1. HDFS概述

1.1 HDFS产生背景及定义

1.1.1 HDFS产生背景

随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。

1.1.2 HDFS定义

HDFS（Hadoop Distributed File System），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现其功能，集群中的服务器有各自的角色。

HDFS的使用场景：适合一次写入，多次读出的场景。 一个文件经过创建、写入和关闭之后就不需要改变。

HDFS 主要适合去做批量数据出来，相对于数据请求时的反应时间，HDFS 更倾向于保障吞吐量。

1.1.3 HDFS发展史

  1. Doug Cutting 在做 Lucene 的时候, 需要编写一个爬虫服务，这个爬虫写的并不顺利，遇到了一些问题, 诸如：如何存储大规模的数据，如何保证集群的可伸缩性，如何动态容错等。
  2. 2013 年，Google 发布了三篇论文，被称作为三驾马车，其中有一篇叫做 GFS。
  3. GFS 是描述了 Google 内部的一个叫做 GFS 的分布式大规模文件系统，具有强大的可伸缩性和容错性。
  4. Doug Cutting 后来根据 GFS 的论文，创造了一个新的文件系统，叫做 HDFS。

1.2 HDFS优缺点

1.2.1 优点

高容错性：数据自动保存多个副本。它通过增加副本的形式，提高容错性。某一个副本丢失后，它可以自动恢复。

适合处理大数据：

  • 数据规模：能够处理数据规模达到GB、TB甚至PB级别的数据。
  • 文件规模：能够处理百万规模以上的文件数量，数量相当之大。

可构建在廉价机器上：通过多副本机制，提高可靠性。

1.2.2 缺点

  • 不适合处理低延时数据访问：比如毫秒级的存储数据，是做不到的。
  • 无法高效的对大量小文件进行存储：存储大量小文件的话，它会占用 NameNode 大量的内存来存储文件目录和块信息。这样是不可取的，因为 NameNode 的内存总是有限的。小文件存储的寻址时间会超过读取时间，它违反了 HDFS 的设计目标。
  • 不支持并发写入、文件随机修改：一个文件只能有一个写，不允许多个线程同时写。仅支持数据 append，不支持文件的随机修改。

2. HDFS组成架构

2.1 NameNode

Master，它是一个主管、管理者。

  • 管理 HDFS 的名称空间；
  • 配置副本策略；
  • 管理数据块（Block）映射信息；
  • 处理客户端读取请求；

2.2 DataNode

Slave，NameNode赋值下达命令，DataNode执行实际的操作。

  • 存储实际的数据块；
  • 执行数据块的读/写操作；

2.3 Client

客户端。

  • 文件切分。文件上传 HDFS 的时候，Client 将文件切分成一个一个的Block，然后进行上传；
  • 与 NameNode 交互，获取文件的位置信息；
  • 与 DataNode 交互，读取或者写入数据；
  • Client 提供一些命令来管理 HDFS，比如对 NameNode 格式化；
  • Client 可以通过一些命令来访问 HDFS，比如对 HDFS 增删改查操作；

2.4 SecondaryNameNode

并非 NameNode 的热备，当 NameNode 挂掉的时候，它并不能马上替换 NameNode 并提供服务。

  • 辅助 NameNode，分担其工作量，比如定期合并 Fsimage 和 Edits，并推送给 NameNode；
  • 在紧急情况下，可辅助恢复 NameNode；

3. HDFS的重要特性

3.1 主从架构

HDFS 采用 master/slave 架构。一般一个 HDFS 集群是有一个 Namenode 和一定数目的 Datanode 组成。Namenode是HDFS主节点，Datanode是HDFS从节点，两种角色各司其职，共同协调完成分布式的文件存储服务。

hdfs集群运行python脚本 hdfs list_hadoop

（1）NameNode存储：保存文件的元数据（目录树、路径也算）
　　　①基于内存存储：不会和磁盘发生交换
　　　　　NameNode的数据只会在内存中
　　　　　持久化（Namenode基于内存存储，内存是掉电易失的，所以会将内存中的数据持久化到磁盘）
　　　②主要功能：
　　　　　NameNode是保存文件元数据信息的
　　　　　NameNode用来和客户端交互，接收客户端的读写服务
　　　　　收集DataNode汇报上来的block块列表信息
　　　③保存的metadata信息
　　　　　不保存位置信息，是因为需要保证数据一致性（提供百分之百准确的消息）

