A股上市公司传智教育(股票代码 003032)旗下技术交流社区北京昌平校区

 找回密码
 加入黑马

QQ登录

只需一步,快速开始

学习都是从了解到熟悉的过程,而学习一项新的技术的时候都是从这个技术是什么?可以干什么?怎么用?如何优化?这几点开始。今天这篇文章分为两个部分。一、hadoop概述  二、hadoop核心技术之一的hdfs的讲解。
【hadoop概述】
一、hadoop是什么?
          Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。HDFS有高容错性的特点,并且设计用来部署在低廉的(low-cost)硬件上;而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,而MapReduce则为海量的数据提供了计算。
  简单概况就是hadoop是一个分布式系统的基础架构,通过分布式来进行高速运算和存储。
二、用来干什么?
  主要用来解决海量数据存储和海量数据运算的问题
三、当前版本
   Apach 版本:主要用于自己学习研究方面,免费开源版本
   Cloudera:收费版本,企业版本。目前公司商用化最多的版本。
     Hortonworks:商业版本,这个版本的优势在于参考文档相对详尽,学习起来比较方便
四、hadoop组成
    commons:辅助工具
    hdfs:一个分布式高吞吐量,高可靠的分布式文件系统
    mapreduce 一个分布式离线计算框架
    yarn:作业调度和资源管理的框架。
五、集群模式
单节点模式,伪集群,完整集群。三个模式
                        HDFS 学习
一、hdfs是什么?
    hdfs一个分布式高吞吐量,高可靠的分布式文件系统。
二、hdfs优缺点:
 优点:
    【1】高容错性,数据自动保存多个副本,一个副本丢失后可以自动恢复
    【2】适合大数据的处理
    数据可以达到gb,Tb,pb级别,文件处理可以达到百万以上的规模
    【3】可以构建在廉价的机器上面,通过多副本来实现可靠性
  缺点:
    【1】不适合低延时数据访问,比如毫秒级别做不到
    【2】无法高效对大量小文件进行存储
    【3】不支持文件的随机修改,仅支持文件的追加
三、hdfs的组成:
  Client:客户端
       【1】文件切分。文件上传时将文件切成一个个block块
    【2】与NameNode交互,获取文件的位置信息
    【3】与DataNode交互,读取或写入数据
    【4】client提供一些命令来管理Hdfs,比如启动或者关闭
    【5】client可以通过命令来访问Hdfs
  NameNode就是Master,它是一个主管、管理者
    【1】管理数据块的原信息
    【2】配置副本策略
    【3】处理客户端请求
  DateNode
    【1】存储实际的数据块
    【2】执行数据块的读写操作
  econdaryNameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务
    【1】辅助NameNode,分担其工作量
    【2】定期合并Fsimage和Edits,并推送给NameNode;
    【3】在紧急情况下,可辅助恢复NameNode。
四、hdfs文件写入流程
                                                        


    (1) 客户端通过Distributed FileSystem模块向NameNode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。
    (2) NameNode返回是否可以上传。
    (3) 客户端请求第一个 block上传到哪几个datanode服务器上。
    (4) NameNode返回3个datanode节点,分别为dn1、dn2、dn3。
    (5) 客户端通过FSDataOutputStream模块请求dn1上传数据,dn1收到请求会继续调用dn2,然后dn2调用dn3,将这个通信管道建立完成。
    (6) dn1、dn2、dn3逐级应答客户端。
    (7) 客户端开始往dn1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,dn1收到一个packet就会传给dn2,dn2传给dn3;
    (8) 当一个block传输完成之后,客户端再次请求NameNode上传第二个block的服务器。(重复执行3-7步)。
五、hdfs 读文件流程
             



    (1) 客户端通过Distributed FileSystem向NameNode请求下载文件,NameNode通过查询元数据,找到文件块所在的DataNode地址。

    (2) 挑选一台DataNode(就近原则,然后随机)服务器,请求读取数据。

    (3) DataNode开始传输数据给客户端(从磁盘里面读取数据输入流,以packet为单位来做校验)。

    (4) 客户端以packet为单位接收,先在本地缓存,然后写入目标文件。
六、NN与2NN的工作机制

        


    
    (1) 第一阶段:NameNode启动

      a) 第一次启动NameNode格式化后,创建fsimage和edits文件。如果不是第一次启动,直接加载编辑日志和镜像文件到内存。

      b) 客户端对元数据进行增删改的请求。

      c) NameNode记录操作日志,更新滚动日志。

      d) NameNode在内存中对数据进行增删改查。

    (2) 第二阶段:Secondary NameNode工作

      a) Secondary NameNode询问NameNode是否需要checkpoint。直接带回NameNode是否检查结果。

      b) Secondary NameNode请求执行checkpoint。

      c) NameNode滚动正在写的edits日志。

      d) 将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。

      e) Secondary NameNode加载编辑日志和镜像文件到内存,并合并。

      f) 生成新的镜像文件fsimage.chkpoint。

      g) 拷贝fsimage.chkpoint到NameNode。

      h) NameNode将fsimage.chkpoint重新命名成fsimage。

NN和2NN工作机制详解:
fsimage:namenode内存中元数据序列化后形成的文件。
edits:记录客户端更新元数据信息的每一步操作(可通过Edits运算出元数据)。
namenode启动时,先滚动edits并生成一个空的edits.inprogress,然后加载edits(归档后的)和fsimage(最新的)到内存中,此时namenode内存就持有最新的元数据信息。client开始对namenode发送元数据的增删改查的请求,这些请求的操作首先会被记录在edits.inprogress中(查询元数据的操作不会被记录在edits中,因为查询操作不会更改元数据信息),如果此时namenode挂掉,重启后会从edits中读取元数据的信息。然后,namenode会在内存中执行元数据的增删改查的操作。
由于edits中记录的操作会越来越多,edits文件会越来越大,导致namenode在启动加载edits时会很慢,所以需要对edits和fsimage进行合并(所谓合并,就是将edits和fsimage加载到内存中,照着edits中的操作一步步执行,最终形成新的fsimage)。Secondarynamenode:帮助namenode进行edits和fsimage的合并工作。
secondarynamenode首先会询问namenode是否需要checkpoint(触发checkpoint需要满足两个条件中的任意一个,定时时间到和edits中数据写满了)。直接带回namenode是否检查结果。secondarynamenode执行checkpoint操作,首先会让namenode滚动edits并生成一个空的edits.inprogress,滚动edits的目的是给edits打个标记,以后所有新的操作都写入edits.inprogress,其他未合并的edits和fsimage会拷贝到secondarynamenode的本地,然后将拷贝的edits和fsimage加载到内存中进行合并,生成fsimage.chkpoint,然后将fsimage.chkpoint拷贝给namenode,重命名为fsimage后替换掉原来的fsimage。namenode在启动时就只需要加载之前未合并的edits和fsimage即可,因为合并过的edits中的元数据信息已经被记录在fsimage中。


六、DataName工作机制
            



    (1) 一个数据块在DataNode上以文件形式存储在磁盘上,包括两个文件,一个是数据本身,一个是元数据包括数据块的长度,块数据的校验和,以及时间戳。
    (2) DataNode启动后向NameNode注册,通过后,周期性(1小时)的向NameNode上报所有的块信息。
    (3) 心跳是每3秒一次,心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器,或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳,则认为该节点不可用。


1 个回复

倒序浏览
以上文章转载自网络
更多讯息欢迎添加小优:DKA-2018
回复 使用道具 举报
您需要登录后才可以回帖 登录 | 加入黑马