大数据技术之Hadoop（HDFS）概述、Shell操作、API操作、读写流程、工作机制

---

1 HDFS 概述

1.1 HDFS 产生背景及定义

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。

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，它是分布式的，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。
HDFS 的使用场景：适合一次写入，多次读出的场景。一个文件经过创建、写入和关闭之后就不需要改变。

1.2 HDFS 优缺点

HDFS优点

（1）高容错性：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。某一个副本丢失以后，它可以自动恢复。
（2）适合处理大数据：数据规模上能够处理数据规模达到GB、TB、甚至PB级别的数据；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。
（3）可构建在廉价机器上，通过多副本机制，提高可靠性。

HDFS缺点

（1）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。
（2）无法高效的对大量小文件进行存储。 存储大量小文件的话，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；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。
（3）不支持并发写入、文件随机修改。一个文件只能有一个写，不允许多个线程同时写；仅支持数据append（追加），不支持文件的随机修改。

1.3 HDFS 组成架构

1）NameNode（nn）：就是Master，它是一个主管、管理者。
管理HDFS的名称空间；配置副本策略；
管理数据块（Block）映射信息；处理客户端读写请求。
（2）DataNode：就是Slave。NameNode下达命令，DataNode执行实际的操作。
存储实际的数据块；执行数据块的读/写操作。
（3）Client：就是客户端。
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；
与NameNode交互，获取文件的位置信息；与DataNode交互，读取或者写入数据；
Client提供一些命令来管理HDFS，比如NameNode格式化；Client可以通过一些命令来访问HDFS，比如对HDFS增删查改操作。
（4）Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode ；
在紧急情况下，可辅助恢复NameNode。

1.4 HDFS 文件块大小（面试重点）

（1）HDFS中的文件在物理上是分块存储（Block ）， 块的大小可以通过配置参数( dfs.blocksize）来规定，默认大小在Hadoop2.x/3.x版本中是128M，1.x版本中是64M。
（2）如果寻址时间约为10ms，即查找到目标block的时间为10ms。
（3）寻址时间为传输时间的1%时，则为最佳状态。（专家）因此，传输时间=10ms/0.01=1000ms=1s
（4）而目前磁盘的传输速率普遍为100MB/s。

思考：为什么块的大小不能设置太小，也不能设置太大？

（1）HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置；
（2）如果块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时，会非常慢。
总结：HDFS块的大小设置主要取决于磁盘传输速率。

2 HDFS 的 Shell操作（开发重点）

2.1 基本语法

hadoop fs 具体命令 或者 hdfs dfs 具体命令，这两个是完全相同的。

2.2 命令大全

[Tom@hadoop102 hadoop-3.1.3]$ bin/hadoop fs
Usage: hadoop fs [generic options]
	[-appendToFile <localsrc> ... <dst>]
	[-cat [-ignoreCrc] <src> ...]
	[-checksum <src> ...]
	[-chgrp [-R] GROUP PATH...]
	[-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
	[-chown [-R] [OWNER][:[GROUP]] PATH...]
	[-copyFromLocal [-f] [-p] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
	[-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
	[-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]
	[-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]
	[-createSnapshot <snapshotDir> [<snapshotName>]]
	[-deleteSnapshot <snapshotDir> <snapshotName>]
	[-df [-h] [<path> ...]]
	[-du [-s] [-h] [-v] [-x] <path> ...]
	[-expunge]
	[-find <path> ... <expression> ...]
	[-get [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
	[-getfacl [-R] <path>]
	[-getfattr [-R] {
    
    -n name | -d} [-e en] <path>]
	[-getmerge [-nl] [-skip-empty-file] <src> <localdst>]
	[-head <file>]
	[-help [cmd ...]]
	[-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]
	[-mkdir [-p] <path> ...]
	[-moveFromLocal <localsrc> ... <dst>]
	[-moveToLocal <src> <localdst>]
	[-mv <src> ... <dst>]
	[-put [-f] [-p] [-l] [-d] <localsrc> ... <dst>]
	[-renameSnapshot <snapshotDir> <oldName> <newName>]
	[-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]
	[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
	[-setfacl [-R] [{
    
    -b|-k} {
    
    -m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
	[-setfattr {
    
    -n name [-v value] | -x name} <path>]
	[-setrep [-R] [-w] <rep> <path> ...]
	[-stat [format] <path> ...]
	[-tail [-f] [-s <sleep interval>] <file>]
	[-test -[defsz] <path>]
	[-text [-ignoreCrc] <src> ...]
	[-touch [-a] [-m] [-t TIMESTAMP ] [-c] <path> ...]
	[-touchz <path> ...]
	[-truncate [-w] <length> <path> ...]
	[-usage [cmd ...]]

