0


Hadoop:HDFS--分布式文件存储系统

HDFS的基础架构

Hadoop由三个部分组成,分别是HDFS、MapReduce和yarn:

HDFS由三个角色,主角色、从角色、主角色辅助角色:

NameNode:

  • HDFS系统的主角色,是一个独立的进程
  • 负责管理HDFS整个文件系统
  • 负责管理DataNode

SecondaryNameNode:

  • NameNode的辅助,是一个独立进程
  • 主要帮助NameNode完成元数据整理工作

DataNode:

  • HDFS系统的从角色,是一个独立进程
  • 主要负责数据的存储,即存入数据和取出数据

VMware虚拟机部署HDFS集群

第二章-04-[实操]VMware虚拟机部署HDFS集群_哔哩哔哩_bilibili

HDFS集群启停命令


$HADOOP_HOME/sbin/start-dfs.sh,一键启动HDFS集群

执行原理:


在执行此脚本的机器上,启动SecondaryNameNode


读取core-site.xml内容(fs.defaultFS项),确认NameNode所在机器,启动NameNode


读取workers内容,确认DataNode所在机器,启动全部DataNode

•$HADOOP_HOME/sbin/stop-dfs.sh,一键关闭HDFS集群

执行原理:


在执行此脚本的机器上,关闭SecondaryNameNode


读取core-site.xml内容(fs.defaultFS项),确认NameNode所在机器,关闭NameNode


读取workers内容,确认DataNode所在机器,关闭全部NameNode

  **$HADOOP_HOME/sbin/hadoop-daemon.sh**,此脚本可以单独控制所在机器的进程的启停

用法:hadoop-daemon.sh (start|status|stop) (namenode|secondarynamenode|datanode)

或者 hdfs --daemon (start|status|stop) (namenode|secondarynamenode|datanode)

HDFS Shell操作

hadoop 命令体系:

hadoop fs [generic options] 或者 hdfs dfs [generic options]

没有任何区别

创建文件夹 -mkdir

hdfs dfs -mkdir [-p] <path> 

查看目录内容 -ls

清测-ll等是不可行的

hdfs dfs -ls [-h] [-R] [<path> ...] 

-h 人性化显示文件 -R 递归查看指定目录及其子目录

上传文件到hdfs -put

hdfs dfs -put [-f] [-p] <localsrc> ... <dst>
  • -f 覆盖目标文件(已存在下)
  • -p 保留访问和修改时间,所有权和权限
  • localsrc 本地文件系统(客户端所在机器)
  • dst 目标文件系统(HDFS)
  • 查看HDFS文件内容 -cat

  • hdfs dfs -cat <src> ...当文件很大时,可以配合more翻页
  • hdfs dfs -cat <src> | more### 下载HDFS文件 -get
  • hdfs dfs -get [-f] [-p] <src> ... <localdst>下载文件到本地文件系统指定目录,localdst必须是目录 -f 覆盖目标文件(已存在下) -p 保留访问和修改时间,所有权和权限。
  • 复制HDFS文件 -cp

  • hdfs dfs -cp [-f] <src> ... <dst>src和dst都只能是hdfs的文件路径
  • 追加数据到HDFS文件中 -appendToFile

  • HDFS的文件修改只支持追加删除
  • hdfs dfs -appendToFile <localsrc> ... <dst>将localsrc的内容追加到dst
  • HDFS文件移动 -mv

  • hdfs dfs -mv <src> ... <dst> 移动文件到指定文件夹下,可以使用该命令移动数据,重命名文件的名称
  • 删除HDFS文件 -rm

  • hdfs dfs -rm -r [-skipTrash] URI [URI ...]删除指定路径的文件或文件夹 -skipTrash 跳过回收站,直接删除
  • 回收站功能默认关闭,如果要开启需要在core-site.xml内配置:> > <property>> > <name>fs.trash.interval</name>> > <value>1440</value>> > </property>> > <property>> > <name>fs.trash.checkpoint.interval</name>> > <value>120</value>> > </property>> > 无需重启集群,在哪个机器配置的,在哪个机器执行命令就生效。> > 回收站默认位置在:/user/用户名(hadoop)/.Trash

