Hadoop--Hadoop核心之HDFS
2015-10-23 09:18
316 查看
2 HDFS
Hadoop 实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。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。HDFS的特点:
1. 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。
2. 容错性:即使系统中有某些节点脱机,整体来说系统仍然可以持续运作,而不会有数据损失。
适用于一次写入多次查询的情况,不支持并发写情况,小文件不合适.
2.1 HDFS的Shell操作
2.1.1 启动HDFS进入hadoop/sbin目录,./start-dfs.sh
使用jps命令检查是否启动成功
2.1.2 HDFS的常用命令
1. ls
如果是文件,则按照以下格式输出:
权限 副本数 用户ID 用户组ID 文件大小 修改时间 文件目录
如果是目录,则会按照以下格式输出:
权限 副本数(-) 用户ID 用户组ID 文件大小(0) 修改时间 文件目录
用法:hadoop fs -ls [-d] [-h] [-R] [<path> ...]
2. put
从本地文件系统中复制单个或多个源路径到目标文件系统。也支持从标准输入中读取输入写入目标文件系统。
用法:hadoop fs -put [-f] [-p] <localsrc> ... <dst>
3.copyFromLocal
除了限定源路径是一个本地文件外,和put命令相似。
用法:hadoop fs -copyFromLocal [-f] [-p] <localsrc> ... <dst>
4.cat
将路径指定文件的内容输出到stdout。
用法:hadoop fs -cat [-ignoreCrc] <src> ...
可以用管道|和more结合起来用:hadoop fs -cat /in.log | more
5.get
复制文件到本地文件系统。可用-ignorecrc选项复制CRC校验失败的文件。使用-crc选项复制文件以及CRC信息。
用法:hadoop fs -get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>
6.copyToLocal
除了限定目标路径是一个本地文件外,和get命令类似。
用法:hadoop fs -copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>
7.count
计算在匹配指定文件模式的路径下的目录、文件和字节数。
用法:hadoop fs -count [-q] <path> ...
8.rm
删除指定的文件。只删除非空目录和文件。
用法:hadoop fs -rm [-f] [-r|-R] [-skipTrash] <src> ...
9.cp
将文件从源路径复制到目标路径。这个命令允许有多个源路径,此时目标路径必须是一个目录。
用法:hadoop fs -cp [-f] [-p] <src> ... <dst>
10.mkdir
接受路径指定的uri作为参数,创建这些目录。其行为类似于Unix的mkdir -p,它会创建路径中的各级父目录
用法:hadoop fs -mkdir [-p] <path> ...
11.mv
将文件从源路径移动到目标路径。这个命令允许有多个源路径,此时目标路径必须是一个目录。不允许在不同的文件系统间移动文件。
用法:hadoop fs -mv <src> ... <dst>
12.test
将源文件输出为文本格式。允许的格式是zip和TextRecordInputStream。
用法:hadoop fs -test -[defsz] <path>
13.touchz
创建一个0字节的空文件
用法:hadoop fs -touchz <path> ...
14.tail
将文件尾部1K字节的内容输出到stdout。支持-f选项,行为和Unix中一致。
用法:hadoop fs -tail [-f] <file>
15.chmod
改变文件的权限。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户
用法:hadoop fs -chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...
16.chgrp
改变文件所属的组。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户
用法:hadoop fs -chgrp [-R] GROUP PATH...
17.chown
改变文件的拥有者。使用-R将使改变在目录结构下递归进行。命令的使用者必须是超级用户
用法:hadoop fs -chown [-R] [OWNER][:[GROUP]] PATH...
上面的所有命令都可以用hafs dfs -[commad]。
2.2 HDFS的原理
HDFS的架构包括NameNode 、DataNode和SecondaryNameNode。2.2.1 NameNode
1. NameNode的作用
NameNode负责接收用户操作请求;维护文件系统的目录结构;管理文件与block之间关系,block与datanode之间关系。
2. NameNode管理的文件
1)fsimage:元数据(metedata)镜像文件,是用于存储某一时段NameNode内存元数据(metedata)信息。
2)edits:操作日志文件。
3)fstime:保存最近一次checkpoint的时间。
注意:以上这些文件是保存在linux的文件系统中,保存目录是hadoop安装目录下的/tmp目录
这里解释下元数据(metedata)的存储细节:
解释上图,/test目录下有一个a.log文件,默认的副本数量是3,切分成2块blk_1和blk_2存储,其中blk_1存储在了h0,h1和h3机器里,blk_2存储在了h0,h2和和4。
3. 伪分布式下NameNode的工作特点
1)Namenode始终在内存中保存metedata,用于处理“读请求”,到有“写请求”到来时,namenode会首先写editlog到磁盘,即向edits文件中写日志,成功返回后,才会修改内存,并且向客户端返回。
2)Hadoop会维护一个fsimage文件,也就是namenode中metedata的镜像,但是fsimage不会随时与namenode内存中的metedata保持一致,而是每隔一段时间通过合并edits文件来更新内容。SecondaryNamenode就是用来合并fsimage和edits文件来更新NameNode的metedata的。
2.2.2 SecondaryNameNode
1. SecondaryNameNode的作用
