HDFS文件系统
标签（空格分隔）： HDFS
在此输入正文#HDFS概念
1.1概念
HDFS，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 其功能集群中的服务器有各自的角色
&emps; HDFS的设计适合一次写入，多次读出的场景，且不支持文件的修改。适合用来数据分析，并不适合用来做网盘
1.2组成
- HDFS集群包括NameNode、DataNode，Secondary NameNode
- NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息
- DataNode负责管理用户的文件数据块，每一个数据块都可以在多个datanode上存储多个副本
- Secondary NameNode 用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照
1.3HDFS文件块大小
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
HDFS 的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置得足够大，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。因而，传输一个由多个块组成的
文件的时间取决于磁盘传输速率。
如果寻址时间约为 10ms，而传输速率为100MB/s，为了使寻址时间仅占传输时间的 1%，我们要将块大小设置约为 100MB。默认的块大小 128MB。
块的大小：10ms100100M/s = 100M
HDFS 命令行操作
-
基本语法
bin/hadoop fs command -
常用命令实操
- -help：输出这个命令参数
bin/hdfs dfs -help rm- -ls: 显示目录信息
hadoop fs -ls /- -mkdir：在 hdfs 上创建目录
hadoop fs -mkdir -p /aaa/bbb/cc/dd4.-moveFromLocal 从本地剪切粘贴到 hdfs
hadoop fs - moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd5.-moveToLocal：从 hdfs 剪切粘贴到本地（尚未实现）
hadoop fs -help moveToLocal -moveToLocal <src> <localdst> : Not implemented yet- --appendToFile ：追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile ./hello.txt /hello.txt- -cat ：显示文件内容
- -tail：显示一个文件的末尾
hadoop fs -tail /weblog/access_log.19.-chgrp 、-chmod、-chown：linux 文件系统中的用法一样，修改文件所属权限
hadoop fs -chmod 666 /hello.txt hadoop fs -chown someuser:somegrp /hello.txt10.-copyFromLocal：从本地文件系统中拷贝文件到 hdfs 路径去
hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/- -copyToLocal：从 hdfs 拷贝到本地
hadoop fs -copyToLocal /user/hello.txt ./hello.txt- -cp ：从 hdfs 的一个路径拷贝到 hdfs 的另一个路径
hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2- -mv：在 hdfs 目录中移动文件
hadoop fs -mv /aaa/jdk.tar.gz /- -get：等同于 copyToLocal，就是从 hdfs 下载文件到本地
hadoop fs -get /user/hello.txt ./- -getmerge ：合并下载多个文件，比如 hdfs 的目录 /aaa/下有多个文件:log.1,log.2,log.3,...
hadoop fs -getmerge /aaa/log.* ./log.sum- -put：等同于 copyFromLocal
hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2- -rm：删除文件或文件夹
hadoop fs -rm -r /aaa/bbb/- -rmdir：删除空目录
hadoop fs -rmdir /aaa/bbb/ccc- -df ：统计文件系统的可用空间信息
hadoop fs -df -h /- -du 统计文件夹的大小信息
hadoop fs -du -s -h /user/atguigu/wcinput- -count：统计一个指定目录下的文件节点数量
hadoop fs -count /aaa/ 1 2 197657784 /user/atguigu/wcinput- -setrep：设置 hdfs 中文件的副本数量
hadoop fs -setrep 3 /aaa/jdk.tar.gz
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
HDFS的数据流
HDFS写数据流程
剖析文件写入
- 客户端向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
- 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
- n成mamenode返回3个datanode节点，分别是dn1,dn2,dn3
- 客户端请求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pakcet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）
HDFS读数据流程
- 客户端向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放入流，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
NameNode工作机制
NameNode 和 Secondary NameNode 工作机制
- 第一阶段：NameNode启动
a. 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
