1. DataNode的工作机制
（1）一个数据块在DataNote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。
2. 数据完整性
DataNode节点上的数据坏了，却没有发现，这种情况很危险，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以及损坏了。
3）Client读取其他DataNode上的Block。
4）DataNode在其文件创建后周期验证CheckSum
3.掉线时限参数设置
注意：heartbeat.recheck-interval单位为毫秒。
4.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.环境准备
1、准备新主机，基础环境都准备好（软件安装及配置、环境变量等直接克隆过来，，注意：复制过来的data文件夹和logs文件夹得删除，新的主机免密登录设置好，workers文件添加新主机名）
2、IP地址和主机名设置好（hosts文件）
3、source配置文件
4、启动datanode命令，启动nodemanager命令
思考：这样子是不是太危险了，只要直到集群配置，直接添加新节点，就可以把集群数据备份出来，数据安全性得不到保证。这个问题可以通过白名单解决，具体在之后篇幅中有介绍。
5.退役旧数据节点
5.1添加白名单
添加到白名单得主机节点，才允许访问NameNode，不在白名单的主机节点，都会被退出。（应用场景大多是，搭建集群时，约定好的一些服务器，作用是阻拦其他陌生服务器加入集群）
配置白名单的具体步骤如下：
（1）在NameNode的/hadoop主目录/etc/hadoop目录下创建dfs.hosts文件。文件中添加主机名称如下：
002
003
004（2）在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性
<property>
<name>dfs.hosts</name>
<value>/opt/software/hadoop.3.3.1/etc/hadoop/dfs.hosts</value>
</property>(3)将配置文件hdfs-site.xml分发
xsync hdfs-site.xml(4)刷新NameNode
hdfs dfsadmin -refreshNodes（5）更新ResourceManager节点
yarn rmadmin -refreshNodes5.2黑名单退役节点
黑名单上服务器会强制退出（应用场景是将已加入集群的服务器强制退出去）
1.在NameNode的/hadoop.3.3.1/etc/hadoop目录下创建dfs.hosts.exclude文件
vi dfs.hosts.exclude添加一个主机名
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/software/hadoop.3.3.1/etc/hadoop/dfs.hosts.exclude</value>
</property>3.刷新NameNode、刷新ResourceManager
hdfs dfsadmin -refreshNodes
yarn rmadmin -refreshNodes 注意：刷新时，黑名单节点进入退役过程，在此过程会将此节点的数据备份到其他节点。备份完才会完全退出。
4.退出datanode和nodemanager
hadoop-daemon.sh stop datanodeyarn-daemon.sh stop nodemanager5.如果数据不均衡，可以使用命令让集群数据均衡
start-balancer.sh注意：白名单和黑名单中不允许同时有同一个主机名存在
6.Datanode多目录配置
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.具体配置如下：
hdfs-site.xml
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///${hadoop.tmp.dir}/dir/data1,file:///${hadoop.tmp.dir}/dir/data2</value>
</property>注意：datanode多目录配置与NameNode不一样，namenode是将name文件夹分成完全一样的多个文件夹，datanode并没有将data文件夹数据备份，而只是将data文件分别保存一部分在不同data文件夹下。
申明：此文章内容源于本人听阿里云官网大数据相关免费课程