01 HDFS

HDFS

首先，它是一个文件系统，用于存储文件，通过统一的命名空间——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；

重要特性如下：

• 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版本中是128M，老版本中是64M

• HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

• 目录结构及文件分块信息(元数据)的管理由namenode节点承担
  ——namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息（block的id，及所在的datanode服务器）

• 文件的各个block的存储管理由datanode节点承担
  —- datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication）

• HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改

概述

1. HDFS集群分为两大角色：NameNode、DataNode
2. NameNode负责管理整个文件系统的元数据
3. DataNode 负责管理用户的文件数据块
4. 文件会按照固定的大小（blocksize）切成若干块后分布式存储在若干台datanode上
5. 每一个文件块可以有多个副本，并存放在不同的datanode上
6. Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量
7. HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行

写数据

客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，
并由接收到block的datanode负责向其他datanode复制block的副本

步骤

• 根namenode通信请求上传文件，namenode检查目标文件是否已存在，父目录是否存在
• namenode返回是否可以上传
• client请求第一个 block该传输到哪些datanode服务器上
• namenode返回3个datanode服务器ABC
• client请求3台dn中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将逐个pipeline建立完成，逐级返回客户端
• client开始往A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为单位，A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答
• 当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。

读数据

客户端将要读取的文件路径发送给namenode，
客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件

步骤

• 跟namenode通信查询元数据，找到文件块所在的datanode服务器
• 挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流
• datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）
• 客户端以packet为单位接收，现在本地缓存，然后写入目标文件

NameNode

问题场景：
1、集群启动后，可以查看文件，但是上传文件时报错，打开web页面可看到namenode正处于safemode状态，怎么处理？
2、Namenode服务器的磁盘故障导致namenode宕机，如何挽救集群及数据？
3、Namenode是否可以有多个？namenode内存要配置多大？namenode跟集群数据存储能力有关系吗？
4、文件的blocksize究竟调大好还是调小好？
……

NAMENODE职责

• 负责客户端请求的响应
• 元数据的管理（查询，修改）

元数据

元数据目录说明
在第一次部署好Hadoop集群的时候，我们需要在NameNode（NN）节点上格式化磁盘：

$HADOOP_HOME/bin/hdfs namenode -format

格式化完成之后，将会在$dfs.namenode.name.dir/current目录下如下的文件结构

current/|-- VERSION|-- edits_*|-- fsimage_0000000000008547077|-- fsimage_0000000000008547077.md5`-- seen_txid

其中的dfs.name.dir是在hdfs-site.xml文件中配置的，默认值如下：

<property>  <name>dfs.name.dir</name>  <value>file://${hadoop.tmp.dir}/dfs/name</value></property>

hadoop.tmp.dir是在core-site.xml中配置的，默认值如下

<property>  <name>hadoop.tmp.dir</name>  <value>/tmp/hadoop-${user.name}</value></property>

dfs.namenode.name.dir属性可以配置多个目录，
如/data1/dfs/name,/data2/dfs/name,/data3/dfs/name,….。
各个目录存储的文件结构和内容都完全一样，相当于备份，
这样做的好处是当其中一个目录损坏了，也不会影响到Hadoop的元数据，
特别是当其中一个目录是NFS（网络文件系统Network File System，NFS）之上，
即使你这台机器损坏了，元数据也得到保存。
下面是$dfs.namenode.name.dir/current/目录下的文件。
VERSION文件是Java属性文件：

namespaceID=934548976clusterID=CID-cdff7d73-93cd-4783-9399-0a22e6dce196cTime=0storageType=NAME_NODEblockpoolID=BP-893790215-192.168.24.72-1383809616115layoutVersion=-47

