1. HDFS前言

l 设计思想

　　分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析；

l 在大数据系统中作用：

　　为各类分布式运算框架（如：mapreduce，spark，……）提供数据存储服务

l 重点概念：文件切块，副本存放，元数据

2. HDFS的概念和特性

首先，它是一个文件系统，用于存储文件，通过统一的命名空间——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；

重要特性如下：

（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版本中是128M，老版本中是64M

（2）HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

（3）目录结构及文件分块信息(元数据)的管理由namenode节点承担

　　——namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息（block的id，及所在的datanode服务器）

（4）文件的各个block的存储管理由datanode节点承担

　　---- datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication）

（5）HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改

(注：适合用来做数据分析，并不适合用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本太高)

3. hdfs的工作机制

3.1. 概述

HDFS集群分为两大角色：NameNode、DataNode (Secondary Namenode)
NameNode负责管理整个文件系统的元数据
DataNode 负责管理用户的文件数据块
文件会按照固定的大小（blocksize）切成若干块后分布式存储在若干台datanode上
每一个文件块可以有多个副本，并存放在不同的datanode上
Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量
HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行

3.2. HDFS写数据流程

3.2.1. 概述

　　客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block的副本

3.2.2. 详细步骤图

3.3. HDFS读数据流程

3.3.1. 概述

　　客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件

3.3.2. 详细步骤图

4. NAMENODE工作机制　　

　　理解namenode的工作机制尤其是元数据管理机制，以增强对HDFS工作原理的理解，及培养hadoop集群运营中“性能调优”、“namenode”故障问题的分析解决能力

4.1. NAMENODE职责

NAMENODE职责：

　　负责客户端请求的响应

　　元数据的管理（查询，修改）

4.2. 元数据管理

namenode对数据的管理采用了三种存储形式：

　　内存元数据(NameSystem)

　　磁盘元数据镜像文件

　　数据操作日志文件（可通过日志运算出元数据）

4.2.1. 元数据存储机制

　　A、内存中有一份完整的元数据(内存meta data)

　　B、磁盘有一个“准完整”的元数据镜像（fsimage）文件(在namenode的工作目录中)

　　C、用于衔接内存metadata和持久化元数据镜像fsimage之间的操作日志（edits文件）

　　　　注：当客户端对hdfs中的文件进行新增或者修改操作，操作记录首先被记入edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存meta.data中

4.2.2. 元数据手动查看

可以通过hdfs的一个工具来查看edits中的信息
bin/hdfs oev -i edits -o edits.xml
bin/hdfs oiv -i fsimage_0000000000000000087 -p XML -o fsimage.xml

4.2.3. 元数据的checkpoint

　　每隔一段时间，会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地，并加载到内存进行merge（这个过程称为checkpoint）

checkpoint的详细过程如下：

checkpoint操作的触发条件配置参数：

1 dfs.namenode.checkpoint.check.period=60  #检查触发条件是否满足的频率，60秒
2 dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary
3 #以上两个参数做checkpoint操作时，secondary namenode的本地工作目录
4 dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}
5 
6 dfs.namenode.checkpoint.max-retries=3  #最大重试次数
7 dfs.namenode.checkpoint.period=3600  #两次checkpoint之间的时间间隔3600秒
8 dfs.namenode.checkpoint.txns=1000000 #两次checkpoint之间最大的操作记录

checkpoint的附带作用：

　　namenode和secondary namenode的工作目录存储结构完全相同，所以，当namenode故障退出需要重新恢复时，可以从secondary namenode的工作目录中将fsimage拷贝到namenode的工作目录，以恢复namenode的元数据

4.2.4. 元数据目录说明

　　在第一次部署好Hadoop集群的时候，我们需要在NameNode（NN）节点上格式化磁盘：

$HADOOP_HOME/bin/hdfs namenode -format

　格式化完成之后，将会在$dfs.namenode.name.dir/current目录下如下的文件结构

current/
|-- VERSION
|-- edits_*
|-- fsimage_0000000000008547077
|-- fsimage_0000000000008547077.md5
`-- seen_txid

　其中的dfs.name.dir是在hdfs-site.xml文件中配置的，默认值如下：

<property>
  <name>dfs.name.dir</name>
  <value>file://${hadoop.tmp.dir}/dfs/name</value>
</property>

hadoop.tmp.dir是在core-site.xml中配置的，默认值如下
<property>
  <name>hadoop.tmp.dir</name>
  <value>/app/hadoop/tmp</value>
  <description>A base for other temporary directories.</description>
</property>

dfs.namenode.name.dir属性可以配置多个目录，

如file://${hadoop.tmp.dir}/dfs/name,file://${hadoop.tmp.dir}/dfs/name1,file://${hadoop.tmp.dir}/dfs/name2,....。各个目录存储的文件结构和内容都完全一样，相当于备份，这样做的好处是当其中一个目录损坏了，也不会影响到Hadoop的元数据，特别是当其中一个目录是NFS（网络文件系统Network File System，NFS）之上，即使你这台机器损坏了，元数据也得到保存。

　　下面对$dfs.namenode.name.dir/current/目录下的文件进行解释。
1、VERSION文件是Java属性文件，内容大致如下：

1 #Mon Jun 18 10:40:00 CST 2018
2 namespaceID=41528730
3 clusterID=CID-72e356f5-7723-4960-885a-72e522e19be1
4 cTime=0
5 storageType=NAME_NODE
6 blockpoolID=BP-925531343-10.0.0.11-1528537498201
7 layoutVersion=-63

