文章目录
一、HDFS概述
1.1 HDFS产生背景
随着数据量越来越大,在一个操作系统存不下所有的数据,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,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。HDFS只是分布式文件管理系统中的一种
1.2 HDFS定义
HDFS(Hadoop Distributed File System),它是一个文件系统,用于存储文件,通过目录树来定位文件。其次,他是分布式的,由很多服务器联合起来实现其功能,集群中的服务器有各自的角色
1.3 HDFS使用场景
- 适合一次写入,多次读出的场景,且不支持文件的修改
- 适合用来做数据分析,并不适合用来做网盘应用
1.4 HDFS优缺点
1.4.1 优点
- 高容错性
①:数据自动保存多个副本。它通过增加副本的形式,提高容错性
②:某一个副本丢失以后,它可以自动恢复 - 适合处理大数据
①:数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据
②:文件规模:能够处理百万规模以上的文件数量,数量相当之大 - 可构建在廉价机器上,通过多副本机制,提高可靠性
1.4.2 缺点
- 不适合低延时数据访问,比如毫秒级的存储数据,是做不到的
- 无法高效的对大量小文件进行存储
①:如存储大量小文件,它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的,因为NameNode的内存总是有限的
②:小文件存储的寻址时间会超过读取时间,它违反了HDFS的设计目标 - 不支持并发写入,文件随机修改
①:一个文件只能有一个写,不允许多个线程同时写
②:仅支持数据append(追加),不支持文件的修改
1.5 HDFS组成架构
- NameNode(nn):就是Master,它是一个主管、管理者
①:管理HDFS的名称空间
②:设置副本策略
③:管理数据块(Block)映射信息
④:处理客户端读写请求 - DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作
①:存储实际的数据库
②:执行数据块的读/写操作 - Client:客户端
①:文件切分。文件上传HDFS的时候,Client将文件切分成一个一个的Block,然后进行上传
②:与NameNode交互,读取或者写入位置信息
③:与DataNode交互,读取或写入数据
④:Client提供一些命令来管理HDFS,比如NameNode格式化
⑤:Client可以通过一些命令来访问HDFS,比如对HDFS增删改查操作 - Secondary NameNode:并非NameNode的热备份。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务
①:辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode
②:在紧急情况下,可以辅助恢复NameNode
1.6 HDFS文件块大小
- HDFS中的文件在物理上是分块存储,块的大小可以通过配置参数来规定,默认大小在Hadoop2.x版本中是128M,老版本中是64M
- 如果寻址时间约为10ms,即查找到目标Block的时间为10ms
- 寻址时间为传输时间的1%时,则为最佳状态。因此,传输时间=10ms/0.01=1000ms=1s
- 而目前磁盘的传输速率普遍为100MB/s
二、HDFS的Shell操作
注:所有操作均在Hadoop根目录下操作
- 启动Hadoop集群
sbin/start-dfs.sh
sbin/start-yarn.sh
- -help:输出这个命令参数
hadoop fs -help rm
- -ls:显示目录信息
hadoop fs -ls /
- -mkdir:在HDFS上创建目录
hadoop fs -mkdir -p /IronmanJay/people
- -moveFromLocal:从本地剪切粘贴到HDFS
# 创建一个测试文件
touch zhangsan.txt
# 从本地剪切粘贴到HDFS
hadoop fs -moveFromLocal ./zhangsan.txt /IronmanJay/people
- -appendToFile:追加一个文件到已经存在的文件末尾
# 创建一个测试文件
touch lisi.txt
# 输入测试文件内容
wo shi da hao ren
# 追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile lisi.txt /IronmanJay/people/zhangsan.txt
- -cat:显示文件内容
hadoop fs -cat /IronmanJay/people/zhangsan.txt
- -chgrp 、-chmod、-chown:与Linux文件系统中的用法一样,修改文件所属权限
# 修改权限
hadoop fs -chmod 666 /IronmanJay/people/zhangsan.txt
# 修改所属用户
hadoop fs -chown IronmanJay:IronmanJay /IronmanJay/people/zhangsan.txt
- -copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去
hadoop fs -copyFromLocal README.txt /
- -copyToLocal:从HDFS拷贝到本地
hadoop fs -copyToLocal /IronmanJay/people/zhangsan.txt ./
- -cp :从HDFS的一个路径拷贝到HDFS的另一个路径
hadoop fs -cp /IronmanJay/people/zhangsan.txt /newzhangsan.txt
- -mv:在HDFS目录中移动文件
hadoop fs -mv /newzhangsan.txt /IronmanJay/IronmanJay/
- -get:等同于copyToLocal,就是从HDFS下载文件到本地
hadoop fs -get /IronmanJay/people/zhangsan.txt ./
- -getmerge:合并下载多个文件,比如HDFS的目录 /user/IronmanJay/test下有多个文件:log.1, log.2,log.3,…
