HDFS的读写原理

矫情吗；* 2022-03-20 14:28 274阅读 0赞

### 1. 简介 ###

HDFS（Hadoop Distributed File System ）Hadoop分布式文件系统。是根据google发表的论文翻版的。论文为GFS（Google File System）Google 文件系统（中文，英文）。

HDFS有很多特点：

1.  保存多个副本，且提供容错机制，副本丢失或宕机自动恢复。默认存3份。
2.  运行在廉价的机器上。
3.  适合大数据的处理。多大？多小？HDFS默认会将文件分割成block，64M为1个block。然后将block按键值对存储在HDFS上，并将键值对的映射存到内存中。如果小文件太多，那内存的负担会很重。  
    ![在这里插入图片描述][26104230-8109ac513de14fe1b115b775581751f2.jpg]

如上图所示，HDFS也是按照Master和Slave的结构。分`NameNode`、`SecondaryNameNode`、`DataNode`这几个角色。

*  **NameNode：** 是Master节点，是大领导。管理数据块映射；处理客户端的读写请求；配置副本策略；管理HDFS的名称空间；
 *  **SecondaryNameNode：** 是一个小弟，分担大哥namenode的工作量；是NameNode的冷备份；合并fsimage和fsedits然后再发给namenode。
 *  **DataNode：** Slave节点，奴隶，干活的。负责存储client发来的数据块block；执行数据块的读写操作。
 *  **热备份：** b是a的热备份，如果a坏掉。那么b马上运行代替a的工作。
 *  **冷备份：** b是a的冷备份，如果a坏掉。那么b不能马上代替a工作。但是b上存储a的一些信息，减少a坏掉之后的损失。
 *  **fsimage：** 元数据镜像文件（文件系统的目录树。）
 *  **edits：** 元数据的操作日志（针对文件系统做的修改操作记录）

> **`NameNode内存中存储的是=fsimage+edits。`**  
> SecondaryNameNode负责定时默认1小时，从namenode上，获取fsimage和edits来进行合并，然后再发送给namenode。减少namenode的工作量。

### 2. 工作原理 ###

#### 2.1 写操作 ####

![在这里插入图片描述][26162921-2de9d28df9b54fe6a97a6fd88f1cb03f.jpg]  
**前提：**  
有一个文件FileA，100M大小。Client将FileA写入到HDFS上。  
HDFS按默认配置。  
HDFS分布在三个机架上Rack1，Rack2，Rack3。

**文件写入过程：**

1.  Client将FileA按64M分块。分成两块，block1和Block2;
2.  Client向nameNode发送写数据请求，如图蓝色虚线①------>。
3.  NameNode节点，记录block信息。并返回可用的DataNode，如粉色虚线②--------->。
    
        Block1: host2,host1,host3	
        
        Block2: host7,host8,host4
    
    > **原理：**  
    > NameNode具有RackAware机架感知功能，这个可以配置。  
    > （1）若client为DataNode节点，那存储block时，规则为：副本1，同client的节点上；副本2，不同机架节点上；副本3，同第二个副本机架的另一个节点上；其他副本随机挑选。  
    > （2）若client不为DataNode节点，那存储block时，规则为：副本1，随机选择一个节点上；副本2，不同副本1，机架上；副本3，同副本2相同的另一个节点上；其他副本随机挑选。
4.  client向DataNode发送block1；发送过程是以流式写入。
    
    > **流式写入过程：**  
    > 1） 将64M的block1按64k的package划分;  
    > 2） 然后将第一个package发送给host2;  
    > 3） host2接收完后，将第一个package发送给host1，同时client想host2发送第二个package；  
    > 4） host1接收完第一个package后，发送给host3，同时接收host2发来的第二个package。  
    > 5） 以此类推，如图`红线实线`所示，直到将block1发送完毕。  
    > 6） host2,host1,host3向NameNode，host2向Client发送通知，说“消息发送完了”。如图`粉红颜色实线`所示。  
    > 7） client收到host2发来的消息后，向namenode发送消息，说我写完了。这样就真完成了。如图`黄色粗实线`  
    > 8） 发送完block1后，再向host7，host8，host4发送block2，如图`蓝色实线`所示。  
    > 9） 发送完block2后，host7,host8,host4向NameNode，host7向Client发送通知，如图`浅绿色实线`所示。  
    > 10） client向NameNode发送消息，说我写完了，如图`黄色粗实线`。。。这样就完毕了。

**分析**  
通过写过程，我们可以了解到：

1.  写1T文件，我们需要3T的存储，3T的网络流量贷款。
2.  在执行读或写的过程中，NameNode和DataNode通过HeartBeat进行保存通信，确定DataNode活着。如果发现DataNode死掉了，就将死掉的DataNode上的数据，放到其他节点去。读取时，要读其他节点去。
3.  挂掉一个节点，没关系，还有其他节点可以备份；甚至，挂掉某一个机架，也没关系；其他机架上，也有备份。

#### 2.2 读操作 ####

![在这里插入图片描述][26163017-fc613879835c402886b75e0593ca52ed.jpg]

读操作就简单一些了，如图所示，client要从datanode上，读取FileA。而FileA由block1和block2组成。

那么，读操作流程为：

1.  client向namenode发送读请求。
2.  namenode查看Metadata信息，返回fileA的block的位置。
    
        block1:host2,host1,host3
        
        block2:host7,host8,host4
3.  block的位置是有先后顺序的，先读block1，再读block2。而且block1去host2上读取；然后block2，去host7上读取；