其中

• namespaceID是文件系统的唯一标识符，在文件系统首次格式化之后生成的
• clusterID是系统生成或手动指定的集群ID，在-clusterid选项中可以使用它；如下说明
• cTime表示NameNode存储时间的创建时间，由于我的NameNode没有更新过，所以这里的记录值为0，以后对NameNode升级之后，cTime将会记录更新时间戳；
• storageType说明这个文件存储的是什么进程的数据结构信息（如果是DataNode，storageType=DATA_NODE）；
• layoutVersion表示HDFS永久性数据结构的版本信息， 只要数据结构变更，版本号也要递减，此时的HDFS也需要升级，否则磁盘仍旧是使用旧版本的数据结构，这会导致新版本的NameNode无法使用；

a、使用如下命令格式化一个Namenode：
$HADOOP_HOME/bin/hdfs namenode -format [-clusterId <cluster_id>]
选择一个唯一的cluster_id，并且这个cluster_id不能与环境中其他集群有冲突。如果没有提供cluster_id，则会自动生成一个唯一的ClusterID。
b、使用如下命令格式化其他Namenode：
$HADOOP_HOME/bin/hdfs namenode -format -clusterId <cluster_id>
c、升级集群至最新版本。在升级过程中需要提供一个ClusterID，例如：
$HADOOP_PREFIX_HOME/bin/hdfs start namenode --config $HADOOP_CONF_DIR -upgrade -clusterId <cluster_ID>
如果没有提供ClusterID，则会自动生成一个ClusterID。

• blockpoolID：是针对每一个Namespace所对应的blockpool的ID，上面的这个BP-893790215-192.168.24.72-1383809616115就是在我的ns1的namespace下的存储块池的ID，这个ID包括了其对应的NameNode节点的ip地址。

2.$dfs.namenode.name.dir/current/seen_txid
非常重要，是存放transactionId的文件，format之后是0，
它代表的是namenode里面的edits_*文件的尾数，namenode重启的时候，会按照seen_txid的数字，
循序从头跑edits_0000001~到seen_txid的数字。
所以当你的hdfs发生异常重启的时候，一定要比对seen_txid内的数字是不是你edits最后的尾数，
不然会发生建置namenode时metaData的资料有缺少，导致误删Datanode上多余Block的资讯。

文件中记录的是edits滚动的序号，每次重启namenode时，namenode就知道要将哪些edits进行加载edits

3、$dfs.namenode.name.dir/current目录下在format的同时也会生成fsimage和edits文件，及其对应的md5校验文件。

元数据管理
namenode对数据的管理采用了三种存储形式：
内存元数据(NameSystem)
磁盘元数据镜像文件
数据操作日志文件（可通过日志运算出元数据）

元数据存储机制

• 内存中有一份完整的元数据(内存meta data)
• 磁盘有一个“准完整”的元数据镜像（fsimage）文件(在namenode的工作目录中)
• 用于衔接内存meta data和持久化元数据镜像fsimage之间的操作日志（edits文件）
  注：当客户端对hdfs中的文件进行新增或者修改操作，操作记录首先被记入edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存meta.data中

元数据手动查看
bin/hdfs oev -i edits -o edits.xml
bin/hdfs oiv -i fsimage_0000000000000000087 -p XML -o fsimage.xml

元数据的checkpoint
每隔一段时间，会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地，并加载到内存进行merge（这个过程称为checkpoint）

checkpoint操作的触发条件配置参数

dfs.namenode.checkpoint.check.period=60  #检查触发条件是否满足的频率，60秒dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary#以上两个参数做checkpoint操作时，secondary namenode的本地工作目录dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}dfs.namenode.checkpoint.max-retries=3  #最大重试次数dfs.namenode.checkpoint.period=3600  #两次checkpoint之间的时间间隔3600秒dfs.namenode.checkpoint.txns=1000000 #两次checkpoint之间最大的操作记录

checkpoint的附带作用
namenode和secondary namenode的工作目录存储结构完全相同，
所以，当namenode故障退出需要重新恢复时，可以从secondary namenode的工作目录中将fsimage拷贝到namenode的工作目录，以恢复namenode的元数据

DataNode

问题场景：
1、集群容量不够，怎么扩容？
2、如果有一些datanode宕机，该怎么办？
3、datanode明明已启动，但是集群中的可用datanode列表中就是没有，怎么办？

Datanode工作职责

• 存储管理用户的文件块数据
• 定期向namenode汇报自身所持有的block信息（通过心跳信息上报）
  （这点很重要，因为，当集群中发生某些block副本失效时，集群如何恢复block初始副本数量的问题）