2.3 常用命令实操

准备工作

（1）启动 Hadoop集群（方便后续的测试）

[Tom@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[Tom@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

（2）-help：输出这个命令参数

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm
-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ... :
  Delete all files that match the specified file pattern. Equivalent to the Unix
  command "rm <src>"
                                                                                 
  -f          If the file does not exist, do not display a diagnostic message or 
              modify the exit status to reflect an error.                        
  -[rR]       Recursively deletes directories.                                   
  -skipTrash  option bypasses trash, if enabled, and immediately deletes <src>.  
  -safely     option requires safety confirmation, if enabled, requires          
              confirmation before deleting large directory with more than        
              <hadoop.shell.delete.limit.num.files> files. Delay is expected when
              walking over large directory recursively to count the number of    
              files to be deleted before the confirmation.     

（3）创建 /ThreeKingdoms文件夹

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /ThreeKingdoms

上传

（1）-moveFromLocal：从本地剪切到HDFS

[Tom@hadoop102 hadoop-3.1.3]$ vim shu.txt
Liu Bei
Zhuge Liang
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./shu.txt /ThreeKingdoms

（2）-copyFromLocal：从本地文件系统中拷贝文件到 HDFS路径去

[Tom@hadoop102 hadoop-3.1.3]$ vim wu.txt
Sun Quan
Zhou Yu
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal wu.txt /ThreeKingdoms

（3）-put：等同于 copyFromLocal，生产环境更习惯用 put

[Tom@hadoop102 hadoop-3.1.3]$ vim wei.txt
Cao Cao
Xiahou Dun
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -put wei.txt /ThreeKingdoms

（4）-appendToFile：追加一个文件到已经存在的文件末尾

[Tom@hadoop102 hadoop-3.1.3]$ vim shu2.txt
Guan Yu
Zhang Fei
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile shu2.txt /ThreeKingdoms/shu.txt

下载

（1）-copyToLocal：从 HDFS拷贝到本地

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /ThreeKingdoms/shu.txt

（2）-get：等同于 copyToLocal，生产环境更习惯用 get

[Tom@hadoop102 hadoop-3.1.3]$ rm -rf shu.txt 
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /ThreeKingdoms/shu.txt

HDFS直接操作

（1）-ls： 显示目录信息

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /ThreeKingdoms
-rw-r--r--   3 Tom supergroup         38 2021-06-15 16:11 /ThreeKingdoms/shu.txt
-rw-r--r--   3 Tom supergroup         19 2021-06-15 16:00 /ThreeKingdoms/wei.txt
-rw-r--r--   3 Tom supergroup         17 2021-06-15 15:54 /ThreeKingdoms/wu.txt

（2）-cat：显示文件内容

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /ThreeKingdoms/shu.txt
2021-06-15 16:31:48,592 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
Liu Bei
Zhuge Liang
Guan Yu
Zhang Fei

（3）-chgrp、 -chmod、 -chown：与Linux文件系统中的用法一样，修改文件所属权限

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -chmod 666 /ThreeKingdoms/shu.txt
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -chown Tom:Tom /ThreeKingdoms/shu.txt

（4）-mkdir：创建路径

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /jinguo

（5）cp：从 HDFS的一个路径拷贝到 HDFS的另一个路径

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /ThreeKingdoms/wei.txt /jinguo

（6）-mv：在 HDFS目录中移动文件

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /ThreeKingdoms/wu.txt /jinguo

（7）-tail：显示一个文件的末尾 1kb的数据

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /jinguo/wei.txt

（8）-rm：删除文件或文件夹

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /ThreeKingdoms/wei.txt
Deleted /ThreeKingdoms/wei.txt

（9）-rm -r：递归删除目录及目录里面内容

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /ThreeKingdoms
Deleted /ThreeKingdoms