SecondaryNameNode有两个作用,一是镜像备份,二是日志与镜像的定期合并。两个过程同时进行,称为checkpoint. 镜像备份的作用:备份fsimage(fsimage是元数据发送检查点时写入文件);日志与镜像的定期合并的作用:将Namenode中edits日志和fsimage合并,防止如果Namenode节点故障,namenode下次启动的时候,会把fsimage加载到内存中,应用edit log,edit
log往往很大,导致操作往往很耗时。
2. SecondaryNameNode的工作流程
1)SecondaryNameNode通知NameNode准备提交edits文件,此时主节点产生edits.new
2)SecondaryNameNode通过http get方式获取NameNode的fsimage与edits文件(在SecondaryNameNode的current同级目录下可见到 temp.check-point或者previous-checkpoint目录,这些目录中存储着从namenode拷贝来的镜像文件)
3)SecondaryNameNode开始合并获取的上述两个文件,产生一个新的fsimage文件fsimage.ckpt
4)SecondaryNameNode用http post方式发送fsimage.ckpt至NameNode
5)NameNode将fsimage.ckpt与edits.new文件分别重命名为fsimage与edits,然后更新fstime,整个checkpoint过程到此结束。 在新版本的hadoop中(hadoop0.21.0),SecondaryNameNode两个作用被两个节点替换, checkpoint node与backup node. SecondaryNameNode备份由三个参数控制fs.checkpoint.period控制周期,fs.checkpoint.size控制日志文件超过多少大小时合并,
dfs.http.address表示http地址,这个参数在SecondaryNameNode为单独节点时需要设置。
在core-site.xml中有2个参数可配置,但一般来说我们不做修改。fs.checkpoint.period表示多长时间记录一次hdfs的镜像。默认是1小时。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。
2.2.3 DataNode
DataNode是提供真实文件数据的存储服务。
1.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。HDFS默认Block大小是128MB,以一个256MB文件存储为例,共有256/128=2个Block。
2.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。
3.Replication:多复本,默认是三个。
2.3 HDFS读取和写入数据的过程
2.3.1 HDFS读取数据过程
1)初始化FileSystem,然后客户端(client)用FileSystem的open()函数打开文件
2)FileSystem用RPC调用元数据节点,得到文件的数据块信息,对于每一个数据块,元数据节点返回保存数据块的数据节点的地址。
3)FileSystem返回FSDataInputStream给客户端,用来读取数据,客户端调用stream的read()函数开始读取数据。
4)DFSInputStream连接保存此文件第一个数据块的最近的数据节点,data从数据节点读到客户端(client)
5)当此数据块读取完毕时,DFSInputStream关闭和此数据节点的连接,然后连接此文件下一个数据块的最近的数据节点。
6)当客户端读取完毕数据的时候,调用FSDataInputStream的close函数。
注意:
1)在读取数据的过程中,如果客户端在与数据节点通信出现错误,则尝试连接包含此数据块的下一个数据节点。
2)失败的数据节点将被记录,以后不再连接。
2.3.2 HDFS写入数据
1)初始化FileSystem,客户端调用create()来创建文件。
2)FileSystem用RPC调用元数据节点,在文件系统的命名空间中创建一个新的文件,元数据节点首先确定文件原来不存在,并且客户端有创建文件的权限,然后创建新文件。
3)FileSystem返回DFSOutputStream,客户端用于写数据,客户端开始写入数据。
4)DFSOutputStream将数据分成块,写入data queue。data queue由Data Streamer读取,并通知元数据节点分配数据节点,用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点。第二个数据节点将数据发送给第三个数据节点。
5)DFSOutputStream为发出去的数据块保存了ack queue,等待pipeline中的数据节点告知数据已经写入成功。
6)当客户端结束写入数据,则调用stream的close函数。此操作将所有的数据块写入pipeline中的数据节点,并等待ack queue返回成功。最后通知元数据节点写入完毕。
注意:如果数据节点在写入的过程中失败,关闭pipeline,将ack queue中的数据块放入data queue的开始,当前的数据块在已经写入的数据节点中被元数据节点赋予新的标示,则错误节点重启后能够察觉其数据块是过时的,会被删除。失败的数据节点从pipeline中移除,另外的数据块则写入pipeline中的另外两个数据节点。元数据节点则被通知此数据块是复制块数不足,将来会再创建第三份备份。
相关文章推荐
- 在linux下挂载、卸载U盘
- 在Linux下安装JDK (ubuntu)
- Hadoop--Hadoop的伪分布式环境搭建
- 黄聪:如何添加360浏览器(chrome)添加JavaScript例外,禁止网站加载JS
- Hadoop--Linux环境搭建
- 在linux下配置静态IP
- Linux内核加载全流程
- Linux oops信息的分析
- datagrid报Cannot read property '' of null
- Linux-CenOS7 Samba的安装与配置
- 光流Optical Flow介绍与OpenCV实现
- Web API应用架构在Winform混合框架中的应用(3)--Winfrom界面调用WebAPI的过程分解
- Nginx设置Js、Css等静态文件的缓存过期时间
- linux硬件级虚拟机系统 电脑安桌游戏多开完全去除vm标识去虚拟化
- opencv2.4.11安装--配置
- Linux 磁盘管理
- Linux 文件与目录管理
- linux文件属性
- linux系统启动过程
- 一步步调通Openfire3.10.2+Smack4.1.4官方Demo