上面例子中，client位于机架外，那么如果client位于机架内某个DataNode上，例如,client是host6。那么读取的时候，遵循的规律是：

优选读取本机架上的数据。

### 3. HDFS中常用到的命令 ###

#### 3.1 `hadoop fs` ####

hadoop fs -ls /
    hadoop fs -lsr
    hadoop fs -mkdir /user/hadoop
    hadoop fs -put a.txt /user/hadoop/
    hadoop fs -get /user/hadoop/a.txt /
    hadoop fs -cp src dst
    hadoop fs -mv src dst
    hadoop fs -cat /user/hadoop/a.txt
    hadoop fs -rm /user/hadoop/a.txt
    hadoop fs -rmr /user/hadoop/a.txt
    hadoop fs -text /user/hadoop/a.txt
    hadoop fs -copyFromLocal localsrc dst 与hadoop fs -put功能类似。
    hadoop fs -moveFromLocal localsrc dst 将本地文件上传到hdfs，同时删除本地文件。

#### 3.2 `hadoop fsadmin` ####

hadoop dfsadmin -report
    hadoop dfsadmin -safemode enter | leave | get | wait
    hadoop dfsadmin -setBalancerBandwidth 1000

#### 3.3 `hadoop fsck` ####

#### 3.4 `start-balancer.sh` ####

--------------------

##### 转自：[https://www.cnblogs.com/laov/p/3434917.html][https_www.cnblogs.com_laov_p_3434917.html] #####

[26104230-8109ac513de14fe1b115b775581751f2.jpg]: /images/20220320/93d80e0ffad448af8874805a59fbd4b6.png
[26162921-2de9d28df9b54fe6a97a6fd88f1cb03f.jpg]: /images/20220320/195dbd4ca6cc44ae81b57b2e64241f95.png
[26163017-fc613879835c402886b75e0593ca52ed.jpg]: /images/20220320/4bf1bfd01e7d47adbc3120fa1aa851bc.png
[https_www.cnblogs.com_laov_p_3434917.html]: https://www.cnblogs.com/laov/p/3434917.html

发表评论取消回复

表情：

评论列表（有 0 条评论，274人围观）

还没有评论，来说两句吧...

相关阅读

相关 HDFS文件系统读写原理

在HDFS中，关键的三大角色为：NameNode（命名节点）、DataNode（数据节点）、Client（客户端） Client(客户端)对HDFS中的数据进行读写操作，分别

迈不过友情╰/ 2024年03月27日 14:52/ 0 赞/ 81 阅读

相关 HDFS文件读写原理

Client（客户端）对HDFS中的数据进行读写操作，分别是Client从HDFS中查找数据，即为Read（读）数据；Client从HDFS中存储数据，即为Write（写）数据

逃离我推掉我的手/ 2023年10月07日 16:29/ 0 赞/ 38 阅读

相关 HDFS读写流程介绍，HDFS读数据和写数据的原理是什么？

Client(客户端)对HDFS中的数据进行读写操作，分别是Client从HDFS中查找数据，即为Read(读)[数据][Link 1];Client从HDFS中存储数据，

「爱情、让人受尽委屈。」/ 2022年12月26日 09:21/ 0 赞/ 150 阅读

相关 HDFS读写流程

文章目录 1 读 1.1 Client 访问NN 查询元数据信息 1.2 返回输入流对象(FSData InputStrea

小鱼儿/ 2022年11月27日 12:26/ 0 赞/ 253 阅读

相关 Hadoop-HDFS读写数据流原理分析

HDFS的数据流（原理分析） HDFS写数据流程 ![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-b4lYNapi-162501

水深无声/ 2022年10月11日 06:10/ 0 赞/ 182 阅读

相关 HDFS读写数据的原理

目录 1 概述 2 HDFS写数据流程 3 HDFS读数据流程目录最近由于要准备面试，就把之前学过的东西好

缺乏、安全感/ 2022年06月03日 10:59/ 0 赞/ 429 阅读

相关 HDFS的读写流程

HDFS写流程 ![70][] NameNode负责管理存储在HDFS.上所有文件的元数据，它会确认客户端的请求，并记录下文件的名字和存储这个文件的DataNode

╰+攻爆jí腚メ/ 2022年05月20日 08:43/ 0 赞/ 491 阅读

相关 HDFS的读写原理

1. 简介 HDFS（Hadoop Distributed File System ）Hadoop分布式文件系统。是根据google发表的论文翻版的。论文为GFS（Goo

矫情吗；*/ 2022年03月20日 14:28/ 0 赞/ 275 阅读

相关 HDFS 读写流程

HDFS简介 HDFS全称是Hadoop Distributed System。HDFS是为以流的方式存取大文件而设计的。适用于几百MB，GB以及TB，并写一次读多次的场合。

r囧r小猫/ 2022年03月12日 03:22/ 0 赞/ 292 阅读

相关【大数据面试】HDFS读写原理

[hdfs面试题][hdfs] [MapReduce面试题][MapReduce] [hive面试题][hive] [kafka面试题][kafka] [hba

ゝ一世哀愁。/ 2022年01月16日 15:53/ 0 赞/ 257 阅读