（10）-du：统计文件夹的大小信息

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /jinguo
74  222  /jinguo
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -du -h /jinguo
38  114  /jinguo/shu.txt
19  57   /jinguo/wei.txt
17  51   /jinguo/wu.txt

说明： 74表示文件大小； 222表示 74*3个副本； ；/jinguo表示查看的目录

（11）-setrep：设置 HDFS中文件的副本数量

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 5 /jinguo/shu.txt
Replication 5 set: /jinguo/shu.txt

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。

3 HDFS 的 API操作

3.1 客户端环境准备

（1）找到资料包路径下的Windows依赖文件夹，拷贝 hadoop-3.1.0到非中文路径，比如(d:\)
（2）配置 HADOOP_HOME环境变量（我的电脑->属性->高级系统设置->环境变量）

（3）配置 Path环境变量（如果环境变量不起作用，可以重启电脑试试。）

（4）在 IDEA中创建一个 Maven工程HdfsClientDemo，并导入相应的依赖坐标 +日志添加

<dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>3.1.3</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-log4j12</artifactId>
            <version>1.7.30</version>
        </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

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

（5）创建包名 com.Tom.hdfs

（6）创建 HdfsClient类

（7）执行程序
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会从采用 Windows默认用户访问 HDFS，会报权限异常错误。所以在访问 HDFS时，一定要配置用户。

3.2 HDFS的 API案例实操

package com.Tom.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import java.util.Arrays;

/**
 * 客户端代码常用套路
 * 1. 获取一个客户端对象
 * 2. 执行相关的操作命令
 * 3. 关闭资源
 * HDFS zookeeper
 */
public class HdfsClient {
    
    

    private FileSystem fs;

    @Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
    
    
        // 连接的集群nn地址
        URI uri = new URI("hdfs://hadoop102:8020");
        // 创建一个配置文件
        Configuration configuration = new Configuration();

        configuration.set("dfs.replication", "2");
        // 创建一个用户
        String user = "Tom";

        // 1. 获取到了一个客户端对象
        fs = FileSystem.get(uri, configuration, user);
    }

    @After
    public void close() throws IOException {
    
    
        // 3. 关闭资源
        fs.close();
    }

    // 创建目录
    @Test
    public void testmkdir() throws URISyntaxException, IOException, InterruptedException {
    
    

        // 2. 创建一个文件夹
        fs.mkdirs(new Path("/xiyou/huaguoshan"));

    }

    // 上传

    /**
     * 参数优先级
     * 代码里的配置 > 在项目资源目录下的配置文件 > hdfs-site.xml > hdfs-default.xml
     *
     * @throws IOException
     */
    @Test
    public void testsPut() throws IOException {
    
    
        // 参数解读：参数一：表示删除原数据；参数二：是否允许覆盖；参数三：原数据路径；参数四：目的地路径
        fs.copyFromLocalFile(false, true, new Path("E:\\LayerData.vtk"), new Path("hdfs://hadoop102/xiyou/huaguoshan"));
    }

    // 文件下载
    @Test
    public void testGet() throws IOException {
    
    
        // 参数的解读：参数一：原文件是否删除；参数二：原文件路径HDFS；参数三：目标地址路径：Win；参数四
        // fs.copyToLocalFile(true, new Path("hdfs://hadoop104/xiyou/huaguoshan"), new Path("E:\\test.vtk"), true);
        fs.copyToLocalFile(false, new Path("hdfs://hadoop102/a.txt"), new Path("E:\\"), false);
    }

    // 删除
    @Test
    public void testRm() throws IOException {
    
    
        // 参数解读：参数1；要删除的路径：参数2：是否递归删除
        // 删除文件
        // fs.delete(new Path("/jdk-8u212-linux-x64.tar.gz"), false);

        // 删除空目录
        fs.delete(new Path("/xiyou"), false);

        // 删除非空目录
        // fs.delete(new Path("/jingguo"),true);
    }

    // 文件的移动和更名
    @Test
    public void testmv() throws IOException {
    
    
        // 参数解读：参数一：原文件路径；参数二：目标文件路径
        // 对文件名称的更改
        // fs.rename(new Path("/wcinput/word.txt"), new Path("/wcinput/words.txt"));

        // 文件的移动和更名
        // fs.rename(new Path("/wcinput/words.txt"), new Path("/word.txt"));