b. 客户端对元数据进行增删改的请求
c. namenode 记录操作日志，更新滚动日志
d. namenode 在内存中对数据进行增删改查 - 第二阶段：Secondary NameNode 工作
a. Secondary NameNode 询问 NameNode 是否需要 checkpoint.直接带回 NameNode 是否检查结果
b. Secondary NameNode 请求执行 checkpoint
c. NameNode 滚动正在写的 edits 日志
d. 将滚动前编辑日志和镜像文件拷贝到 Secondary NameNode
e. Secondary NameNode 加载 编辑日志 和 镜像文件 到内存，然后合并
f. 生成新的镜像文件 fsimage.chkpoint
g. 拷贝 fsimage.chkpoint 到 NameNode
h. NameNode 将 fsimage.chkpoint 重新命名成 fsimage - web 端访问 Secondary NameNode
a. 启动集群
b. 浏览器输入：http://[Secondary NameNode ip]:50090/status.html
c. 查看Secondary NameNode 信息 - chkpoint 检查时间参数设置
a.通常情况下，SecondaryNameNode 每隔一小时执行一次。
[hdfs-default.xml]
<propery>
<name>dfs.namenode.checkpoint.period</name>
<value>3600</value>
</propery>
b. 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。
<propery>
<name>dfs.namenode.checkpoint.txns</name>
<value>1000000</value>
<description>操作动作次数</description>
</propery>
<propery>
<name>dfs.namenode.checkpoint.period</name>
<value>60</value>
<description>一分钟检查一次操作次数</description>
</propery>
镜像文件和编辑日志文件
概念
- namenode被格式化之后，将在
/opt/module/hadoop-2.7.2/data/tmp/dfs/name/current目录中产生如下文件
[root@centos7-hadoop01 current]# ls
edits_0000000000000000001-0000000000000000008
edits_inprogress_0000000000000000009
fsimage_0000000000000000000
fsimage_0000000000000000000.md5
fsimage_0000000000000000008
fsimage_0000000000000000008.md5
seen_txid
VERSION
a. fsimage 文件： HDFS 文件系统元数据的一个永久性检查点，其中包含 HDFS 文件系统的所有目录和文件 idnode的序列化信息
b. edit 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
c. seen_txid 文件保存的是一个数字，就是最后一个 edits_ 的数字
d 每次 Namenode 启动的时，都会将 fsimage 文件读入内存，并从 00001 开始到 seen_txid 中记录的数字依次执行每个 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启动的时候将 fsimage 和 edits 文件进行了合并
镜像文件属于文件索引，编辑日志记录的是用户操作.文件索引通过执行用户操作的步骤，生成新的文件索引
- oiv 查看 fsimage 文件
a. 查看oiv 和 oev 命令
hdfs | egrep "oiv|oev"
oev apply the offline edits viewer to an
oiv apply the offline fsimage viewer to an
b. 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
c. 案例实操
hdfs oiv -p XML -i fsimage_0000000000000000000 -o /root/test.xml cat /root/test.xml
将显示的 xml 文件内容拷贝，并格式化
格式化后的xml文件内容
<?xml version="1.0" encoding="utf-8"?>
<fsimage>
<version>
<layoutVersion>-65</layoutVersion>
<onDiskVersion>1</onDiskVersion>
<oivRevision>e97acb3bd8f3befd27418996fa5d4b50bf2e17bf</oivRevision>
</version>
<NameSection>
<namespaceId>1336307126</namespaceId>
<genstampV1>1000</genstampV1>
<genstampV2>1000</genstampV2>
<genstampV1Limit>0</genstampV1Limit>
<lastAllocatedBlockId>1073741824</lastAllocatedBlockId>
<txid>0</txid>
</NameSection>
<ErasureCodingSection>
<erasureCodingPolicy>
<policyId>5</policyId>
<policyName>RS-10-4-1024k</policyName>
<cellSize>1048576</cellSize>
<policyState>DISABLED</policyState>
<ecSchema>
<codecName>rs</codecName>
<dataUnits>10</dataUnits>
<parityUnits>4</parityUnits>
</ecSchema>
</erasureCodingPolicy>
<erasureCodingPolicy>
<policyId>2</policyId>
<policyName>RS-3-2-1024k</policyName>
