HDFS 运行原理

超、凢脫俗 2022-04-23 13:20 206阅读 0赞

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。

工作原理

写操作：  
![在这里插入图片描述][26162921-2de9d28df9b54fe6a97a6fd88f1cb03f.jpg]

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。

a. Client将FileA按64M分块。分成两块，block1和Block2;

b. Client向nameNode发送写数据请求，如图蓝色虚线①------>。

c. 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。
    
        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。
    
        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。

d. 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。

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：

a. client向namenode发送读请求。

b. namenode查看Metadata信息，返回fileA的block的位置。

block1:host2,host1,host3
    
    block2:host7,host8,host4

c. 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。

HDFS中常用到的命令

1、hadoop fs

*     
    2、hadoop fsadmin
 *     
    3、hadoop fsck

4、[start-balancer.sh][]

[26104230-8109ac513de14fe1b115b775581751f2.jpg]: /images/20220317/22049a37b39d48f8b929bd3ee48738d4.png
[26162921-2de9d28df9b54fe6a97a6fd88f1cb03f.jpg]: /images/20220317/1ce2df46cf9f40cfa91eddc768510495.png
[26163017-fc613879835c402886b75e0593ca52ed.jpg]: /images/20220317/6510807c62614836945e712c872ce8b6.png
[start-balancer.sh]: http://start-balancer.sh

发表评论取消回复

表情：

评论列表（有 0 条评论，206人围观）

还没有评论，来说两句吧...

相关阅读

相关 HDFS运行机制

目录 NameNode DataNode SecondaryNameNode Client HDFS文件上传 HDFS文件下载 ----------------

快来打我*/ 2023年01月17日 08:55/ 0 赞/ 20 阅读

相关【Hadoop】HDFS的运行原理

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 F

古城微笑少年丶/ 2022年07月15日 05:58/ 0 赞/ 189 阅读

相关 HDFS的运行原理,如何实现HDFS的高可用

1 HDFS的运行机制 HDFS集群中的节点分为两种角色，一种角色负责管理整个集群的元数据，是名称节点（name node）；另一种角色负责存储文件数据块和管理文件数据块，是

以你之姓@/ 2022年06月18日 10:27/ 0 赞/ 477 阅读

相关 HDFS的运行基本原理

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 F

超、凢脫俗/ 2022年06月06日 09:28/ 0 赞/ 199 阅读

相关 Hadoop HDFS原理

1 HDFS的运行机制 HDFS集群中的节点分为两种角色，一种角色负责管理整个集群的元数据，是名称节点（name node）；另一种角色负责存储文件数据块和管理文件数据块，是

向右看齐/ 2022年06月06日 02:21/ 0 赞/ 323 阅读

相关 Hadoop HDFS的运行原理

简介 HDFS（Hadoop Ditributed File Syste）是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 F

迈不过友情╰/ 2022年06月04日 03:17/ 0 赞/ 199 阅读

相关 Hadoop HDFS原理

HDFS 架构 ![http://ov1nop9io.bkt.clouddn.com/hdfs-architecture.png][http_ov1nop9io.bkt.

╰+攻爆jí腚メ/ 2022年06月01日 10:40/ 0 赞/ 214 阅读

相关 HDFS 运行原理

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 F

超、凢脫俗/ 2022年04月23日 13:20/ 0 赞/ 207 阅读

相关【大数据】——HDFS运行原理及使用

一、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

痛定思痛。/ 2022年03月27日 12:47/ 0 赞/ 302 阅读

相关 HDFS原理初探

1. HDFS简介 HDFS:Hadoop Distributed File System(hadoop分布式文件系统) 分布式，感觉好厉害的样子啊，有网络文件系统，

柔情只为你懂/ 2022年03月20日 15:14/ 0 赞/ 222 阅读