hadoop fs -getmerge /user/IronmanJay/test/* ./merge.txt
- -put:等同于copyFromLocal
hadoop fs -put ./merge.txt /user/IronmanJay/test/
- -tail:显示一个文件的末尾
hadoop fs -tail /IronmanJay/people/zhangsan.txt
- -rm:删除文件或文件夹
hadoop fs -rm /user/IronmanJay/test/wangwu.txt
- -rmdir:删除空目录
hadoop fs -mkdir /test
hadoop fs -rmdir /test
- -du:统计文件夹的大小信息
hadoop fs -du -s -h /user/IronmanJay/test
- -setrep:设置HDFS中文件的副本数量(注:这里设置的副本数只是记录在NameNode的元数据中,是否真的会有这么多副本,还得看DataNode的数量。因为目前只有3台设备,最多也就3个副本,只有节点数的增加到10台时,副本数才能达到10)
hadoop fs -setrep 10 /IronmanJay/people/zhangsan.txt
三、HDFS客户端操作
3.1 HDFS客户端环境准备
-
根据自己电脑的操作系统拷贝对应的编译后的Hadoop的Jar包,提取码:iflc到非中文路径
-
配置HADOOP_HOME环境变量
-
配置Path环境变量
-
创建一个Maven工程HdfsClient
-
导入相应的依赖坐标+日志添加
扫描二维码关注公众号,回复: 11579799 查看本文章
<dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>RELEASE</version>
</dependency>
<dependency>
<groupId>org.apache.logging.log4j</groupId>
<artifactId>log4j-core</artifactId>
<version>2.8.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>jdk.tools</groupId>
<artifactId>jdk.tools</artifactId>
<version>1.8</version>
<scope>system</scope>
<!-- 注意这里改成你自己的路经 -->
<systemPath>D:/Software/Java/jdk1.8.0_131/lib/tools.jar</systemPath>
</dependency>
</dependencies>
- 在项目的src/main/resources目录下,新建一个文件,命名为“log4j.properties”,在文件中填入如下内容
log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
- 创建HdfsClient类,首先测试连接
// 测试连接
public static void main(String[] args) throws IOException, URISyntaxException, InterruptedException {
Configuration conf = new Configuration();
// 配置在集群上运行
conf.set("fs.defaultFS", "hdfs://hadoop102:9000");
// 1、获取hdfs客户端
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");
// 2、在hdfs上创建路径
fs.mkdirs(new Path("/IronmanJay/BaiRui/HaiZi/WeiLai"));
// 3、关闭资源
fs.close();
System.out.println("over");
}
- 执行程序,运行时需要配置用户名称,客户端去操作HDFS时,是有一个用户身份的。默认情况下,HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份:-DHADOOP_USER_NAME=IronmanJay,IronmanJay为用户名称
3.2 HDFS的API操作
3.2.1 HDFS文件上传
// 文件上传
@Test
public void testCopyFromLocalFile() throws URISyntaxException, IOException, InterruptedException {
// 1、获取fs对象
Configuration conf = new Configuration();
conf.set("dfs.replication", "2");
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");
// 2、执行上传API
fs.copyFromLocalFile(new Path("D:/test.txt"), new Path("/test2.txt"));
// 3、关闭资源
fs.close();
}
3.2.2 HDFS文件下载
// 文件下载
@Test
public void testCopyToLocalFile() throws URISyntaxException, IOException, InterruptedException {
// 1、获取fs对象
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");
// 2、执行下载操作
fs.copyToLocalFile(false, new Path("/test.txt"), new Path("d:/text3.txt"), true);
// 3、关闭资源
fs.close();
}
3.2.3 HDFS文件夹删除
// 文件夹删除
@Test
public void testDelete() throws URISyntaxException, IOException, InterruptedException {
// 1、获取fs对象
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");