<cellSize>1048576</cellSize>
<policyState>DISABLED</policyState>
<ecSchema>
<codecName>rs</codecName>
<dataUnits>3</dataUnits>
<parityUnits>2</parityUnits>
</ecSchema>
</erasureCodingPolicy>
<erasureCodingPolicy>
<policyId>1</policyId>
<policyName>RS-6-3-1024k</policyName>
<cellSize>1048576</cellSize>
<policyState>ENABLED</policyState>
<ecSchema>
<codecName>rs</codecName>
<dataUnits>6</dataUnits>
<parityUnits>3</parityUnits>
</ecSchema>
</erasureCodingPolicy>
<erasureCodingPolicy>
<policyId>3</policyId>
<policyName>RS-LEGACY-6-3-1024k</policyName>
<cellSize>1048576</cellSize>
<policyState>DISABLED</policyState>
<ecSchema>
<codecName>rs-legacy</codecName>
<dataUnits>6</dataUnits>
<parityUnits>3</parityUnits>
</ecSchema>
</erasureCodingPolicy>
<erasureCodingPolicy>
<policyId>4</policyId>
<policyName>XOR-2-1-1024k</policyName>
<cellSize>1048576</cellSize>
<policyState>DISABLED</policyState>
<ecSchema>
<codecName>xor</codecName>
<dataUnits>2</dataUnits>
<parityUnits>1</parityUnits>
</ecSchema>
</erasureCodingPolicy>
</ErasureCodingSection>
<INodeSection>
<lastInodeId>16385</lastInodeId>
<numInodes>1</numInodes>
<inode>
<id>16385</id>
<type>DIRECTORY</type>
<name/>
<mtime>0</mtime>
<permission>hadoop:supergroup:0755</permission>
<nsquota>9223372036854775807</nsquota>
<dsquota>-1</dsquota>
</inode>
</INodeSection>
<INodeReferenceSection/>
<SnapshotSection>
<snapshotCounter>0</snapshotCounter>
<numSnapshots>0</numSnapshots>
</SnapshotSection>
<INodeDirectorySection/>
<FileUnderConstructionSection/>
<SecretManagerSection>
<currentId>0</currentId>
<tokenSequenceNumber>0</tokenSequenceNumber>
<numDelegationKeys>0</numDelegationKeys>
<numTokens>0</numTokens>
</SecretManagerSection>
<CacheManagerSection>
<nextDirectiveId>1</nextDirectiveId>
<numDirectives>0</numDirectives>
<numPools>0</numPools>
</CacheManagerSection>
</fsimage>
- oev 查看 edit 文件
a. 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
b. 实例实操
hdfs oev -p XML -i edits_0000000000000000001-0000000000000000008 -o /root/test.xml
cat /root/test.xml
test.xml 内容如下
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<EDITS>
<EDITS_VERSION>-65</EDITS_VERSION>
<RECORD>
<OPCODE>OP_START_LOG_SEGMENT</OPCODE>
<DATA>
<TXID>1</TXID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_MKDIR</OPCODE>
<DATA>
<TXID>2</TXID>
<LENGTH>0</LENGTH>
<INODEID>16386</INODEID>
<PATH>/shz</PATH>
<TIMESTAMP>1554082459134</TIMESTAMP>
<PERMISSION_STATUS>
<USERNAME>root</USERNAME>
<GROUPNAME>supergroup</GROUPNAME>
<MODE>493</MODE>
</PERMISSION_STATUS>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_ADD</OPCODE>
<DATA>
<TXID>3</TXID>
<LENGTH>0</LENGTH>
<INODEID>16387</INODEID>
<PATH>/shz/hosts._COPYING_</PATH>
<REPLICATION>1</REPLICATION>
<MTIME>1554082478581</MTIME>
<ATIME>1554082478581</ATIME>
<BLOCKSIZE>134217728</BLOCKSIZE>
<CLIENT_NAME>DFSClient_NONMAPREDUCE_-179889968_1</CLIENT_NAME>
<CLIENT_MACHINE>192.168.148.13</CLIENT_MACHINE>