<property>    <name>dfs.blockreport.intervalMsec</name>    <value>3600000</value>    <description>Determines block reporting interval in milliseconds.</description></property>

Datanode掉线判断时限参数
datanode进程死亡或者网络故障造成datanode无法与namenode通信，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。
HDFS默认的超时时长为10分钟+30秒。如果定义超时时间为timeout，则超时时长的计算公式为：
timeout = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。
而默认的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。
所以，举个例子，如果heartbeat.recheck.interval设置为5000（毫秒），dfs.heartbeat.interval设置为3（秒，默认），则总的超时时间为40秒。

<property>        <name>heartbeat.recheck.interval</name>        <value>2000</value></property><property>        <name>dfs.heartbeat.interval</name>        <value>1</value></property>

上传一个文件，观察文件的block具体的物理存放情况：

/home/hadoop/app/hadoop-2.4.1/tmp/dfs/data/current/BP-193442119-192.168.2.120-1432457733977/current/finalized

常用命令

-ls
功能：显示目录信息
示例： hadoop fs -ls hdfs://hadoop-server01:9000/
备注：这些参数中，所有的hdfs路径都可以简写
–>hadoop fs -ls / 等同于上一条命令的效果

-mkdir
功能：在hdfs上创建目录
示例：hadoop fs -mkdir -p /aaa/bbb/cc/dd

* -moveFromLocal*
功能：从本地剪切粘贴到hdfs
示例：hadoop fs - moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd

-moveToLocal
功能：从hdfs剪切粘贴到本地
示例：hadoop fs - moveToLocal /aaa/bbb/cc/dd /home/hadoop/a.txt

appendToFile
功能：追加一个文件到已经存在的文件末尾
示例：hadoop fs -appendToFile ./hello.txt hdfs://hadoop-server01:9000/hello.txt
可以简写为：
Hadoop fs -appendToFile ./hello.txt /hello.txt

-cat
功能：显示文件内容
示例：hadoop fs -cat /hello.txt

-tail
功能：显示一个文件的末尾
示例：hadoop fs -tail /weblog/access_log.1

-text
功能：以字符形式打印一个文件的内容
示例：hadoop fs -text /weblog/access_log.1

-chgrp
-chmod
-chown
功能：linux文件系统中的用法一样，对文件所属权限
示例：
hadoop fs -chmod 666 /hello.txt
hadoop fs -chown someuser:somegrp /hello.txt
-copyFromLocal
功能：从本地文件系统中拷贝文件到hdfs路径去
示例：hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/

-copyToLocal
功能：从hdfs拷贝到本地
示例：hadoop fs -copyToLocal /aaa/jdk.tar.gz

-cp
功能：从hdfs的一个路径拷贝hdfs的另一个路径
示例： hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2

-mv
功能：在hdfs目录中移动文件
示例： hadoop fs -mv /aaa/jdk.tar.gz /

-get
功能：等同于copyToLocal，就是从hdfs下载文件到本地
示例：hadoop fs -get /aaa/jdk.tar.gz

-getmerge
功能：合并下载多个文件
示例：比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,…
hadoop fs -getmerge /aaa/log.* ./log.sum

-put
功能：等同于copyFromLocal
示例：hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2

-rm
功能：删除文件或文件夹
示例：hadoop fs -rm -r /aaa/bbb/

-rmdir
功能：删除空目录
示例：hadoop fs -rmdir /aaa/bbb/ccc

-df
功能：统计文件系统的可用空间信息
示例：hadoop fs -df -h /

-du
功能：统计文件夹的大小信息
示例：
hadoop fs -du -s -h /aaa/*

-count
功能：统计一个指定目录下的文件节点数量
示例：hadoop fs -count /aaa/

-setrep
功能：设置hdfs中文件的副本数量
示例：hadoop fs -setrep 3 /aaa/jdk.tar.gz

获取api中的客户端对象
在java中操作hdfs，首先要获得一个客户端实例
Configuration conf = new Configuration()
FileSystem fs = FileSystem.get(conf)

而我们的操作目标是HDFS，所以获取到的fs对象应该是DistributedFileSystem的实例；
get方法是从何处判断具体实例化那种客户端类呢？
——从conf中的一个参数 fs.defaultFS的配置值判断；