// 2、执行删除操作
fs.delete(new Path("/IronmanJay"), true);
// 3、关闭资源
fs.close();
}
3.2.4 HDFS文件名更改
// 修改文件名称
@Test
public void testRename() throws URISyntaxException, IOException, InterruptedException {
// 1、获取fs对象
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");
// 2、执行更名操作
fs.rename(new Path("/test.txt"), new Path("/test3.txt"));
// 3、关闭资源
fs.close();
}
3.2.5 HDFS文件详情查看
// 查看文件详情(查看文件名称、权限、长度、块信息)
@Test
public void testListFiles() throws URISyntaxException, IOException, InterruptedException {
// 1、获取fs对象
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");
// 2、查看文件详情
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
while (listFiles.hasNext()) {
LocatedFileStatus fileStatus = listFiles.next();
// 获取文件名称
System.out.println(fileStatus.getPath().getName());
// 获取文件权限
System.out.println(fileStatus.getPermission());
// 获取文件长度
System.out.println(fileStatus.getLen());
// 获取块的信息
BlockLocation[] blockLocations = fileStatus.getBlockLocations();
for (BlockLocation blockLocation : blockLocations) {
String[] hosts = blockLocation.getHosts();
for (String host : hosts) {
System.out.println(host);
}
}
System.out.println("----------分割线----------");
}
// 3、关闭资源
fs.close();
}
3.3 HDFS的I/O流操作
3.3.1 HDFS文件上传
// I/O流操作文件上传
@Test
public void putFileToHDFS() throws URISyntaxException, IOException, InterruptedException {
// 1、获取fs对象
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");
// 2、获取输入流
FileInputStream fis = new FileInputStream(new File("D:/banhua.txt"));
// 3、获取输出流
FSDataOutputStream fos = fs.create(new Path("/banzhang.txt"));
// 4、流的对拷
IOUtils.copyBytes(fis, fos, conf);
// 5、关闭资源
IOUtils.closeStream(fos);
IOUtils.closeStream(fis);
fs.close();
}
3.3.2 HDFS文件下载
// I/O流操作文件下载
@Test
public void getFileFromHDFS() throws URISyntaxException, IOException, InterruptedException {
// 1、获取fs对象
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");
// 2、获取输入流
FSDataInputStream fis = fs.open(new Path("/banzhang.txt"));
// 3、获取输出流
FileOutputStream fos = new FileOutputStream(new File("D:/banzhang.txt"));
// 4、流的对拷
IOUtils.copyBytes(fis, fos, conf);
// 5、关闭资源
IOUtils.closeStream(fos);
IOUtils.closeStream(fis);
fs.close();
}
四、HDFS的数据流
4.1 HDFS写数据流程
4.1.1 HDFS文件写数据流程
- 客户端通过Distributed FileSystem模块向NameNode请求上传文件,NameNode检查目标文件是否已经存在,父目录是否存在
- NameNode返回是否可以上传
- 客户端请求第一个Block上传到哪几个DataNode服务器上
- 客户端通过FSDataOutPutStream模块请求dn1上传数据,dn1收到请求会继续调用dn2,然后dn2调用dn3,将这个通信管道建立完成
- dn1、dn2、dn3逐级应答客户端
- 客户端开始往dn1上传第一个Block(先从磁盘读取数据放到一个本地内存缓冲),以Packet为单位,dn1收到一个Pactet就会传给dn2,dn2传给dn3;dn1每传一个Packet会放入一个应答队列等待应答
- 当一个Block传输完成之后,客户端再次请求NameNode上传第二个Block的服务器。(重复执行3-7步)
4.1.2 机架感知
For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on one node in the local rack, another on a different node in the local rack, and the last on a different node in a different rack.