<OVERWRITE>true</OVERWRITE>
<PERMISSION_STATUS>
<USERNAME>root</USERNAME>
<GROUPNAME>supergroup</GROUPNAME>
<MODE>420</MODE>
</PERMISSION_STATUS>
<ERASURE_CODING_POLICY_ID>0</ERASURE_CODING_POLICY_ID>
<RPC_CLIENTID>56126321-d4ef-4249-9e59-cb5882a6b7cb</RPC_CLIENTID>
<RPC_CALLID>3</RPC_CALLID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE>
<DATA>
<TXID>4</TXID>
<BLOCK_ID>1073741825</BLOCK_ID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_SET_GENSTAMP_V2</OPCODE>
<DATA>
<TXID>5</TXID>
<GENSTAMPV2>1001</GENSTAMPV2>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_ADD_BLOCK</OPCODE>
<DATA>
<TXID>6</TXID>
<PATH>/shz/hosts._COPYING_</PATH>
<BLOCK>
<BLOCK_ID>1073741825</BLOCK_ID>
<NUM_BYTES>0</NUM_BYTES>
<GENSTAMP>1001</GENSTAMP>
</BLOCK>
<RPC_CLIENTID/>
<RPC_CALLID>-2</RPC_CALLID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_CLOSE</OPCODE>
<DATA>
<TXID>7</TXID>
<LENGTH>0</LENGTH>
<INODEID>0</INODEID>
<PATH>/shz/hosts._COPYING_</PATH>
<REPLICATION>1</REPLICATION>
<MTIME>1554082479727</MTIME>
<ATIME>1554082478581</ATIME>
<BLOCKSIZE>134217728</BLOCKSIZE>
<CLIENT_NAME/>
<CLIENT_MACHINE/>
<OVERWRITE>false</OVERWRITE>
<BLOCK>
<BLOCK_ID>1073741825</BLOCK_ID>
<NUM_BYTES>254</NUM_BYTES>
<GENSTAMP>1001</GENSTAMP>
</BLOCK>
<PERMISSION_STATUS>
<USERNAME>root</USERNAME>
<GROUPNAME>supergroup</GROUPNAME>
<MODE>420</MODE>
</PERMISSION_STATUS>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_RENAME_OLD</OPCODE>
<DATA>
<TXID>8</TXID>
<LENGTH>0</LENGTH>
<SRC>/shz/hosts._COPYING_</SRC>
<DST>/shz/hosts</DST>
<TIMESTAMP>1554082479738</TIMESTAMP>
<RPC_CLIENTID>56126321-d4ef-4249-9e59-cb5882a6b7cb</RPC_CLIENTID>
<RPC_CALLID>9</RPC_CALLID>
</DATA>
</RECORD>
</EDITS>
滚动编辑日志
正常情况 HDFS 文件系统有更新操作时，就会滚动编辑日志。也可以用命令强制滚动编辑日志
- 滚动编辑日志（前提必须启动集群）
hdfs dfsamin -rollEdits - 镜像文件什么时候产生
Namenode 启动时加载镜像文件和编辑日志
namenode版本号
- 查看namenode版本号
在/opt/module/hadoop-2.7.2/data/tmp/dfs/name/current这个目录下查看VERSION
#Thu Apr 04 08:58:44 CST 2019
namespaceID=1336307126
clusterID=CID-55b3b72f-262f-40af-85d4-1ca73d577279
cTime=1553849115408
storageType=NAME_NODE
blockpoolID=BP-354758761-192.168.148.13-1553849115408
layoutVersion=-65
a.namespaceID 在 HDFS 上，会有多个Namenode，所以不同Namenode的namespaceID是不同的，分别管理一组blockpoolID
b. clusterID集群id, 全局唯一
c. cTime属性标记了 namenode 存储系统的创建时间，对于刚刚格式化的存储系统，这个属性为0;但是在文件系统升级之后，该值会更新到新的时间戳
d. storageType 属性说明该存储目录包含的是 namenode 数据结构
e. blockpoolID:一个block pool id 标识一个block pool ，并且跨集群的全局唯一。当一个新的Namespace 被创建的时候（format过程的一部分）会创建并持久化一个唯一ID.在创建过程构建全局唯一的BlockPoolID比人为的配置更可靠一些。NN将BlockPoolID持久化到磁盘中，在后续的启动过程中，全再次load并使用
f. layoutVersion 是一个负整数。通常只有HDFS增加新特性时才会更新这个版本号
SecondaryNameNode 目录结构
Secondary NameNode 用来监控 HDFS 状态的辅助后台程序，每隔一段时间获取 HDFS 元数据的快照
在 /opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/current 这 个 目 录 中 查 看 SecondaryNameNode 目录结构。
edits_0000000000000000009-0000000000000000010
edits_0000000000000000011-0000000000000000012
