一、HDFS概述

3.3.1版本官方文档：https://hadoop.apache.org/docs/r3.3.1/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html
其它版本官方文档：https://hadoop.apache.org/docs/

1. HDFS产出背景及定义

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。

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。

2. HDFS优缺点

1）HDFS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。

  • 某一个副本丢失以后，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。

2）HDFS缺点

• 不适合低延时数据访问，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（150B）。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（追加），不支持文件的随机修改。

3. HDFS组成架构

1、NameNode（nn）：就是 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;
• 处理客户端读写请求。

2、DataNode：就是Slave。NameNode 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.

3、 Client：就是客户端。

• 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 NameNode 格式化;
• Client 可以通过一些命令来访问 HDFS ，比如对 HDFS 增删查改操作;

4、 Secondary NameNode：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.

4. HDFS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/3.x 版本中是128M ， 1.x 版本中是 64M。

集群中的 block，寻址时间为传输时间的 1% 时，则为最佳状态。

简单的计算：如果寻址时间约为 10ms，即查找到目标 block 的时间为 10ms 时，传输时间=10ms/0.01=1000ms=1s。而目前磁盘的传输速率普遍为 100MB/s。所以 block大小=1s*10MB/s=100MB，1024 的倍数即 128M

为什么块的大小不能设置太小，也不能设置太大?

• 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。

二、HDFS的shell操作

1. 基本语法

两种语法格式是完全相同的

hadoop fs 具体命令
hdfs dfs 具体命令

-help：输出这个命令的具体参数

$ hadoop fs -help rm

2. 命令大全

1）上传

hadoop fs 上传命令 本地文件或文件夹 hadoop目录

命令	说明	示例
-moveFromLocal	从本地剪切粘贴到HDFS	hadoop fs -moveFromLocal ./shuguo.txt /sanguo
-copyFromLocal	从本地文件系统中拷贝文件到HDFS路径去	hadoop fs -copyFromLocal weiguo.txt /sanguo
-put	等同于copyFromLocal，生产环境更习惯用put	hadoop fs -put ./wuguo.txt /sanguo
-appendToFile	追加一个文件到已经存在的文件末尾	hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt

2）下载

命令	说明	示例
-copyToLocal	从HDFS拷贝到本地	hadoop fs -copyToLocal /sanguo/shuguo.txt ./
-get	等同于copyToLocal，生产环境更习惯用get	hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt

3）HDFS直接操作

命令	说明	示例
-help	输出某个命令的参数	hadoop fs -help rm
-ls	显示目录信息	hadoop fs -ls /sanguo
-cat	显示文件内容	hadoop fs -cat /sanguo/shuguo.txt
-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 /sanguo/shuguo.txt hadoop fs -chown atguigu:atguigu /sanguo/shuguo.txt
-mkdir	创建路径	hadoop fs -mkdir /jinguo
-cp	从HDFS的一个路径拷贝到HDFS的另一个路径	hadoop fs -cp /sanguo/shuguo.txt /jinguo
-mv	在HDFS目录中移动文件	hadoop fs -mv /sanguo/wuguo.txt /jinguo hadoop fs -mv /sanguo/weiguo.txt /jinguo
-tail	显示一个文件的末尾 1kb 的数据	hadoop fs -tail /jinguo/shuguo.txt
-rm	删除文件或文件夹	hadoop fs -rm /sanguo/shuguo.txt
-rm -r	递归删除目录及目录里面内容	hadoop fs -rm -r /sanguo
-du	统计文件夹的大小信息	hadoop fs -du -s -h /jinguo hadoop fs -du -h /jinguo
-setrep	设置HDFS中文件的副本数量 （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。 假如只有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。）	hadoop fs -setrep 10 /jinguo/shuguo.txt