（2）DataNode：存储块文件，保存文件block数据，向NameNode汇报block块的列表
　　　①存储：
　　　　　本地磁盘目录存储block块的数据，以文件形式
　　　　　存储block块的元数据信息
　　　②功能：
　　　　　向Namenode汇报block块的信息
　　　　　和Namenode通过心跳（3秒一次）保持联系，如果Namenode10分钟没有接收到DataNode的心跳，则认为该DataNode已经lost，Namenode会将该DataNode上的block块复制到其他DataNode上
　　　　　
　（３）关系（HDFSClient、DataNode、NameNode）：
　　　三者的关系：
　　　　　DataNode与NameNode保持心跳，DataNode向NameNode提交block列表；
　　　　　HDFSClient和Namenode交互文件元数据；
　　　　　HDFSClient和DataNode交互文件block数据

3.2 存储模型

存储模型：字节（一个文件就是一个字节数组）
　①block块产生：文件线性切割成block块，偏移量（offset）（byte）
　②block块存储：block分散存储在集群节点中
　③block块大小要求：单一文件block大小一致，文件和文件可以不一致
　④block块副本：block 可以设置副本，副本分散在集群的不同节点上，副本数量不能超过集群节点数量
　⑤关于文件上传：
　　　文件上传可以设置block大小和副本数
　　　已经上传的文件Block副本数可以调整，大小不变
　　　仅支持一次写入多次读取，同一时刻只能有一个写入者
　　　可以append追加数据

3.3 分块机制

HDFS 中的文件在物理上是分块存储（block）的，块的大小可以通过配置参数来规定，参数位于 hdfs-default.xml 中：dfs.blocksize。默认大小在 Hadoop2.x/3.x 是128M（134217728），1.x 版本中是 64M。 

hdfs集群运行python脚本 hdfs list_hdfs集群运行python脚本_02

3.3.1  HDFS文件块大小设置

  • HDFS 的块设置太小，会增加寻址时间，程序一直在找块的开始位置；
  • 如果块设置的太大，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，导致程序在处理这块数据时，会非常慢。

总结：HDFS块的大小设置主要取决于磁盘传输速率。

3.4 副本机制

为了容错，文件的所有 block 都会有副本。每个文件的 block 大小（dfs.blocksize）和副本系数（dfs.replication）都是可配置的。应用程序可以指定某个文件的副本数目。副本系数可以在文件创建的时候指定，也可以在之后通过命令改变。

默认dfs.replication的值是3，也就是会额外再复制 2 份，连同本身总共 3 份副本。

hdfs集群运行python脚本 hdfs list_HDFS_03

3.5 Namespace

HDFS 支持传统的层次型文件组织结构。用户可以创建目录，然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似：用户可以创建、删除、移动或重命名文件。

Namenode 负责维护文件系统的 namespace 名称空间，任何对文件系统名称空间或属性的修改都将被 Namenode 记录下来。

HDFS 会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data。

3.6 元数据管理

在 HDFS 中，NameNode 管理的元数据具有两种类：

  • 文件自身属性信息：文件名称、权限，修改时间，文件大小，复制因子，数据块大小。
  • 文件块位置映射信息：记录文件块和 DataNode 之间的映射信息，即哪个块位于哪个节点上。

3.7 数据块存储

文件的各个 block 的具体存储管理由 DataNode 节点承担。每一个 block 都可以在多个 DataNode 上存储。

hdfs集群运行python脚本 hdfs list_hdfs_04