        // 目录更名
        fs.rename(new Path("/wcoutput"), new Path("/wcintput"));
    }

    // 获取文件详细信息
    @Test
    public void fileDetail() throws IOException {
    
    
        // 获取文件所有信息
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
        // 遍历文件
        while (listFiles.hasNext()) {
    
    
            LocatedFileStatus fileStatus = listFiles.next();

            System.out.println("==========" + fileStatus.getPath() + "==========");
            System.out.println(fileStatus.getPermission());
            System.out.println(fileStatus.getOwner());
            System.out.println(fileStatus.getGroup());
            System.out.println(fileStatus.getLen());
            System.out.println(fileStatus.getModificationTime());
            System.out.println(fileStatus.getReplication());
            System.out.println(fileStatus.getBlockSize());
            System.out.println(fileStatus.getPath().getName());

            // 获取块信息
            BlockLocation[] blockLocations = fileStatus.getBlockLocations();

            System.out.println(Arrays.toString(blockLocations));
        }
    }

    // 判断是文件还是文件夹
    @Test
    public void testFile() throws IOException {
    
    
        FileStatus[] listStatus = fs.listStatus(new Path("/"));
        for (FileStatus status : listStatus) {
    
    
            if (status.isFile()) {
    
    
                System.out.println("文件：" + status.getPath().getName());
            } else {
    
    
                System.out.println("目录：" + status.getPath().getName());
            }
        }
    }

}

4 HDFS 的读写流程（面试重点）

4.1 HDFS 写数据流程

4.1.1 剖析文件写入

（1）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存在，父目录是否存在。

（2）NameNode 返回是否可以上传。

（3）客户端请求第一个 Block上传到哪几个 DataNode服务器上。

（4）NameNode返回3个 DataNode节点，分别为dn1、dn2、dn3。

（5）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。

（6）dn1、dn2、dn3 逐级应答客户端。

（7）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存），以Packet 为单位，dn1 收到一个Packet 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。

（8）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 网络拓扑-节点距离计算

在 HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的 DataNode接收数据。
这个最近距离的计算方式为：两个节点到达最近的共同祖先的距离总和。

4.1.3 机架感知（副本存储节点选择）

机架感知说明

（1）官方说明
http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication

（2）源码说明
Crtl + n 查找 BlockPlacementPolicyDefault，在该类中查找 chooseTargetInOrder方法 。

Hadoop3.1.3副本节点选择

4.2 HDFS 读数据流程

（1）客户端通过DistributedFileSystem 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。

（2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。

（3）DataNode 开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet 为单位来做校验）。

（4）客户端以Packet 为单位接收，先在本地缓存，然后写入目标文件。

5 NameNode 和SecondaryNameNode

5.1 NN 和2NN 工作机制

思考：NameNode 中的元数据是存储在哪里的？

首先，我们做个假设，如果存储在NameNode 节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。
这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦NameNode 节点断电，就会产生数据丢失。因此，引入Edits 文件（只进行追加操作，效率很高）。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits 中。这样，一旦NameNode 节点断电，可以通过FsImage 和Edits 的合并，合成元数据。
但是，如果长时间添加数据到Edits 中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行FsImage 和Edits 的合并，如果这个操作由NameNode 节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于FsImage 和Edits 的合并。

第一阶段：NameNode 启动

（1）第一次启动NameNode 格式化后，创建Fsimage 和Edits 文件。如果不是第一次启动，直接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 在内存中对元数据进行增删改。

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-3.1.3/data/dfs/name/current目录中产生如下文件:

fsimage_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION

（1）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。

（2）Edits文件：存放HDFS文件系统的所有更新操作的路径，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。

（3）seen_txid文件保存的是一个数字，就是最后一个edits_的数字

（4）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。

oiv 查看Fsimage 文件

（1）查看oiv 和oev 命令

[Tom@hadoop102 current]$ hdfs
oev                  apply the offline edits viewer to an edits file
oiv                  apply the offline fsimage viewer to an fsimage

（2）基本语法 hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

（3）案例实操

[Tom@hadoop102 current]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/name/current
[Tom@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000218 -o /opt/module/hadoop-3.1.3/fsimage.xml
2021-06-16 21:04:32,265 INFO offlineImageViewer.FSImageHandler: Loading 4 strings
[Tom@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml 