edits_0000000000000000013-0000000000000000014
edits_0000000000000000015-0000000000000000016
edits_0000000000000000017-0000000000000000018
edits_0000000000000000019-0000000000000000020
fsimage_0000000000000000018
fsimage_0000000000000000018.md5
fsimage_0000000000000000020
fsimage_0000000000000000020.md5
VERSION
SecondaryNameNode 的 namesecondary/current 目录和主 namenode 的 current 目录的布局相同。
好处：在主 namenode 发生故障时（假设没有及时备份数据），可以从 SecondaryNameNode 恢复数据。
方法一：将 SecondaryNameNode 中数据拷贝到 namenode 存储数据的目录；
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。
-
案例实操(一)：
模拟 namenode 故障，并采用方法一，恢复namenode数据- kill -9 namenode 进程
- 删除namenode存储的数据（/opt/module/hadoop-2.7.2/data/tmp/dfs/name）
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
cp -R /opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* /opt/module/hadoop-2.7.2/data/tmp/dfs/name/
4. 重新启动namenode
sbin/hadoop-daemon.sh start namenode -
案例实操（二）：
模拟 namenode 故障，并采用方法二，恢复 namenode 数据- 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>
2. kill -9 namenode 进程
3.删除namenode 存储的数据（/opt/module/hadoop-2.7.2/data/tmp/dfs/name）
`rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*`
4. 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。
5. 导入检查点数据（等待一会 ctrl+c 结束掉）
`bin/hdfs namenode -importCheckpoint`
6. 启动namenode
`sbin/hadoop-daemon.sh start namenode`
7. 如果提示文件锁了，可以删除 in_use.lock
`rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/in_use.lock`
集群案例模式操作
- 概述
Namenode启动时，首先将映像文件(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。但是此刻,namenode运行在案例模式，即namenode的文件系统对于客户端来说是只读的
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。
如果满足“最小副本条件”，namenode 会在 30 秒钟之后就退出安全模式。所谓的最小副 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.min=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
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。
（1） bin/hdfs dfsadmin -safemode get （功能描述：查看安全模式状态）
（2） bin/hdfs dfsadmin -safemode enter （功能描述：进入安全模式状态）
（3） bin/hdfs dfsadmin -safemode leave （功能描述：离开安全模式状态）
（4） bin/hdfs dfsadmin -safemode wait （功能描述：等待安全模式状态）
3. 案例
模拟等待安全模式
1. 先进入安全模式
bin/hdfs dfsadmin -safemode enter
2. 执行下面的脚本
编辑一个脚本
#!/bin/bash
bin/hdfs dfsadmin -safemode wait
bin/hdfs dfs -put ~/hello.txt /root/hello.txt
3. 再打开一个窗口，执行
`bin/hdfs dfsadmin -safemode leave`
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：hdfs-site.xml
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///${hadoop.tmp.dir}/dfs/name1,file:///${hadoop.tmp.dir}/dfs/name2</value>
</property>
DataNode 工作机制
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，块数据的校验和，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
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
掉线时限参数设置
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 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval
而默认的 dfs.namenode.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。
<property>
<name>dfs.namenode.heartbeat.recheck-interval</name>
<value>300000</value>