4）举例说明

a. 查看文件大小

$ hadoop fs -du -s /sanguo
20  60  /sanguo
# 说明：20表示文件大小；60表示20*3个副本的总大小；/jinguo表示查看的目录$ hadoop fs -du -h /sanguo
7  21  /sanguo/shuguo.txt
7  21  /sanguo/weiguo.txt
6  18  /sanguo/wuguo.txt

当文件很大时，会分多个 Block 存储：

三、HDFS的API操作

1. Windows 系统客户端环境准备

1. 拷贝 hadoop-3.3.1 到非中文路径（比如d:\），然后配置 HADOOP_HOME=D:\hadoop-3.3.1 环境变量
2. 配置 PATH 环境变量，添加一条：%HADOOP_HOME%\bin
3. 下载 winutils.exe 文件，运行。下载地址：https://github.com/steveloughran/winutils

2. API 操作

1）引入依赖

<dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-client</artifactId><version>3.3.1</version>
</dependency>
<dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.12</version>
</dependency>

2）操作流程

public class HdfsClient {@Testpublic void testMkdirs() throws IOException, URISyntaxException, InterruptedException {// 1 获取文件系统，并配置参数Configuration configuration = new Configuration();configuration.set("dfs.replication", "2");FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "root");// 2 操作HDFSfs.mkdirs(new Path("/xiyou/huaguoshan/"));// 3 关闭资源fs.close();}
}

3）参数优先级

参数优先级排序，优先级从高到低依次是：

1. 客户端代码中设置的值

   Configuration configuration = new Configuration();
   //设置文件副本数
   configuration.set("dfs.replication", "2");
   

2. ClassPath 下的用户自定义配置文件
   

3. 然后是服务器的自定义配置（xxx-site.xml）

4. 服务器的默认配置（xxx-default.xml）

4）常用操作API

import lombok.SneakyThrows;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.apache.hadoop.fs.permission.FsAction;
import org.apache.hadoop.fs.permission.FsPermission;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;import java.io.IOException;
import java.net.URI;
import java.util.Arrays;public class HDFSClient {private FileSystem fs;@Beforepublic void init() throws Exception {// 1 获取文件系统Configuration configuration = new Configuration();configuration.set("dfs.replication", "2");fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "root");}@Afterpublic void close() throws IOException {// 3 关闭资源fs.close();}@Test@SneakyThrowspublic void testMkdir() {/*** 创建目录* f: 目录路径* permission: 权限*/fs.mkdirs(new Path("/test"), new FsPermission(FsAction.ALL, FsAction.READ, FsAction.READ));/*** 上传文件* delSrc: 是否删除原文件* overwrite: 是否覆盖hadoop上的同名文件* src: 源文件路径* dst: hadoop上路径*/fs.copyFromLocalFile(false, false, new Path("/aaa.txt"), new Path("/test/"));/*** 下载文件* delSrc: 是否删除原文件* src: 源文件路径* dst: hadoop上路径* useRawLocalFileSystem: 是否进行文件检验*/fs.copyToLocalFile(false, new Path("/test"), new Path("/"), false);/*** 移动/重命名* src: 源文件路径* dst: 目标路径*/fs.rename(new Path("/test/aaa.txt"), new Path("/test/bbb.txt"));/*** 删除* f: 路径* recursive: 是否递归*/fs.delete(new Path("/test/aaa.txt"), true);/*** 获取文件迭代器* f: 路径* recursive: 是否递归*/RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);while (listFiles.hasNext()) {LocatedFileStatus fileStatus = listFiles.next();System.out.println("========" + fileStatus.getPath() + "=========");//路径System.out.println(fileStatus.getPermission());//权限System.out.println(fileStatus.getOwner());//所有者System.out.println(fileStatus.getGroup());//组System.out.println(fileStatus.getLen());//文件大小System.out.println(fileStatus.getModificationTime());//修改时间System.out.println(fileStatus.getReplication());//副本数System.out.println(fileStatus.getBlockSize());//Block 大小System.out.println(fileStatus.getPath().getName());//文件名BlockLocation[] blockLocations = fileStatus.getBlockLocations();// 获取块信息System.out.println(Arrays.toString(blockLocations));fileStatus.isDirectory();//判断是否是目录fileStatus.isFile();//判断是否是文件}}
}

