HDFS学习小结(Hadoop2.xx版本)v1.2

hadoop2.xx 集群搭建:http://bigtrash.blog.51cto.com/8966424/1830423

创新互联从2013年开始,是专业互联网技术服务公司,拥有项目做网站、成都做网站网站策划,项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命,1280元镇赉做网站,已为上家服务,为镇赉各地企业和个人服务,联系电话:18980820575

1.HDFS(Hadoop Distributed File System):hadoop分布式文件系统,由管理文件系统元数据(metadata)的NameNode和存储实际数据的DataNode组成。     

        通过分布式的存储机制支持线性增长的海量存储能力

        数据自动冗余,无须通过RAID进行备份

        一次写入,多次读,不能修改,简单一致,1.xx版不支持append功能

         按照“数据就近”原则分配节点执行

2.NameNode:管理hdfs的命名空间

    保存metadata信息:

        文件owership与permissions

        文件包含那些Block

        Block保存在哪个DataNode

    NameNode的metadata信息存储到磁盘中的fsp_w_picpath,在hdfs启动后加载到内存;

    内存中NameNode操作信息会保存到磁盘中的edits日志中。

 

NameNode启动时的安全模式阶段:

    1)不产生数据写

    2)收集DataNode的报告,当数据块达到最小副本数以上,则视为安全;当安全块达到一定比例后,过若干时间退出安全模式

    3)针对副本数不足的数据块,自动复制使其达到最小副本数

3.DataNode:真正存储数据的地方

    以Block形式存储,每个块Block预设128M,比目前大多数文件系统的block块大,但是物理存储上不会占用这么多的空间

    每个区块至少分到三台(默认)DataNode上,其副本数可以调整。其副本机制提高可靠度和读取吞吐量

    启动DataNode线程时,遍历本地文件系统,产生一份hdfs数据块和本地文件的对应关系列表,并汇报给NameNode。

4.Secondary NameNode:

        当NameNode启动时,需要合并硬盘上的fsp_w_picpath(HDFS的最新状态)和edits(fsp_w_picpath创建后的),需要消耗大量的启动时间。这里的Secondary NameNode定时去下载namenode的fsp_w_picpath文件和edits文件进行合并,同时namenode上启用新的edits,然后再将合并后的fsp_w_picpath上传覆盖namenode,并开启一个新的edits日志,减少了hdfs启动启动时间。

5.Checkpoint node:可能是为了避免名字上的混淆,1.0.4 版本后建议使用CheckPoint Node去代替Secondary NameNode,作用及配置基本一样。

    使用bin/hdfs namenode -checkpoint去启动

    启动NameNode时-importCheckpoint,可以从checkpioint中导入namenode

    常用配置文件:

        dfs.namenode.checkpoint.period   #edits触发一次合并的时间

        fs.checkpoint.size   #edits触发一次合并的大小临界值

        dfs.namenode.checkpoint.dir  #指定secondary namenode的保存路劲

        dfs.namenode.checkpoint.edits.dir  #指定secondary namenode的edits保存路径

6.Backup Node:namenode的完全备份。除了提供Checkpoint功能,还复制master内存中的Namespace到自己的内存中。Backup Node不仅接收NameNode上的edits保存到磁盘,还应用edits到自己的Namespace内存复本,建立了Namespace的完全备份。

    目前hdfs只支持一个backup node,使用了backup之后就不能使用checkpoing了

        dfs.backup.address  #backup node的位置

        dfs.backup.http.address  #backup node web界面地址

    

    dfs.backup.address配置的节点上,运行bin/hdfs namenode -checkpoint

7. Block三副本放置策略:

        副本1:client的节点上

        副本2:不同机架的节点上

        副本3:与副本2同一机架的另一个节点上

8.DataNode损坏处理机制:

        1.从DataNode中读取Block的时候,它会计算checksum

        2.计算后的checksum与创建时值不一样,说明该block已经损坏

        3.client会读取其他DataNode上的block,NameNode标记该块已经损坏,然后复制block达到预设的副本数(通常在文件创建后三周(默认)验证其checksum)

9.HDFS的访问方式:

        HDFS SHELL 命令

        HDFS JAVA API

        HDFS REST API

        HDFS FUSE

        HDFS lib hdfs:C/C++访问接口

        thrift

                。。。

10.Hadoop与HDFS的交互类shell:hadoop fs –help命令

    hadoop fs –ls PATH:查看指定目录下内容

    hadoop fs –cat PATH/FILE:查看FILE

    hadoop fs –put LOCAL_PATH/FILE HADOOP_PATH:将本地文件存储至hadoop

    hadoop fs –put LOCAL_PATH HADOOP_PATH:将本地文件夹存储至hadoop

    hadoop fs –rm PATH/FILE:删除FILE

    hadoop fs –rmr PATH:删除PATH下所有文件

    hadoop fs –mkdir PATH: 新建目录

    hadoop fs  -touchz  PATH/FILE:创建一个文件

    hadoop  fs  –mv  PATH/OLD_FILE  PATH/NEW_FILE:  文件重命名

            ......

11.hdfs管理

hadoop-deamon.sh start namenode #启动namenode

hadoop-deamon.sh start datanode #启动datanode

hdfs dfsadmin -help:获取一些hdfs管理的操作

    -report:报告HDFS的基本统计数据

    -safemode:安全模式

    -finalizeUpgrade:移除集群最后一次升级前的备份

    -refreshNodes:重新读取hosts和exclude文件(dfs.hosts.exclude选项中指定),NameNode重新识别节点的改动

    -printTopology:显示集群的拓扑

    -upgradeProgress status/details/force:显示升级状态/升级状态的细节/强制升级操作

hadoop  fsck: 文件管理

                     检查这个目录中的文件是否完整

        -move               破损的文件移至/lost+found目录
        -delete             删除破损的文件

        -openforwrite  打印正在打开写操作的文件

        -files                打印正在check的文件名

        -blocks             打印block报告 (需要和-files参数一起使用)

        -locations         打印每个block的位置信息(需要和-files参数一起使用)

        -racks               打印位置信息的网络拓扑图 (需要和-files参数一起使用)

start-balancer.sh -threshold:数据块重新分布

可以通过Web服务查看集群中NameNode和DataNode的状态。

    http://master:50070/ :显示集群当前基本状态


网站题目:HDFS学习小结(Hadoop2.xx版本)v1.2
当前地址:http://scyanting.com/article/jpdcsd.html