- Hadoop2.7.2副本节点选择
①:第一个副本在Client所处的节点上,如果客户端在集群外,随机选一个
②:第二个副本和第一个副本位于相同机架,随机节点
③:第三个副本位于不同机架,随机节点
4.2 HDFS读数据流程
- 客户端通过Distributed FileSystem向NameNode请求下载文件,NameNode通过查询元数据,找到文件块所在的DataNode地址
- 挑选一台DataNode(就近原则,然后随机)服务器,请求读取数据
- DataNode开始传输数据给客户端(从磁盘里面读取数据流,以Packet为单位来做校验)
- 客户端以Packet为单位接收,先在本地缓存,然后写入目标文件
五、NameNode和SecondaryNameNode
5.1 NN和2NN工作机制
- 第一阶段:NameNode启动
①:第一次启动NameNode格式化后,创建Fsimage和Edits。如不是第一次启动,加载编辑日志和镜像文件到内存
②:客户端对元数据进行增删改的请求
③:NameNode记录操作日志,更新滚动日志
④:NameNode再内存中对数据进行增删改 - 第二阶段:Secondary NameNode工作
①:Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果
②:Secondary NameNode请求执行CheckPoint
③:NameNode滚动正在写的Edits日志
④:将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode
⑤:Secondary NameNode加载编辑日志和镜像文件到内存,并合并
⑥:生成新的镜像文件fsimage.chkpoint
⑦:拷贝fsimage.chkpoint到NameNode
⑧:NameNode将fsimage.chkpoint重新命名成fsimage
5.2 Fsimage和Edits解析
NameNode被格式化之后,将在opt/module/hadoop-2.7.2/data/temp/dfs/name/current目录中产生如下文件
fsimage_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION
- Fsimage文件:HDFS文件系统元数据的一个永久性的检查点,其中包含HDFS文件系统的所有目录和文件inode的序列化信息
- Edits文件:存放HDFS文件系统的所有更新操作的路经,文件系统客户端执行的所有写操作首先会被记录到Edits文件中
- seen_txid文件保存的是一个数字,就是最后一个edits_的数字
- 每次NameNode启动的时候都会将Fsimage文件读入内存,加载Edits里面的更新操作,保证内存中的元数据信息是最新的、同步的,可以看成NameNode启动的时候就将Fsimage和Edits文件进行了合并
5.3 CheckPoint时间设置
- 通常情况下,SecondaryNameNode每隔一小时执行一次,在hdfs-default.xml设置
<property>
<name>dfs.namenode.checkpoint.period</name>
<value>3600</value>
</property>
- 设置一分钟检查一次操作次数,当操作次数达到1百万时,SecondaryNameNode执行一次
<property>
<name>dfs.namenode.checkpoint.txns</name>
<value>1000000</value>
<description>操作动作次数</description>
</property>
<property>
<name>dfs.namenode.checkpoint.check.period</name>
<value>60</value>
<description> 1分钟检查一次操作次数</description>
</property >
5.4 NameNode故障处理
NameNode故障后,可以采用如下两种方法恢复数据
方法一:将SecondaryNameNode中数据拷贝到NameNode存储数据的目录
- 杀死NameNode进程
kill -9 NameNode进程序号
- 删除NameNode存储的数据
rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*
- 拷贝SecondaryNameNode中数据到原NameNode存储数据目录
scp -r IronmanJay@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/
- 重新启动NameNode
sbin/hadoop-daemon.sh start namenode
方法二:使用-importCheckpoint选项启动NameNode守护进程,从而将SecondaryNameNode中数据拷贝到NameNode目录中
- 修改hdfs-site.xml中的
<property>
<name>dfs.namenode.checkpoint.period</name>
<value>120</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/module/hadoop-2.7.2/data/tmp/dfs/name</value>
</property>
- 杀死NameNode进程
kill -9 NameNode进程序号
- 删除NameNode存储的数据
rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*
- 如果SecondaryNameNode不和NameNode在一个主机节点上,需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录,并删除in_use.lock文件
[IronmanJay@hadoop102 dfs]$ scp -r IronmanJay@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary ./
[IronmanJay@hadoop102 namesecondary]$ rm -rf in_use.lock
[IronmanJay@hadoop102 dfs]$ pwd
/opt/module/hadoop-2.7.2/data/tmp/dfs
[IronmanJay@hadoop102 dfs]$ ls
data name namesecondary
- 导入检查点数据(等待一会ctrl+c结束掉)
bin/hdfs namenode -importCheckpoint
- 启动NameNode
sbin/hadoop-daemon.sh start namenode
5.5 集群安全模式
5.5.1 概述
- NameNode启动