如果我们的代码中没有指定fs.defaultFS，并且工程classpath下也没有给定相应的配置，conf中的默认值就来自于hadoop的jar包中的core-default.xml，默认值为： file:///，则获取的将不是一个DistributedFileSystem的实例，而是一个本地文件系统的客户端对象

API开发

<dependency>    <groupId>org.apache.hadoop</groupId>    <artifactId>hadoop-client</artifactId>    <version>2.6.1</version></dependency>

注：如需手动引入jar包，hdfs的jar包—-hadoop的安装目录的share下

window下开发的说明
建议在linux下进行hadoop应用的开发，不会存在兼容性问题。如在window上做客户端应用开发，需要设置以下环境：

• 在windows的某个目录下解压一个hadoop的安装包
• 将安装包下的lib和bin目录用对应windows版本平台编译的本地库替换
• 在window系统中配置HADOOP_HOME指向你解压的安装包
• 在windows系统的path变量中加入hadoop的bin目录

Configuration conf = new Configuration()FileSystem fs = FileSystem.get(conf)

而我们的操作目标是HDFS，所以获取到的fs对象应该是DistributedFileSystem的实例；

get方法是从何处判断具体实例化那种客户端类呢？
——从conf中的一个参数 fs.defaultFS的配置值判断；

如果我们的代码中没有指定fs.defaultFS，并且工程classpath下也没有给定相应的配置，conf中的默认值就来自于hadoop的jar包中的core-default.xml，默认值为： file:///，则获取的将不是一个DistributedFileSystem的实例，而是一个本地文件系统的客户端对象

public class HdfsClient {    FileSystem fs = null;    @Before    public void init() throws Exception {        // 构造一个配置参数对象，设置一个参数：我们要访问的hdfs的URI        // 从而FileSystem.get()方法就知道应该是去构造一个访问hdfs文件系统的客户端，以及hdfs的访问地址        // new Configuration();的时候，它就会去加载jar包中的hdfs-default.xml        // 然后再加载classpath下的hdfs-site.xml        Configuration conf = new Configuration();        conf.set("fs.defaultFS", "hdfs://hdp-node01:9000");        /**         * 参数优先级： 1、客户端代码中设置的值 2、classpath下的用户自定义配置文件 3、然后是服务器的默认配置         */        conf.set("dfs.replication", "3");        // 获取一个hdfs的访问客户端，根据参数，这个实例应该是DistributedFileSystem的实例        // fs = FileSystem.get(conf);        // 如果这样去获取，那conf里面就可以不要配"fs.defaultFS"参数，而且，这个客户端的身份标识已经是hadoop用户        fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");    }    /**     * 往hdfs上传文件     */    @Test    public void testAddFileToHdfs() throws Exception {        // 要上传的文件所在的本地路径        Path src = new Path("g:/redis-recommend.zip");        // 要上传到hdfs的目标路径        Path dst = new Path("/aaa");        fs.copyFromLocalFile(src, dst);        fs.close();    }    /**     * 从hdfs中复制文件到本地文件系统     */    @Test    public void testDownloadFileToLocal() throws IllegalArgumentException, IOException {        fs.copyToLocalFile(new Path("/jdk-7u65-linux-i586.tar.gz"), new Path("d:/"));        fs.close();    }    @Test    public void testMkdirAndDeleteAndRename() throws IllegalArgumentException, IOException {        // 创建目录        fs.mkdirs(new Path("/a1/b1/c1"));        // 删除文件夹 ，如果是非空文件夹，参数2必须给值true        fs.delete(new Path("/aaa"), true);        // 重命名文件或文件夹        fs.rename(new Path("/a1"), new Path("/a2"));    }    /**     * 查看目录信息，只显示文件     */    @Test    public void testListFiles() throws FileNotFoundException, IllegalArgumentException, IOException {        // 思考：为什么返回迭代器，而不是List之类的容器        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);        while (listFiles.hasNext()) {            LocatedFileStatus fileStatus = listFiles.next();            System.out.println(fileStatus.getPath().getName());            System.out.println(fileStatus.getBlockSize());            System.out.println(fileStatus.getPermission());            System.out.println(fileStatus.getLen());            BlockLocation[] blockLocations = fileStatus.getBlockLocations();            for (BlockLocation bl : blockLocations) {                System.out.println("block-length:" + bl.getLength() + "--" + "block-offset:" + bl.getOffset());                String[] hosts = bl.getHosts();                for (String host : hosts) {                    System.out.println(host);                }            }            System.out.println("--------------分割线--------------");        }    }    /**     * 查看文件及文件夹信息     */    @Test    public void testListAll() throws FileNotFoundException, IllegalArgumentException, IOException {        FileStatus[] listStatus = fs.listStatus(new Path("/"));        String flag = "d--             ";        for (FileStatus fstatus : listStatus) {            if (fstatus.isFile())  flag = "f--         ";            System.out.println(flag + fstatus.getPath().getName());        }    }}

