hadoop之HDFS进阶

#大数据 #hadoop #hdfs
本文链接：https://blog.csdn.net/m0_49956154/article/details/134466843
概述

分布式存储:一台计算机无法进行存储,则由多台计算机来存储,分布式存储最早是由谷歌提出的，其目的是通过廉价的服务器来提供利用与大规模，高并发场景下的 Web 访问题目。
它采取可扩展的系统结构，利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，它不但进步了系统的可靠性、可用性和存取服从，还易于扩展。
HDFS的机制

副本机制: 为了保证数据安全和服从,block块信息存储多个副本,第一副本生存在客户端所在服务器,第二副本生存在和第一副本不同机架服务器上,第三副本生存在和第二副本相同机架不同服务器
负载平衡机制: namenode为了保证不同的datanode中block块信息大体一样,分配存储使命的时候会优先生存在余量比力大的datanaode上
心跳机制: datanode每隔3秒钟向namenode汇报自己的状态信息,如果某个时候,datanode连续10次不汇报了(30秒),namenode会认为datanode有大概宕机了,
namenode就会每5分钟(300000毫秒)发送一次确认消息,连续2次没有收到回复,就认定datanode此时肯定宕机了(确认datanode宕机总时间3*10+5*2*60=630秒)
元数据简介

元数据:为了形貌数据的数据
元数据: 内存元数据 和 文件元数据 两种分别在内存和磁盘上；
内存元数据: namnode运行过程中产生的元数据会先生存在内存中，再生存到文件元数据中。
优点: 由于内存处置惩罚数据的速度要比磁盘快。  
缺点: 内存一断电，数据全部丢失。
文件元数据: Edits 编辑日志文件和fsimage 镜像文件
Edits编辑日志文件: 存放的是Hadoop文件系统的所有更改操作（文件创建，删除或修改）的日志，文件系统客户端实行的更改操作首先会被记录到edits文件中
Fsimage镜像文件: 是元数据的一个持久化的检查点，包含Hadoop文件系统中的所有目次和文件元数据信息，但不包含文件块位置的信息。
文件块位置信息只存储在内存中，是在 datanode参加集群的时候，namenode询问datanode得到的，并且不间断的更新。
元数据存储

元数据存储流程: namenode 生成了多个edits文件和一个fsimage文件
![[元数据存储流程.png]]
edits和fsimage文件

edits文件会被合并到fsimage中,这个合并由SecondaryNamenode来操作.
namenode管理元数据: 基于edits和FSImage的配合，完成整个文件系统文件的管理。每次对HDFS的操作，均被edits文件记录, edits达到大小上限后，开启新的edits记录,定期进行edits的合并操作
    如当前没有fsimage文件，  将全部edits合并为第一个fsimage文件
    如当前已存在fsimage文件，将全部edits和已存在的fsimage进行合并，形成新的fsimage
edits编辑文件: 记录hdfs每次操作(namenode接收处置惩罚的每次客户端请求)
    fsimage镜像文件: 记录某一个时间节点前的当前文件系统全部文件的状态和信息(namenode所管理的文件系统的一个镜像)
SecondaryNameNode辅助NameNode的方式:

SecondaryNameNode辅助合并元数据: SecondaryNameNode会定期从NameNode拉取数据（edits和fsimage）然后合并完成后提供给NameNode利用。
    对于元数据的合并，是一个定时过程，基于两个条件：(也叫checkpoint)
    dfs.namenode.checkpoint.period:默认3600（秒）即1小时
    dfs.namenode.checkpoint.txns: 默认1000000，即100W次事务
    dfs.namenode.checkpoint.check.period: 检查是否达到上述两个条件，默认60秒检查一次，只要有一个达到条件就实行拉取合并
HDFS的存储原理

写入数据

原理: 发送写入请求,获取主节点同意,开始写入,写入完成
1.客户端发起写入数据的请求给namenode
2.namenode接收到客户端请求,开始校验(是否有权限,路径是否存在,文件是否存在等),如果校验没题目,就告知客户端可以写入
3.客户端收到消息,开始把文件数据分割成默认的128m大小的的block块,并且把block块数据拆分成64kb的packet数据包,放入传输序列
4.客户端携带block块信息再次向namenode发送请求,获取能够存储block块数据的datanode列表
5.namenode检察当前距离上传位置较近且不忙的datanode,放入列表中返回给客户端
6.客户端毗连datanode,开始发送packet数据包,第一个datanode接收完后就给客户端ack应答(客户端就可以传入下一个packet数据包),同时第一个datanode开始复制刚才接收到的数据包给node2,node2接收到数据包也复制给node3(复制成功也必要返回ack应答),最终建立了pipeline传输通道以及ack应答通道
7.其他packet数据根据第一个packet数据包经过的传输通道和应答通道,循环传入packet,直到当前block块数据传输完成(存储了block信息的datanode必要把已经存储的块信息定期的同步给namenode)
8.其他block块数据存储,循环实行上述4-7步,直到所有block块传输完成,意味着文件数据被写入成功(namenode把该文件的元数据生存上)
9.最后客户端和namenode相互确认文件数据已经生存完成(也会汇报不能利用的datanode)
读取数据