</property>
<property>
<name> dfs.heartbeat.interval </name>
<value>3</value>
</property>
Datanode的目录结构
和 namenode不同的是，datanode的存储目录是初始阶段自动创建的，不需要额外格式化。
- 在/opt/module/hadoop-2.7.2/data/tmp/dfs/data/current这个目录下查看版本号
# cat VERSION
namespaceID=1336307126
clusterID=CID-55b3b72f-262f-40af-85d4-1ca73d577279
cTime=1553849115408
storageType=NAME_NODE
blockpoolID=BP-354758761-192.168.148.13-1553849115408
layoutVersion=-65
- 具体解释
- storageID：存储 id 号
- clusterID 集群 id，全局唯一
- cTime 属性标记了 datanode存储系统的创建时间，对于刚刚格式化的存储系统，这个属性为0；但是在文件系统升级之后，该值会更新到新的时间戳。
- datanodeUuid：datanode 的唯一识别码
- storageType：存储类型
- layoutVersion 是一个负整数。通常只有 HDFS 增加新特性时才会更新这个版
本号。
cd /opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-354758761-192.168.148.13-1553849115408/current/并查看该数据块的版本号
# cat VERSION
#Mon Apr 08 08:38:07 CST 2019
namespaceID=1336307126
cTime=1553849115408
blockpoolID=BP-354758761-192.168.148.13-1553849115408
layoutVersion=-57
- 具体解释
- namespaceID：是 datanode 首次访问 namenode 的时候从 namenode 处获取的storageID 对每个 datanode 来说是唯一的（但对于单个 datanode 中所有存储目录来说则是相同的），namenode 可用这个属性来区分不同 datanode。
- cTime 属性标记了datanode存储系统的创建时间，对于刚刚格式化的存储系统，这个属性为0；但是在文件系统升级之后，该值会更新到新的时间戳
- blockpoolID：一个 block pool id 标识一个blockpool，并且是跨集群的全局唯一。当一个新的 Namespace 被创建的时候(format 过程的一部分)会创建并持久化一个唯一 ID。在创建过程构建全局唯一的 BlockPoolID 比人为的配置更可靠一些。NN 将BlockPoolID 持久化到磁盘中，在后续的启动过程中，会再次 load 并使用
- layoutVersion 是一个负整数。通常只有 HDFS 增加新特性时才会更新这个版本号
服役新数据节点
- 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
a. 克隆一台虚拟机
b. 修改 ip 地址和主机名称
c. 修改xcall 和 xsync 文件，增加新增节点的同步 ssh
d. 删除原来HDFS 文件系统留存的文件/opt/module/hadoop-2.7.2/data
2. 服役新节点具体步骤
a. 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（包含新服役的节点）
hadoop102
hadoop103
hadoop104
hadoop105
```
b. 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>
```
c. 刷新namenode
```
hdfs dfsadmin -refreshNodes
#Refresh nodes successful
```
d. 更新 resourcemanager 节点
```
yarn rmadmin -refreshNodes
17/06/24 14:17:11 INFO client.RMProxy: Connecting to ResourceManager at
hadoop103/192.168.1.103:8033
```
e. 在 namenode 的 slaves 文件中增加新主机名称
```
# 增加 105 不需要分发
hadoop102
hadoop103
hadoop104
hadoop105
```
f. 单独命令启动新的数据节点和节点管理器
```
sbin/hadoop-daemon.sh start datanode
sbin/yarn-daemon.sh start nodemanager
```
g. 在 web 浏览器上检查是否 ok
3. 如果数据不均衡，可以用命令实现集群的再平衡
```
./start-balancer.sh
```
退役旧数据节点
- 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
yarn rmadmin -refreshNodes
-
检查 web 浏览器，退役节点的状态为
decommission in progress（退役中），说明数据节点正在复制块到其他节点 -
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
-
从 include 文件中删除退役节点，再运行刷新节点的命令
a. 从 namenode 的 dfs.hosts 文件中删除退役节点 hadoop105
b. 刷新namenode，刷新 resourcemanagerhdfs dfsadmin -refreshNodes yarn rmadmin -refreshNodes -
从 namenode 的 slave 文件中删除退役节点hadoop105
-
如果数据不均衡，可以用命令实现集群的再平衡
sbin/start-balancer.sh
Datanode 多目录配置
- 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
- 具体配置如下：
hdfs-site.xml
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>