四、HDFS读写数据流程

1. HDFS写数据流程

1. 客户端通过 Distributed FileSystem 模块向 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。
2. NameNode 返回是否可以上传。
3. 客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。
4. NameNode 返回 3 个 DataNode 节点，分别为 dn1、dn2、dn3。
5. 客户端通过 FSDataOutputStream 模块请求 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。
6. dn1、dn2、dn3逐级应答客户端
7. 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（由多个 chunk 组成） 为单位，dn1收到一个 Packet 就会传给dn2，dn2 传给 dn3；dn1 每传一个 packet 会放入一个应答队列等待应答。
8. 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）。

2. 网络拓扑-节点距离计算

在HDFS写数据的过程中，NameNode 会选择距离待上传数据最近距离的 DataNode 接收数据。那么这个最近距离怎么计算呢？

节点距离：两个节点到达最近的共同祖先的距离总和。

例如，假设有数据中心d1机架r1中的节点n1。该节点可以表示为 /d1/r1/n1。利用这种标记，这里给出四种距离描述。

3. 机架感知（副本存储节点选择）

1. 第一个副本在 Client 所处的节点上。如果客户端在集群外，随机选一个。
2. 第二个副本在另一个机架的随机一个节点
3. 第三个副本在第二个副本所在机架的随机节点
   

源码说明：Hadoop 源码中 BlockPlacementPolicyDefault.chooseTargetInOrder() 方法

4. HDFS读数据流程

1. 客户端通过 DistributedFileSystem 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。
2. 挑选一台 DataNode（就近原则，然后随机）服务器，请求读取数据。
3. DataNode 开始传输数据给客户端（从磁盘里面读取数据输入流，以 Packet 为单位来做校验）。
4. 客户端以 Packet 为单位接收，先在本地缓存，然后写入目标文件。

五、NameNode和SecondaryNameNode

1. NN 和 2NN 工作机制

思考：NameNode中的元数据是存储在哪里的？
首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。
这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦NameNode节点断电，就会产生数据丢失。因此，引入Edits文件（只进行追加操作，效率很高）。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits中。这样，一旦 NameNode 节点断电，可以通过FsImage和Edits的合并，合成元数据。
但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行 FsImage 和 Edits 的合并，如果这个操作由 NameNode 节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于 FsImage 和 Edits 的合并。

1）第一阶段：NameNode 启动

1. 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，直接加载镜像文件和编辑文件到内存。
2. 客户端对元数据进行增删改的请求。
3. NameNode 记录操作日志，更新滚动日志。
4. NameNode 在内存中对元数据进行增删改。

2）第二阶段：Secondary NameNode 工作

1. Secondary NameNode 询问 NameNode 是否需要 CheckPoint。直接带回 NameNode 是否检查结果。
2. Secondary NameNode 请求执行 CheckPoint。
3. NameNode 滚动正在写的 Edits 日志。将原来的 edits_inprogress_001 更名为 edits_001，新的操作日志会记录到 edits_inprogress_002 文件中
4. 将滚动前的编辑日志和镜像文件拷贝到 Secondary NameNode。
5. Secondary NameNode 加载编辑日志和镜像文件到内存，并合并。
6. 生成新的镜像文件 fsimage.chkpoint。
7. 拷贝 fsimage.chkpoint 到 NameNode。
8. NameNode 将 fsimage.chkpoint 重新命名成 fsimage。

2. Fsimage和Edits解析

NameNode 被格式化之后，将在 $HADOOP_HOME/data/dfs/name/current/ （data 目录为配置文件 $HADOOP_HOME/etc/hadoop/core-side.xml 文件中参数 hadoop.tmp.dir 配置的目录）目录中产生如下文件

