DataNode工作机制
一、NameNode & 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
1）当DataNode读取block的时候，它会计算checksum校验和
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校验和
三、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> |
四、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。
1）查看版本号
在/opt/module/hadoop-2.8.4/data/dfs/data/current这个目录下查看版本号
[itstar@bigdata111 current]$ cat VERSION
storageID=DS-1b998a1d-71a3-43d5-82dc-c0ff3294921b
clusterID=CID-1f2bf8d1-5ad2-4202-af1c-6713ab381175
cTime=0
datanodeUuid=970b2daf-63b8-4e17-a514-d81741392165
storageType=DATA_NODE
layoutVersion=-56
2）具体解释
（1）storageID：存储id号
（2）clusterID集群id，全局唯一
（3）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。
（4）datanodeUuid：datanode的唯一识别码
（5）storageType：存储类型
（6）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。
3）查看该数据块的版本号
在/opt/module/hadoop-2.8.4/data/dfs/data/current/BP-97847618-192.168.10.102-1493726072779/current这个目录下查看该数据块的版本号
[itstar@bigdata111 current]$ cat VERSION
#Mon May 08 16:30:19 CST 2017
namespaceID=1933630176
cTime=0
blockpoolID=BP-97847618-192.168.10.102-1493726072779
layoutVersion=-56
4）具体解释
（1）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。
（2）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。
（3）blockpoolID：一个block pool id标识一个block pool，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。
（4）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。
五、Datanode多目录配置
1）DN配置多目录概述
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:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value> </property> |
3）实际操练：
配置一个bigdata111-->配置多台111+112+113（可以一下子配多台）
（1）复制粘贴配置的内容到bigdata111的目录：/opt/module/hadoop-2.8.4/etc/hadoop/上。
（2）停止HDFS：stop-dfs.sh
（3）三台同步进入下面目录，并删除data和logs下面的所有文件
/opt/module/hadoop-2.8.4
（4）单独bigdata111格式化：hdfs namenode -format
（5）再启动dfs:start-dfs.sh
（6）三台同步jps查看进程
（7）到目录/opt/module/hadoop-2.8.4/data/dfs 查看
（8）查看输出结果：
bigdata111有文件：data1、data2、name1、name2、namesecondary
bigdata112有文件：data
bigdata113有文件：data
这是因为上面我们只配置了一台bigdata111，这里需要再配置其他两台。
（9）关闭dfs
（10）同步另外两台到：/opt/module/hadoop-2.8.4/etc/hadoop目录下，配置文件。因为另外两台之前也都配置了datanode结点。同样的步骤-复制粘贴即可。
（11）三台同步删除文件data和logs
（12）仅bigdata111格式化:hdfs namenode -format
（13）再启动bigdata111中的dfs
（14）同步查询目录：/opt/module/hadoop-2.8.4/data/dfs下的文件：
bigdata111有文件：data1、data2、name1、name2、namesecondary
bigdata112有文件：data1、data2
bigdata113有文件：data1、data2
注意：datanode不是备份
六、总结
1）格式化是根据配置文件执行的
也就是说：即使这里的bigdata112、bigdata113没有配结点NameNode，在修改文件hdfs-site.xml,进行NameNode多目录配置之后，也会出现name1和name2这两个文件。
2）给bigdata112和bigdata113配置hdfs-site.xml之后没有出现name1和name2
关闭集群--》删除data和logs目录下的所有文件--》三台机器同步-重新格式化--》重新启动--》查看
浙公网安备 33010602011771号