  • 其他的一些用法跟linux里面是基本一致的
  • HDFS存储原理

  • 存储原理

  • 将每个文件分成n(n个服务器)份,每一份又分成m个block(Block块,HDFS最小存储单位,每个256MB(可以修改))
  • 分成block的目的是统一hdfs的存储单元,便于管理

但是这样如果丢了一个block,那么整个文件都会失效,那么 使用备份解决

将每个block备份n份,放入不同的服务器

修改副本数量

可以在hdfs-site.xml中配置属性以设置默认文件上传到HDFS中拥有的副本数量:

<property>
    <name>dfs.replication</name>
    <value>3</value>
</property>

一般不需要设置,默认是3

除了配置文件外,我们还可以在上传文件的时候,临时决定被上传文件以多少个副本存储。

hadoop fs -D dfs.replication=2 -put test.txt /tmp/

如上命令,就可以在上传test.txt的时候,临时设置其副本数为2

对于已经存在HDFS的文件,修改dfs.replication属性不会生效,如果要修改已存在文件可以通过命令

hadoop fs -setrep [-R] 2 path

如上命令,指定path的内容将会被修改为2个副本存储。-R选项可选,使用-R表示对子目录也生效。

fsck检查文件副本状态

hdfs fsck path [-files [-blocks [-locations]]]

fsck可以检查指定路径是否正常

  • -files可以列出路径内的文件状态
  • -files -blocks 输出文件块报告(有几个块,多少副本)
  • -files -blocks -locations 输出每一个block的详情

红色线表示副本数量(这里是总的数量,也就是总共3个block)

蓝色的是三个block存放的位置,可以看到是存放在了三个不同的服务器

0:hdfs系统的状态 1:有多少个副本 2:丢失了多少blocks

NameNode元数据

edits和fsimage文件

Hadoop是通过NameNode来记录和整理文件和block的关系

NameNode基于一批edits和一个fsimage文件的配合完成整个文件系统的管理和维护

edits文件,是一个流水账文件,记录了hdfs中的每一次操作,以及本次操作影响的文件其对应的block,会有多个edits文件

将全部的edits文件,合并为最终结果,即可得到一个Fsimage文件

对于存放的位置,在hdfs-site.xml文件中,配置了

  <property>
    <name>dfs.datanode.data.dir</name>
    <value>/data/dn</value>
  </property>

那么此处的edits和fsimage就存放在了data/nn文件夹下的current文件夹

元数据合并参数

对于元数据合并成fsimage,是一个定时过程,基于两个参数

dfs.namenode.checkpoint.period,默认3600(秒)即1小时
dfs.namenode.checkpoint.txns,默认1000000,即100W次事务

只需要达到一个条件就需要合并

默认60秒检查一次是否符合条件,基于

dfs.namenode.checkpoint.check.period,默认60(秒),来决定

SecondaryNameNode****的作用

SecondaryNameNode会通过http从NameNode拉取数据(edits和fsimage)然后合并完成后提供给NameNode使用

HDFS数据的读写请求

数据写入流程

    1. 客户端向NameNode发起请求
    1. NameNode审核权限、剩余空间后,满足条件允许写入,并告知客户端写入的DataNode地址(一般来说会分配网络距离最近的datanode)
    1. 客户端向指定的DataNode发送数据包
    1. 被写入数据的DataNode同时完成数据副本的复制工作,将其接收的数据分发给其它DataNode
    1. 写入完成客户端通知NameNode,NameNode做元数据记录工作
  1. 数据读取流程
  2. 1、客户端向NameNode申请读取某文件
  3. 2、NameNode判断客户端权限等细节后,允许读取,并返回此文件的block列表
  4. 3、客户端拿到block列表后自行寻找DataNode读取即可(会去找最近的datanode)
标签: linux 服务器 hadoop

本文转载自: https://blog.csdn.net/qq_54517101/article/details/131870138
版权归原作者 独憩 所有, 如有侵权,请联系我们删除。

“Hadoop:HDFS--分布式文件存储系统”的评论:

还没有评论