-rw-r--r--. 1 root root      42 10月 26 19:55 edits_0000000000000000399-0000000000000000400
-rw-r--r--. 1 root root      42 10月 26 20:55 edits_0000000000000000401-0000000000000000402
-rw-r--r--. 1 root root 1048576 10月 26 20:55 edits_inprogress_0000000000000000403
-rw-r--r--. 1 root root    3627 10月 26 19:55 fsimage_0000000000000000400
-rw-r--r--. 1 root root      62 10月 26 19:55 fsimage_0000000000000000400.md5
-rw-r--r--. 1 root root    3627 10月 26 20:55 fsimage_0000000000000000402
-rw-r--r--. 1 root root      62 10月 26 20:55 fsimage_0000000000000000402.md5
-rw-r--r--. 1 root root       4 10月 26 20:55 seen_txid
-rw-r--r--. 1 root root     216 10月 24 15:25 VERSION

1. Fsimage 文件：HDFS 文件系统元数据的一个永久性的检查点，其中包含 HDFS 文件系统的所有目录和文件 inode 的序列化信息。
2. Edits 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。
3. seen_txid 文件：保存的是一个数字，就是最后一个edits_ 的数字，上面的例子中保存的是 403
4. VERSION 文件：保存了集群的信息，nn 和 2nn 中保存的数据相同
5. 每次 NameNode 启动的时候都会将 Fsimage 文件读入内存，加载 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 启动的时候就将 Fsimage 和 Edits 文件进行了合并。

1）oiv查看Fsimage文件

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

举例：

$ pwd
/usr/local/hadoop-3.3.1/data/dfs/name/current
$ hdfs oiv -p XML -i fsimage_0000000000000000404 -o fsimage.xml
$ fsimage.xml

2）oev查看Edits文件

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

案例：

$ hdfs oev -p XML -i edits_0000000000000000403-0000000000000000404 -o edits.xml
$ cat edits.xml

3. SecondaryNameNode 设置

1. 通常情况下，SecondaryNameNode 每隔一小时执行一次同步。

   <!--hdfs-default.xml-->
   <property><name>dfs.namenode.checkpoint.period</name><value>3600s</value>
   </property>
   

2. 一分钟检查一次操作次数，当操作次数达到1百万时，SecondaryNameNode 执行一次同步。

   <!--hdfs-default.xml-->
   <property><name>dfs.namenode.checkpoint.txns</name><value>1000000</value><description>操作动作次数</description>
   </property><property><name>dfs.namenode.checkpoint.check.period</name><value>60s</value><description> 1分钟检查一次操作次数</description>
   </property>
   

六、DataNode

1. 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（6小时）的向 NameNode 上报所有的块信息。
   DN 向 NN 汇报当前解读信息的时间间隔，默认6小时；

   <property><name>dfs.blockreport.intervalMsec</name><value>21600000</value><description>Determines block reporting interval in milliseconds.</description>
   </property>
   

   DN 扫描自己节点块信息列表的时间，默认6小时

   <property><name>dfs.datanode.directoryscan.interval</name><value>21600s</value><description>Interval in seconds for Datanode to scan data directories and reconcile the difference between blocks in memory and on the disk.Support multiple time unit suffix(case insensitive), as describedin dfs.heartbeat.interval.</description>
   </property>
   

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。（详见6.3）

4. 集群运行中可以安全加入和退出一些机器。

2. 数据完整性

1. 当 DataNode 读取 Block 的时候，它会计算 CheckSum。
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. 常见的校验算法 crc（32），md5（128），sha1（160）
5. DataNode 在其文件创建后周期验证 CheckSum。

crc 循环冗余校验在线网址：http://www.ip33.com/crc.html

3. 掉线时限参数设置

1. DataNode 进程死亡或者网络故障造成 DataNode 无法与 NameNode 通信

2. 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。

3. HDFS 默认的超时时长为 10分钟 + 30秒

4. 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
   

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>