ubuntu:~$ $HADOOP_HOME/bin/hdfs dfs -ls /
  1. 以下命令将文件从 HDFS 拷贝到本地文件系统
代码语言：javascript复制
@ubuntu:~$ $HADOOP_HOME/bin/hdfs dfs -copyToLocal /temp.txt
  1. 以下命令用来创建新的目录
代码语言：javascript复制
@ubuntu:~$ $HADOOP_HOME/bin/hdfs dfs -mkdir /mydirectory
  1. 检查文件的完整性: fsck

Ref

  1. https://pennywong.gitbooks.io/hadoop-notebook/content/hdfs/introduction.html
  2. https://www.yiibai.com/hadoop/hdfs_beginners_guide.html
  3. GFS论文
  4. Hadoop权威指南
node.js 存储 hadoop https 大数据

0 人点赞