原理:发送读取请求,获取主节点同意,开始读取,读取完成
1.客户端发送读取文件请求给namenode
2.namdnode接收到请求,然后进行一系列校验(路径是否存在,文件是否存在,是否有权限等),如果没有题目,就告知可以读取
3.客户端必要再次和namenode确认当前文件在哪些datanode中存储
4.namenode检察当前距离下载位置较近且不忙的datanode,放入列表中返回给客户端
5.客户端找到近来的datanode开始读取文件对应的block块信息(每次传输是以64kb的packet数据包),放到内存缓冲区中
6.接着读取其他block块信息,循环上述3-5步,直到所有block块读取完毕(根据块编号拼接成完备数据)
7.最后从内存缓冲区把数据通过流写入到目标文件中
8.最后客户端和namenode相互确认文件数据已经读取完成(也会汇报不能利用的datanode)
序列化-本地到内存
反序列化 - 内存到本地
HDFS安全机制

   #检察安全模式状态:
[root@node1 /]# hdfs dfsadmin -safemode get  
Safe mode is OFF
#开启安全模式:
[root@node1 /]# hdfs dfsadmin -safemode enter
Safe mode is ON
#退出安全模式:
[root@node1 /]# hdfs dfsadmin -safemode leave
Safe mode is OFF
  开启后在网页端上传文件会提示:
Couldn’t upload the file car.txt.
    首页也会进行提示
Summary
Security is off
Safe mode is ON. It was turned on manually. Use “hdfs dfsadnnin-safemode leave” to turn safe mode off.
414 files and directories, 231 blocks (231 replicated blocks, 0 eerasure coded block groups) = 645 total filesystem object(s)
Heap Memory used 256.42 MB of 500 MB Heap Memory. Max Heap Mlemory is 1.69 GB.
…
  HDFS的安全机制

安全模式:不答应HDFS客户端进行任何修改文件的操作,包括上传文件,删除文件,重命名,创建文件夹,修改副本数等操作

1. 查看安全模式状态:
2. [root@node1 /]# hdfs dfsadmin -safemode get
3. Safe mode is OFF
4. 开启安全模式:
5. [root@node1 /]# hdfs dfsadmin -safemode enter
6. Safe mode is ON
8. 因为开启了安全模式,所以不能上传文件...
9. Couldn't upload the file 1.txt.
11. 退出安全模式:
12. [root@node1 /]# hdfs dfsadmin -safemode leave
13. Safe mode is OFF

复制代码

HDFS归档机制

归档原因: 每个小文件单独存放到hdfs中(占用一个block块),那么hdfs就必要依次存储每个小文件的元数据信息,相对来说浪费资源
归档格式: hadoop archive -archiveName 归档名.har -p 原始文件的目次 归档文件的存储目次
   

  [root@node1 ~]# hadoop archive -archiveName bigdata_group7.har -p /input /
结果

  

  HDFS垃圾桶机制

设置了垃圾桶机制利益: 文件不会立刻消失,可以去垃圾桶里把文件恢复,继续利用

1. 在虚拟机中命令删除默认是永久删除
2. [root@nodel hadoop]# hdfs dfs -rm /binzi/hello. txt
3. Deleted /binzi/hello.txt
5. 在虚拟机中需要手动设置才能使用垃圾桶回收:把删除的内容放到:/user/root/.Trash/Current/
6. 先关闭服务:在nodel中执行stop-all.sh
7. 再修改文件core-site.xml 进入/export/server/hadoop-3.33.0/etc/hadoop目录下进行修改
8. <property>
9. <name>fs.trash. interval</name>
10. <value>1440</value>
11. </property>
12. 其中,1440表示1440分钟,也就是24小时,一天的时间。
14. 设置了垃圾桶机制好处:文件不会立刻消失,可以去垃圾桶里把文件恢复,继续使用
15. [root@node3 etc]# hdfs dfs -rm /binzi/hello.txt
16. [root@node3 etc]# hdfs dfs -mv /user/root/.Trash/Current/binzi/hello.txt /

复制代码

在hdfs的网页里删除就是永久删除
在linux内里长途命令删除,就会放到接纳站里
   在捏造机中rm命令删除文件，默认是永久删除
在捏造机中必要手动设置才气利用垃圾桶接纳:
把删除的内容放到: /user/root/.Trash/Current/
先关闭服务： 在 node1 中实行 stop-all.sh
新版本不关闭服务也没有题目
再修改文件 core-site.xml
进入/export/server/hadoop-3.3.0/etc/hadoop目次下进行修改:

1. <property>
2. <name>fs.trash.interval</name>
3. <value>1440</value>
4. </property>

复制代码

1. # 没有开启垃圾桶效果
2. [root@node1 hadoop]# hdfs dfs -rm /binzi/hello.txt
3. Deleted /binzi/hello.tx
4. # 开启垃圾桶
5. [root@node1 ~\]#cd /export/server/hadoop-3.3.0/etc/hadoop
6. [root@node1 hadoop\]# vim core-site.xml
7. # 注意: 放到<configuration>内容</configuration>中间
8. <property>
9.     <name>fs.trash.interval</name>
10.     <value>1440</value>
11. </property>
13. # 开启垃圾桶效果
14. [root@node1 hadoop]# hdfs dfs -rm -r /test1.har
15. 2023-05-24 15:07:33,470 INFO fs.TrashPolicyDefault: Moved: 'hdfs://node1.itcast.cn:8020/test1.har' to trash at: hdfs://node1.itcast.cn:8020/user/root/.Trash/Current/test1.har
17. # 开启垃圾桶后并没有真正删除,还可以恢复
18. [root@node1 hadoop]# hdfs dfs -mv /user/root/.Trash/Current/test1.har  /

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。