思考：可以看出，Fsimage中没有记录块所对应 DataNode，为什么？

在集群启动后 ，要求 DataNode上报数据块信息，并间隔一段时间后再次上报 。

oev查看 Edits文件

（2）基本语法 hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

（3）案例实操

[Tom@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000217-0000000000000000218 -o /opt/module/hadoop-3.1.3/edits.xml
[Tom@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml 
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<EDITS>
  <EDITS_VERSION>-64</EDITS_VERSION>
  <RECORD>
    <OPCODE>OP_START_LOG_SEGMENT</OPCODE>
    <DATA>
      <TXID>217</TXID>
    </DATA>
  </RECORD>
  <RECORD>
    <OPCODE>OP_END_LOG_SEGMENT</OPCODE>
    <DATA>
      <TXID>218</TXID>
    </DATA>
  </RECORD>
</EDITS>
[Tom@hadoop102 current]$ 

5.3 CheckPoint 时间设置

（1）通常情况下， SecondaryNameNode每隔一小时执行一次[[hdfs-default.xml]

<property>
  <name>dfs.namenode.checkpoint.period</name>
  <value>3600s</value>
  <description>
    The number of seconds between two periodic checkpoints.
    Support multiple time unit suffix(case insensitive), as described
    in dfs.heartbeat.interval.
  </description>
</property>

（2）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>The Secondary NameNode or CheckpointNode will create a checkpoint
  of the namespace every 'dfs.namenode.checkpoint.txns' transactions, regardless
  of whether 'dfs.namenode.checkpoint.period' has expired.
  </description>
</property>

<property>
  <name>dfs.namenode.checkpoint.check.period</name>
  <value>60s</value>
  <description>The SecondaryNameNode and CheckpointNode will poll the NameNode
  every 'dfs.namenode.checkpoint.check.period' seconds to query the number
  of uncheckpointed transactions. Support multiple time unit suffix(case insensitive),
  as described in dfs.heartbeat.interval.
  </description>
</property>

6 DataNode

6.1 DataNode 工作机制

（1）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，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（6 小时）的向NameNode 上报所有的块信息。
DN 向NN 汇报当前解读信息的时间间隔，默认6 小时；

<property>
  <name>dfs.blockreport.intervalMsec</name>
  <value>21600000</value>
  <description>Determines block reporting interval in milliseconds.</description>
</property>

DN 扫描自己节点块信息列表的时间，默认6 小时；

<property>
  <name>dfs.datanode.directoryscan.interval</name>
  <value>21600s</value>
  <description>Interval in seconds for Datanode to scan data directories and
  reconcile the difference between blocks in memory and on the disk.
  Support multiple time unit suffix(case insensitive), as described
  in dfs.heartbeat.interval.
  </description>
</property>

（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+30秒没有收到某个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。

6.2 数据完整性

思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理DataNode 节点上的数据损坏了，却没有发现，是否也很危险，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 已经损坏。
（3）Client 读取其他DataNode 上的Block。
（4）常见的校验算法crc（32），md5（128），sha1（160）
（5）DataNode 在其文件创建后周期验证CheckSum。

6.3 掉线时限参数设置

需要注意的是hdfs-default.xml 配置文件中的heartbeat.recheck.interval 的单位为毫秒，dfs.heartbeat.interval 的单位为秒。

<property>
  <name>dfs.namenode.heartbeat.recheck-interval</name>
  <value>300000</value>
  <description>
    This time decides the interval to check for expired datanodes.
    With this value and dfs.heartbeat.interval, the interval of
    deciding the datanode is stale or not is also calculated.
    The unit of this configuration is millisecond.
  </description>
</property>

<property>
  <name>dfs.heartbeat.interval</name>
  <value>3s</value>
  <description>
    Determines datanode heartbeat interval in seconds.
    Can use the following suffix (case insensitive):
    ms(millis), s(sec), m(min), h(hour), d(day)
    to specify the time (such as 2s, 2m, 1h, etc.).
    Or provide complete number in seconds (such as 30 for 30 seconds).
  </description>
</property>

---

参考：
https://www.bilibili.com/video/BV1Qp4y1n7ENspm_id_from=333.788.b_636f6d6d656e74.7