【Hadoop学习之HDFS】_12HDFS之DataNode

一、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（1小时）的向NameNode上报所有的块信息
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

二、数据完整性

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. DataNode在其文件创建后周期验证CheckSum

三、掉线时限参数设置

如果定义超时时间为TimeOut，则超时时长的计算公式为：

TimeOut = 2 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval

注意：默认的dfs.namenode.heartbeat.recheck-interval 大小为5分钟，dfs.heartbeat.interval默认为3秒，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

<property>
    <name>dfs.namenode.heartbeat.recheck-interval</name>
    <value>300000</value>
</property>
<property>
    <name>dfs.heartbeat.interval</name>
    <value>3</value>
</property>

四、服役新数据节点

0. 需求

   随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。

1. 在原有的节点上克隆一台主机

2. 修改IP地址和主机名称

3. 删除原来的HDFS文件系统留存的文件（data和log文件）

4. 使配置文件生效

   source /etc/profile
   

5. 启动DataNode

   sbin/hadoop-daemon.sh start datanode
   sbin/yarn-daemon.sh start nodemanager
   

6. 如果数据不均衡，可以用命令实现集群的再平衡

   sbin/start-balancer.sh
   

五、退役旧数据节点

（一）设置退役白名单

0. 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

1. 在NameNode的etc/hadoop目录下创建dfs.hosts文件，并添加相应主机名称或地址

2. 在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性

   <property>
   	<name>dfs.hosts</name>
   	<value>文件路径/dfs.hosts</value>
   </property>
   

3. 将以上配置分发给所有主机

（二）设置退役黑名单

0. 在黑名单上面的主机都会被强制退出

1. 在NameNode的etc/hadoop目录下创建dfs.hosts.exclude文件，并添加相应主机名称或地址

2. 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>
   

3. 将以上配置分发给所有主机

4. 刷新NameNode、刷新ResourceManager

   hdfs dfsadmin -refreshNodes
   yarn rmadmin -refreshNodes
   

5. 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

六、DataNode多目录配置（同NameNode配置）

1. DataNode也可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本

2. 在hdfs-site.xml添加如下配置

   <property>
       <name>dfs.datanode.data.dir</name
     	<value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>
   </property>