HDFS学习笔记(1)初探HDFS
Hadoop分布式文件系统(Hadoop Distributed File System, HDFS)
分布式文件系统是一种同意文件通过网络在多台主机上分享的文件系统。可让多机器上的多用户分享文件和存储空间。
hdfs仅仅是当中一种。适用于一次写入、多次查询的情况。不支持并发写情况。小文件不合适。
2.HDFS架构
HDFS採用master/slave架构。一个HDFS集群是由一个Namenode和一定数目的Datanodes组成。Namenode是一个中心server,负责管理文件系统的名字空间(namespace)以及client对文件的訪问。
集群中的Datanode通常是一个节点一个,负责管理它所在节点上的存储。HDFS暴露了文件系统的名字空间。用户可以以文件的形式在上面存储数据。从内部看,一个文件事实上被分成一个或多个数据块,这些块存储在一组Datanode上。Namenode运行文件系统的名字空间操作,比方打开、关闭、重命名文件或文件夹。它也负责确定数据块到详细Datanode节点的映射。Datanode负责处理文件系统client的读写请求。在Namenode的统一调度下进行数据块的创建、删除和复制。
NameNode
- 是整个文件系统的管理节点。
它维护着整个文件系统的文件文件夹树,文件/文件夹的元信息和每个文件相应的数据块列表。
接收用户的操作请求。
- 文件包括: (详细查看 dfs.name.dir文件夹)
- fsimage: 元数据镜像文件。
存储某一时段NameNode内存元数据信息。
- edits: 操作日志文件。
- fstime: 保存近期一次checkpoint的时间
- fsimage: 元数据镜像文件。
- 以上这些文件是保存在linux的文件系统中。
DataNode
- 提供真实文件数据的存储服务。
- 文件块(block):最主要的存储单位。对于文件内容而言,一个文件的长度大小是size。那么从文件的0偏移開始,依照固定的大小,顺序对文件进行划分并编号,划分好的每个块称一个Block。HDFS默认Block大小是128MB。以一个512MB文件,共同拥有4个Block.
- 不同于普通文件系统的是,HDFS中。假设一个文件小于一个数据块的大小,并不占用整个数据块存储空间
- Replication。多副本。默认是三个。
SecondaryNameNode
- HA(High Availability 高可用性)的一个解决方式。
但不支持热备。
配置就可以。
- 运行过程:从NameNode上下载元数据信息(fsimage,edits)。然后把二者合并。生成新的fsimage。在本地保存,并将其推送到NameNode,同一时候重置NameNode的edits.
- 默认在安装在NameNode节点上,但这样…不安全!
HDFS读过程
1.初始化FileSystem。然后client(client)用FileSystem的open()函数打开文件
2.FileSystem用RPC调用元数据节点。得到文件的数据块信息。对于每个数据块,元数据节点返回保存数据块的数据节点的地址。
3.FileSystem返回FSDataInputStream给client。用来读取数据。client调用stream的read()函数開始读取数据。
4.DFSInputStream连接保存此文件第一个数据块的近期的数据节点。data从数据节点读到client(client)
5.当此数据块读取完成时。DFSInputStream关闭和此数据节点的连接,然后连接此文件下一个数据块的近期的数据节点。
6.当client读取完成数据的时候,调用FSDataInputStream的close函数。
7.在读取数据的过程中。假设client在与数据节点通信出现错误,则尝试连接包括此数据块的下一个数据节点。
8.失败的数据节点将被记录。以后不再连接。
HDFS写过程
1.初始化FileSystem,client调用create()来创建文件
2.FileSystem用RPC调用元数据节点,在文件系统的命名空间中创建一个新的文件。元数据节点首先确定文件原来不存在。而且client有创建文件的权限,然后创建新文件。
3.FileSystem返回DFSOutputStream。client用于写数据,client開始写入数据。
4.DFSOutputStream将数据分成块,写入data queue。
data queue由Data Streamer读取。并通知元数据节点分配数据节点。用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点。第二个数据节点将数据发送给第三个数据节点。
5.DFSOutputStream为发出去的数据块保存了ack queue,等待pipeline中的数据节点告知数据已经写入成功。
6.当client结束写入数据,则调用stream的close函数。此操作将全部的数据块写入pipeline中的数据节点,并等待ack queue返回成功。最后通知元数据节点写入完成。
7.假设数据节点在写入的过程中失败,关闭pipeline,将ack queue中的数据块放入data queue的開始,当前的数据块在已经写入的数据节点中被元数据节点赋予新的标示,则错误节点重新启动后可以察觉其数据块是过时的,会被删除。失败的数据节点从pipeline中移除,另外的数据块则写入pipeline中的另外两个数据节点。元数据节点则被通知此数据块是复制块数不足,将来会再创建第三份备份。
官方文档
相关文章
- django笔记整理
- js笔记——js里var与变量提升
- 《Go学习笔记 . 雨痕》方法
- update与select混合使用场景笔记
- python基础笔记-列表
- CCNA2.0笔记_OSPF v2
- RestfulApi 学习笔记——简单介绍(一)
- 《从零开始学Swift》学习笔记(Day 39)——构造函数重载
- RHCE 学习笔记(20) ACL
- 机器学习笔记 - 使用自己收集的图片以及前馈神经网络,进行图像分类训练
- 机器学习笔记 - 时间序列使用机器学习进行预测
- 机器学习笔记 - 杂记二
- 数学建模学习笔记(四)层次分析法(AHP)
- SAP Fiori Elements 学习笔记 - 2021年4月19日
- Atittit HDFS hadoop 大数据文件系统java使用总结 目录 1. 操作系统,进行操作1 2. Hdfs 类似nfs ftp远程分布式文件服务2 3. 启动hdfs服务start
- 【SpringMVC笔记05】SpringMVC中的视图解析器
- iOS学习笔记---简单的学习总结
- 2机器学习实践笔记(k-最近邻)
- JAVA学习笔记 -- JDBC及其应用
- Linux入门-教学视频学习笔记
- Python学习笔记(五)——list和tuple
- PyTorch学习笔记(四):PyTorch基础实战
- Vue学习笔记之Vue中的路由使用
- BlockChain:《区块链世界简明生存指南(一块听听)》2017-06-06 李笑来—听课笔记分享(2)
- 【ORACLE性能分析和优化思路学习笔记02:什么时候需要对性能进行干预】
- 高等数值计算方法学习笔记第5章【解线性方程组的直接方法(低维稠密矩阵)】
- 【黑马程序员新版Linux学习笔记】Linux 小技巧快捷键