Hadoop家族成员： HDFS Map/Reduce zookeeper Hive Hbase 这些事必学的，属于hadoop家族。
Flume 和 mahout sqoop虽然不属于Hadoop家族，但是也很重要，也是必须的。
HDFS
HDFS优点：
一、高容错性
1、数据自动保存了多个副本
2、副本丢失后，自动恢复
二、适合批处理
1、移动计算而非数据
2、数据位置暴漏给计算框架
三、适合大数据处理
1、GB、TB甚至PB级别的数据
2、百万规模以上的文件数量
10K+节点
四、可以构建在廉价机器上
1、通过多副本来提高可靠性
2、提供容错性和恢复机制
HDFS缺点
一、低延迟数据访问
1、比如毫秒级
2、低延迟与高吞吐率
二、小文件存取
1、占用NameNode大量内存
2、寻道时间超过读取时间
三、并发写入、文件随机修改
1、一个文件只能有一个写者(不能够进行修改)
2、仅支持append
NameNode
1、存储元数据
2、元数据保存在内存中
3、保存文件block、datanaode之间的映射关系
什么是元数据：
除去文件内容之外的文件数据，比如：文件大小，名称等属性
DataNode
1、存储文件内容
2、文件内容保存在磁盘中
3、维护了block id到datanode本地文件的映射关系
HDFS运行机制：
1、一个名字节点和多个数据节点
2、数据复制（冗余机制）
存放的位置，机架感知策略
故障检测：
一、数据节点
1、心跳包（检测是否宕机）
2、块报告（安全模式下检测）
3、数据完整性检测（校验和比较）
二、名字节点（日志文件、镜像文件）
HDFS架构
Paste_Image.png
HDFS数据存储单元（block）
一、文件被切分成固定大小的文件块
1、默认数据大小为64MB，可配置
2、若文件大小不到64MB，则单独存储为一个block
二、一个文件存储方式
1、按大小被切分为若干个block、存储在不同的节点上
2、默认情况下每个block都有三个副本
注意 Block大小和副本数通过client端上传文件时设置、文件上传成功后副本数可以变更，Block Size不可变更
Block大小一旦设置不能再变更了，但是Block存储的副本数可以不断改变。
HDFS的设计思想
Paste_Image.png
一、NameNode
1、NameNode主要功能：接受客户端的读写服务
2、NameNode保存metadate信息包括：
1、文件owership和permissions
2、文件包含哪些块
3、Block保存在哪个DataNode（由DataNode启动时上报）
二、NameNode的metadate信息在启动后会加载到内存
1、metadata存储到磁盘文件名为：“fsimage”
2、Block的位置信息不回保存到fsimage（启动时，datanode会进行上报）
3、edits记录对metadata的操作日志
当新增一个数据或者删除一个数据时，会首先在内存中修改，然后写入到fsimage中，注意，在写入fsimage之前，首先会写入到edits日志文件中。每隔一段一段时间内，把edits文件和fsimage文件合并。
metadata就是元数据，除文件内容之外的数据都是元数据，datanode上没有文件名，只是一个block。
Secondary NameNode(SNN)
一、这SNN不是namenode的备份（但可以做备份），这个SNN的主要工作是帮助NN(NameNode)合并edits log，减少NN启动时间
二、SNN执行合并的时机
1、根据配置文件设置的时间间隔进行合并 fs.checkpoint.period默认是3600秒
** 2、根据配置文件设置edits log大小 fs.checkpoint.size规定edits文件的默认值默认是64MB**
如果达到以上两个条件，就进行合并。
Secondary NameNode不是nameNode的备份，可以作为数据备份
主要工作：是帮助NameNode合并edits合并文件