其中
　　（1）、namespaceID是文件系统的唯一标识符，在文件系统首次格式化之后生成的；
　　（2）、storageType说明这个文件存储的是什么进程的数据结构信息（如果是DataNode，storageType=DATA_NODE）；
　　（3）、cTime表示NameNode存储时间的创建时间，由于我的NameNode没有更新过，所以这里的记录值为0，以后对NameNode升级之后，cTime将会记录更新时间戳；
　　（4）、layoutVersion表示HDFS永久性数据结构的版本信息，只要数据结构变更，版本号也要递减，此时的HDFS也需要升级，否则磁盘仍旧是使用旧版本的数据结构，这会导致新版本的NameNode无法使用；
　　（5）、blockpoolID：是针对每一个Namespace所对应的blockpool的ID，上面的这个BP-925531343-10.0.0.11-1528537498201就是在我的ns1的namespace下的存储块池的ID，这个ID包括了其对应的NameNode节点的ip地址。
　　（6）、clusterID是系统生成或手动指定的集群ID，在-clusterid选项中可以使用它；如下说明

a、使用如下命令格式化一个Namenode：
$HADOOP_HOME/bin/hdfs namenode -format [-clusterId <cluster_id>]
选择一个唯一的cluster_id，并且这个cluster_id不能与环境中其他集群有冲突。如果没有提供cluster_id，则会自动生成一个唯一的ClusterID。
b、使用如下命令格式化其他Namenode：
 $HADOOP_HOME/bin/hdfs namenode -format -clusterId <cluster_id>
c、升级集群至最新版本。在升级过程中需要提供一个ClusterID，例如：
$HADOOP_PREFIX_HOME/bin/hdfs start namenode --config $HADOOP_CONF_DIR  -upgrade -clusterId <cluster_ID>
如果没有提供ClusterID，则会自动生成一个ClusterID。

2、$dfs.namenode.name.dir/current/seen_txid非常重要，是存放transactionId的文件，format之后是0，它代表的是namenode里面的edits_*文件的尾数，namenode重启的时候，会按照seen_txid的数字，循序从edits_xxxxxxxxxx~跑到seen_txid的数字。其中xxxxxxxxxx来源于fsimage_(xxxxxxxxxx-1)；

比如下面的信息显示：namenode重启时，首先加载fsimage_0000000000000002587，而seen_txid的值为2590，所以之后会加载edits_0000000000000002588-0000000000000002589和edits_inprogress_0000000000000002590。

 1 [yun@mini01 current]$ pwd
 2 /app/hadoop/tmp/dfs/name/current
 3 [yun@mini01 current]$ ll -h
 4 total 19M
 5 -rw-rw-r-- 1 yun yun 1.0M Jun  9 17:55 edits_0000000000000000001-0000000000000000001
 6 -rw-rw-r-- 1 yun yun 1.0M Jun  9 20:13 edits_0000000000000000002-0000000000000000002
 7 ………………
 8 -rw-rw-r-- 1 yun yun   42 Jun 18 14:41 edits_0000000000000002585-0000000000000002586
 9 -rw-rw-r-- 1 yun yun 1.0M Jun 18 14:41 edits_0000000000000002587-0000000000000002587
10 -rw-rw-r-- 1 yun yun   42 Jun 18 15:17 edits_0000000000000002588-0000000000000002589
11 -rw-rw-r-- 1 yun yun 1.0M Jun 18 15:17 edits_inprogress_0000000000000002590
12 -rw-rw-r-- 1 yun yun  30K Jun 18 15:16 fsimage_0000000000000002587
13 -rw-rw-r-- 1 yun yun   62 Jun 18 15:16 fsimage_0000000000000002587.md5
14 -rw-rw-r-- 1 yun yun    5 Jun 18 15:17 seen_txid
15 -rw-rw-r-- 1 yun yun  199 Jun 18 15:16 VERSION
16 [yun@mini01 current]$ cat seen_txid 
17 2590

3、$dfs.namenode.name.dir/current目录下在format的同时也会生成fsimage和edits文件，及其对应的md5校验文件。

补充：seen_txid

文件中记录的是edits滚动的序号，每次重启namenode时，namenode就知道要将哪些edits进行加载edits

5. DATANODE的工作机制

5.1. 概述

1、Datanode工作职责：

　　存储管理用户的文件块数据

　　定期向namenode汇报自身所持有的block信息（通过心跳信息上报）

　　（这点很重要，因为，当集群中发生某些block副本失效时，集群如何恢复block初始副本数量的问题）

1 <property>
2     <name>dfs.blockreport.intervalMsec</name>
3     <value>3600000</value>
4     <description>Determines block reporting interval in milliseconds.</description>
5 </property>

2、Datanode掉线判断时限参数

　　datanode进程死亡或者网络故障造成datanode无法与namenode通信，namenode不会立即把该节点判定为死亡，要经过一段时间，这段时间暂称作超时时长。HDFS默认的超时时长为10分钟+30秒。如果定义超时时间为timeout，则超时时长的计算公式为：

timeout = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。

而默认的heartbeat.recheck.interval 大小为5分钟，dfs.heartbeat.interval默认为3秒。

需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒，dfs.heartbeat.interval的单位为秒。所以，举个例子，如果heartbeat.recheck.interval设置为5000（毫秒），dfs.heartbeat.interval设置为3（秒，默认），则总的超时时间为40秒。

1 <property>
2         <name>heartbeat.recheck.interval</name>
3         <value>2000</value>
4 </property>
5 <property>
6         <name>dfs.heartbeat.interval</name>
7         <value>1</value>
8 </property>

5.2. 观察验证DATANODE功能

　　上传一个文件，观察文件的block具体的物理存放情况：

1 ### 在每一台datanode机器上的这个目录中能找到文件的切块：
2 [yun@mini04 finalized]$ pwd
3 /app/hadoop/tmp/dfs/data/current/BP-925531343-10.0.0.11-1528537498201/current/finalized

Hadoop 2.7.6_03_HDFS原理