NameNode启动时,首先将镜像文件(Fsimage)载入内存,并执行编辑日志(Edits)中的各项操作。一旦在内存中成功建立文件系统元数据的映像,则创建一个新的Fsimage文件和一个空的编辑日志。此时,NameNode开始监听DataNode请求。在这个过程期间,NameNode一直运行在安全模式,即NameNode的文件系统对于客户端来说只是只读的 - DataNode启动
系统中的数据块的位置并不是由NameNode维护的,而是以块列表的形式存储在DataNode中。在系统的正常操作期间,NameNode会在内存中保留所有块位置的映射信息。在安全模式下,各个DataNode会向NameNode发送最新的块列表信息,NameNode了解到足够多的块位置信息之后,即可高效运行文件系统。 - 安全模式退出判断
如果满足“最小副本条件”,NameNode会在30秒之后就退出安全模式。最小副本条件指的是在整个文件系统中99.9%的块满足最小副本级别(默认值:dfs.replication=1)。在启动一个刚刚格式化的HDFS集群时,因为系统中还没有任何块,所以NameNode不会进入安全模式
5.5.2 基本语法
集群处于安全模式,不能执行重要操作(写操作)。集群启动完成后,自动退出安全模式
- bin/hdfs dfsadmin -safemode get (功能描述:查看安全模式状态)
- bin/hdfs dfsadmin -safemode enter (功能描述:进入安全模式状态)
- bin/hdfs dfsadmin -safemode leave (功能描述:离开安全模式状态)
- bin/hdfs dfsadmin -safemode wait (功能描述:等待安全模式状态)
5.6 NameNode多目录配置
- NameNode的本地目录可以配置成多个,且每个目录存放内容相同,增加了可靠性
- 具体配置如下
①:在hdfs-site.xml文件中增加如下内容
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///${hadoop.tmp.dir}/dfs/name1,file:///${hadoop.tmp.dir}/dfs/name2</value>
</property>
②:停止集群,删除data和logs中的所有数据
rm -rf data/ logs/
③:格式化集群并启动
# 格式化集群
bin/hdfs namenode –format
# 启动集群
sbin/start-dfs.sh
④:查看结果
[IronmanJay@hadoop102 dfs]$ ll
总用量 12
drwx------. 3 IronmanJay IronmanJay 4096 2月 17 04:01 data
drwxrwxr-x. 3 IronmanJay IronmanJay 4096 2月 17 04:01 name1
drwxrwxr-x. 3 IronmanJay IronmanJay 4096 2月 17 04:01 name2
六、DataNode
6.1 DataNode工作机制
- 一个数据块在DataNode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,快数据的校验和,以及时间戳
- 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
- 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
- 集群运行中可以安全加入和退出一些机器
6.2 数据完整性
- 当DataNode读取Block的时候,它会计算CheckSum
- 如果计算后的CheckSum与Block创建时值不一样,说明Block已经损坏
- Client读取其他DataNode上的Block
- DataNode在其文件创建后周期验证CheckSum
6.3 服役新数据节点
- 环境准备
①:在hadoop104主机上再克隆一台hadoop105主机
②:修改IP地址和主机名称
③:删除原来HDFS文件系统留存的文件(/opt/module/hadoop-2.7.2/data和log)
④:source一下配置文件
source /etc/profile
- 服役新节点具体步骤
①:直接启动DataNode,即可关联到集群
sbin/hadoop-daemon.sh start datanode
sbin/yarn-daemon.sh start nodemanager
②:在web界面查看是否成功
③:如果数据不均衡,可以用命令实现集群的再平衡
./start-balancer.sh
6.4 退役旧数据节点
6.4.1 添加白名单
添加到白名单的主机节点,都允许访问NameNode,不在白名单的主机节点,都会被退出,具体步骤如下
- 在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts文件
vi dfs.hosts
- 添加如下主机名称(不添加hadoop105)
hadoop102
hadoop103
hadoop104
- 在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性
<property>
<name>dfs.hosts</name>
<value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts</value>
</property>
- 配置文件分发
xsync hdfs-site.xml
- 刷新NameNode
hdfs dfsadmin -refreshNodes
- 更新ResourceManager节点
yarn rmadmin -refreshNodes
- 在web界面查看是否成功
- 如果数据不均衡,可以用命令实现集群的再平衡
./start-balancer.sh
6.4.2 黑名单退役
在黑名单上面的主机都会被强制退出,具体步骤如下
- 在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件
vi dfs.hosts.exclude
- 添加如下主机名称(要退役的节点)
hadoop105
- 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/module/hadoop-2.7.2/etc/hadoop/dfs.hosts.exclude</value>
</property>
- 刷新NameNode、刷新ResourceManager
hdfs dfsadmin -refreshNodes
- 检查Web浏览器,退役节点的状态为decommission in progress(退役中)
- 等待退役节点状态为decommissioned(所有块已经复制完成),停止该节点及节点资源管理器。注意:如果副本数是3,服役的节点小于等于3,是不能退役成功的,需要修改副本数后才能退役
- 如果数据不均衡,可以用命令实现集群的再平衡
./start-balancer.sh
- 注意:不允许白名单和黑名单中同时出现同一个主机名称