合并的时候会有大量的IO操作，把edits中删除的在fsimage中删除， 把edits中新增的在fsimage中增加，NameNode不做这个事情，NameNode把主要精力放在用户的读写服务上，Secondary NameNode才会去做这个事情。合并会消耗大量的IO。
SNN新生成一个fsimage推送给NN，进行覆盖NN的fsimage
Secondary NameNode合并流程
Paste_Image.png
如上图，再SNN往NN拷贝的时候，NN会首先创建一个edits.new文件，这是内存中正在合并的时间内，用户的合并日志。
然后SNN进行合并，合并完成以后，就会把fsimage.ckpt推送给NN，默认的edits.new每隔3600秒产生一次，因为每次合并就要产生一个edits.new文件，等到下次合并的时候，只合并edits.new这个文件。合并完成以后edits.new变为edits，下次合并继续拿这个edits在SNN上进行合并。
这些文件都在磁盘上记性存储。
当NN挂掉以后，上次合并的fsimage.ckpt还在SNN上，但是NN上的edits相当于这段时间内新增的操作，无法找回了，只能找到上次edits合并之前的。所以SNN还是有一定备份作用的。如上说的NN挂掉以后只磁盘不可恢复。
DataNode(NN)
1、存储数据（block）
2、启动DN线程的时候会向NN汇报block信息
3、通过向NN发送心跳保持与其联系（3秒一次），如果NN在10分钟没有收到DN的心跳，则认为这个DN丢失了，并copy其上的block到其它的机器上。
Block的副本放置策略
1、第一个副本：放置在上传文件的DN；如果是集群外提交，则随机挑选一台磁盘不太满，CPU不太忙的节点。
2、第二个副本：放置在于第一个副本不同的机架上（因为一般一个机架共用一个电源，这样可以排除供电挂掉，副本都受到影响的情况）
3、第三个副本：放置在与第二个副本相同机架的节点上。
4、如果设置了更多的副本：后面的节点会随机放置。
一个机架一般也在一个交换机，一个交换机内速度会比较快一点。
hadoop如何知道机架信息？？？ 在配置的时候，会把相关的支架信息告诉hadoop。
HDFS读流程
Paste_Image.png
open是一个函数，
通过FSDataInputStream找一个对应的DataNode进行读，同时其他的block也可以并发的读。
HDFS写流程
Paste_Image.png
如何写？
首先由客户端上报文件名，文件大小，NN会返回切分的文件大小和每个DataNode的存放位置，然后客户端去执行写操作，首先写第一个副本，
当写完第一个副本以后，由第一个DataNode创建线程，自动把文件写到其他DataNode上，这个动作完成以后，会返回给客户端，然后客户端再返回给NameNode，整个过程就是这样！
HDFS文件权限
一、与Linux文件权限类似
1、r:read w:write x:execute ，权限x对于文件忽略，对于文件夹表示是否允许访问其内容
二，如果Linux系统用户tt使用hadoop命令创建一个文件，那么这个文件在HDFS中ower就是tt。
三、HDFS的权限目的：HDFS相信，你告诉我是谁
Hadoop 安全模式
什么叫做安全模式时间段？
系统刚刚启动，datanode的数据节点位置信息要上报给namenode，这时候还不能写、重命名和删除。这个时间段处于安全模式下。
一、namenode启动的时候，首先将映射文件(fsimage)载入内存，并执行编辑日志(edits)中的各项操作
二、一旦内存中成功建立文件系统元数据的映射，则创建一个新的fsimage文件（这个操作不需要SecondaryNameNode）和一个空的编辑日志
三、此时namenode运行在安全模式下。即namenode的文件系统对于客户端来说是只读的。（显示目录，显示文件内容等。写、删除、重命名都会失败）
四、在此阶段Namenode收集各个datanode的报告，当数据块达到最小副本数以上时，会被认为是“安全”的，在一定比例（可设置）的数据块被确定为“安全”后，再过若干时间，安全模式结束
五、当检测到副本数不足的数据块时，该块会被复制直到达到最小副本数，系统中数据块的位置并不是由namenode维护的，而是以块列表的形式存储在datanode中。