</property>
HDFS 其他功能
集群间数据拷贝
- scp 实现两个远程主机之间的文件复制
scp -r hello.txt root@hadoop103:/user/atguigu/hello.txt // 推 push
scp -r root@hadoop103:/user/atguigu/hello.txt hello.txt // 拉 pull
scp -r root@hadoop103:/user/atguigu/hello.txt root@hadoop104:/user/atguigu
//是通过本地主机中转实现两个远程主机的文件复制；如果在两个远程主机之间 ssh 没有配置的情况下可以使用该方式
- 采用 discp 命令实现两个 hadoop 集群之间的递归数据复制
bin/hadoop distcp hdfs://haoop102:9000/user/atguigu/hello.txt
hdfs://hadoop103:9000/user/atguigu/hello.txt
Hadoop 存档
- 理论概述
每个文件均按块存储，每个块的元数据存储在 namenode的内存中，因此 hadoop 存储小文件会非常低效。因为大量的小文件会耗尽namenode中的大部分内存。但注意，存储小文件所需要的磁盘容量和存储这些文件原始内容所需要的磁盘空间相比也不会增多.例如， 一个1MB 的文件以大小为 128MB 的块存储，使用的是 1MB 的磁盘空间，而不是 128MB
Hadoop 存档文件或HAR文件，是一个更高效的文件存档工具，它将文件存入 HDFS块，在减少namenode内存使用的同时，允许对文件进行透明的访问。具体说来，Hadoop存档文件可以用作MapReduce 的输入
2. 案例实操
1. 需要启动 yarn 进程
start-yarn.sh
2. 归档文件
归档成一个叫做 xxx.har 的文件夹，该文件夹下有相应的数据文件。Xx.har 目录是一个整体，该目录看成是一个归档文件即可
bin/hadoop archive -archiveName myhar.har -p /user/atguigu /user/my
3. 查看归档
hadoop fs -lsr /user/my/myhar.har hadoop fs -lsr har:///myhar.har
4. 解归档文件
hadoop fs -cp har:/// user/my/myhar.har /* /user/atguigu
快照管理
快照相当于对目录做一个备份。并不会立即复制所有文件，而是指向同一个文件。当写入发生时，才会产生新文件
-
基本语法
- hdfs dfsadmin -allowSnapshot 路径 （功能描述：开启指定目录的快照功能）
- hdfs dfsadmin -disallowSnapshot 路径 （功能描述：禁用指定目录的快照功能，默认是禁用）
- hdfs dfs -createSnapshot 路径 （功能描述：对目录创建快照）
- hdfs dfs -createSnapshot 路径 名称 （功能描述：指定名称创建快照）
- hdfs dfs -renameSnapshot 路径 旧名称 新名称 （功能描述：重命名快照）
- hdfs lsSnapshottableDir （功能描述：列出当前用户所有可快照目录）
- hdfs snapshotDiff 路径 1 路径 2 （功能描述：比较两个快照目录的不同之处）
- hdfs dfs -deleteSnapshot
（功能描述：删除快照）
-
案例实操
- 开启/禁用指定目录的快照功能
hdfs dfsadmin -allowSnapshot /user/atguigu/data hdfs dfsadmin -disallowSnapshot /user/atguigu/data- 对目录创建快照
#对目录创建快照 hdfs dfs -createSnapshot /user/atguigu/data
通过 web 访问 hdfs://hadoop102:9000/user/atguigu/data/.snapshot/s…..// 快照和源文件使用相同数据块
hdfs dfs -lsr /user/atguigu/data/.snapshot/
3. 指定名称创建快照
hdfs dfs -createSnapshot /user/atguigu/data miao170508
4. 重命名快照
hdfs dfs -renameSnapshot /user/atguigu/data/ miao170508 atguigu170508
5. 列出当前用户所有可快照目录
hdfs lsSnapshottableDir
6. 比较两个快照目录的不同之处
hdfs snapshotDiff /user/atguigu/data/ . .snapshot/atguigu170508
7. 恢复快照
hdfs dfs -cp /user/atguigu/input/.snapshot/s20170708-134303.027 /user
回收站
- 默认回收站
默认值 fs.trash.interval=0，0表示禁用回收站，可以设置删除文件的存活时间
默认值 fs.trash.checkpoint.interval=0，检查回收站的间隔时间
要求 fs.trash.checkpoint.interval<=fs.trash.interval
2. 启用回收站
修改 core-site.xml，配置垃圾回收时间为 1 分钟。
<property>
<name>fs.trash.interval</name>
<value>1</value>
</property>
- 查看回收站
回收站在集群中的；路径：/user/atguigu/.Trash/…. - 修改访问垃圾回收站用户名称
进入垃圾回收站用户名称，默认是 dr.who，修改为 atguigu 用户
[core-site.xml]
<property>
<name>hadoop.http.staticuser.user</name>
<value>atguigu</value>
</property>
- 通过程序删除的文件不会经过回收站，需要调用moveToTrash()才进入回收站
Trash trash = New Trash(conf);
trash.moveToTrash(path);
- 恢复回收站数据
hadoop fs -mv /user/atguigu/.Trash/Current/user/atguigu/input /user/atguigu/input - 清空回收站
hdfs dfs -expunge
浙公网安备 33010602011771号