流工具类

/** * 相对那些封装好的方法而言的更底层一些的操作方式 * 上层那些mapreduce   spark等运算框架，去hdfs中获取数据的时候，就是调的这种底层的api * @author * */public class StreamAccess {    FileSystem fs = null;    @Before    public void init() throws Exception {        Configuration conf = new Configuration();        fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");    }    /**     * 通过流的方式上传文件到hdfs     * @throws Exception     */    @Test    public void testUpload() throws Exception {        FSDataOutputStream outputStream = fs.create(new Path("/angelababy.love"), true);        FileInputStream inputStream = new FileInputStream("c:/angelababy.love");        IOUtils.copy(inputStream, outputStream);    }    @Test    public void testDownLoadFileToLocal() throws IllegalArgumentException, IOException{        //先获取一个文件的输入流----针对hdfs上的        FSDataInputStream in = fs.open(new Path("/jdk-7u65-linux-i586.tar.gz"));        //再构造一个文件的输出流----针对本地的        FileOutputStream out = new FileOutputStream(new File("c:/jdk.tar.gz"));        //再将输入流中数据传输到输出流        IOUtils.copyBytes(in, out, 4096);   }    /**     * hdfs支持随机定位进行文件读取，而且可以方便地读取指定长度     * 用于上层分布式运算框架并发处理数据     */    @Test    public void testRandomAccess() throws IllegalArgumentException, IOException{        //先获取一个文件的输入流----针对hdfs上的        FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));        //可以将流的起始偏移量进行自定义        in.seek(22);        //再构造一个文件的输出流----针对本地的        FileOutputStream out = new FileOutputStream(new File("c:/iloveyou.line.2.txt"));        IOUtils.copyBytes(in,out,19L,true);    }    /**     * 显示hdfs上文件的内容     */    @Test    public void testCat() throws IllegalArgumentException, IOException{        FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));        IOUtils.copyBytes(in, System.out, 1024);    }}

场景编程

在mapreduce 、spark等运算框架中，有一个核心思想就是将运算移往数据，或者说，就是要在并发计算中尽可能让运算本地化，这就需要获取数据所在位置的信息并进行相应范围读取
以下模拟实现：获取一个文件的所有block位置信息，然后读取指定block中的内容

    @Test    public void testCat() throws IllegalArgumentException, IOException{        FSDataInputStream in = fs.open(new Path("/weblog/input/access.log.10"));        //拿到文件信息        FileStatus[] listStatus = fs.listStatus(new Path("/weblog/input/access.log.10"));        //获取这个文件的所有block的信息        BlockLocation[] fileBlockLocations = fs.getFileBlockLocations(listStatus[0], 0L, listStatus[0].getLen());        //第一个block的长度        long length = fileBlockLocations[0].getLength();        //第一个block的起始偏移量        long offset = fileBlockLocations[0].getOffset();        System.out.println(length);        System.out.println(offset);        //获取第一个block写入输出流        //      IOUtils.copyBytes(in, System.out, (int)length);        byte[] b = new byte[4096];        FileOutputStream os = new FileOutputStream(new File("d:/block0"));        while(in.read(offset, b, 0, 4096)!=-1){            os.write(b);            offset += 4096;            if(offset>=length) return;        };        os.flush();        os.close();        in.close();    }