Hadoop基本知识点之HDFS

2019年6月8日 266次阅读 来源: landy8530

自上一篇文章《Hadoop安装与集群配置》之后，需要对hadoop的一些基础知识进行一些总结。此文为HDFS相关的知识点总结。

1.Hadoop组成

Hadoop主要由三大模块组成：

1.1 HDFS

存储模块

    * 分布式文件存储系统
    * 提供了高可靠性、高扩展性和高吞吐率的数据存储服务
    * hdfs典型结构：物理结构+逻辑结构

1.2. YARN

资源调配模块（引擎）（分布式资源管理框架）

    * 负责集群资源的管理和调度

1.3. MapReduce

计算引擎

    * 分布式计算框架（计算向数据移动-->移动计算而非移动数据）
    * 具有易于编程、高容错性和高扩展性的优点

2.HDFS存储模型

    * 文件线性切割成Block：偏移量（offset）
    * Block分散存储在集群节点中
    * 单一文件Block大小一致，文件与文件可以不一致
    * Block可以设置副本数，副本分散在不同的节点中
    * 副本数不要超过节点数量
    * 文件上传可以设置Block大小和副本数
    * 已上传的文件Block副本数可以调整，大小不变
    * 只支持一次写入多次读取，同一时刻只有一个写入者
    * 只能追加，不能修改

3.HDFS架构模型

    * 文件的元数据（metadata）和文件数据是分开存储
    * （主）NameNode存储文件元数据，单节点（posix）
    * （从）DataNode存储文件数据
    * DataNode与NameNode保持心跳，由dataNode提交Block列表
    * HdfsClient（用户）与NameNode交互元数据信息
    * HdfsClient（用户）与DataNode交互文件数据信息

《Hadoop基本知识点之HDFS》 HDFS架构.png
《Hadoop基本知识点之HDFS》 HDFS设计思想.png

4.NameNode

4.1 基于内存存储

    - 只存在内存中（除了初始化和持久化的时候跟硬盘打交道，其余时候全部在内存中操作）
    - 持久化操作（假设内存只有1G，现在数据有1.2G，则需要做持久化）
            * 不存储Block位置信息（由DataNode上报给NameNode）-不存储到fsimage中
            * NameNOde的metadata信息在启动后加载到内存
            * Metadata信息存储到fsimage文件中
            * edits记录对metadata的操作日志（类似redis）

4.2 NameNode主要功能

  1. 接受客户端的读写要求
  2. 收集DataNode汇报的Block列表信息

4.3 NameNode保存Metadata主要信息

  1. 文件Owership和pemissions
  2. 文件大小和时间
  3. Block列表（offset等）
  4. Block每个副本的位置（由DataNode上报）

5. DataNode

  1. 本地磁盘目录存储数据（Block），文件形式
  2. 同时存储Block的元数据信息
  3. 启动datanode时，会向namenode汇报block信息
  4. 通过向NameNode发送心跳信息保持与其联系（每3秒一次），如果NameNode 10分钟没有收到DataNode的心跳，则认为其已经lost，则将其block信息copy到其他DataNode上

6.HDFS优点

  1. 高容错性

     * 数据自动保存多个副本
 * 副本丢失后，自动恢复

  2. 适合批处理

     * 移动计算非数据（把计算的逻辑在有数据的地方进行计算）
 * 数据位置暴露给计算框架

  3. 适合大数据处理

     * GB TB 甚至PB级数据
 * 百万规模以上的

  4. 可构建在廉价的机器上

7.HDFS缺点

  1. 无法进行低延迟数据访问

     * 比如毫秒级
 * 低延迟与高吞吐率

  2. 小文件存取

     * 占用NameNode大量内存
 * 寻道时间超过读取时间

  3. 并发写入、文件随机修改

     * 一个文件只能有一个写者
 * 仅支持append

8.Block副本的放置策略

  1. 第一个副本：放置在上传文件的datanode上，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：放置在第一个副本不同的机架的节点上
  3. 第三个副本：与第二个副本相同的机架的节点
  4. 更多副本：随机节点

《Hadoop基本知识点之HDFS》 Block副本的放置策略.png

9.HDFS写流程

（待续）

10.HDFS读流程

（待续）

11.总结

  1. HDFS就是一个分余展的大硬盘：分–分块 余–可以冗余，展–动态扩展
  2. 云计算：分布式计算，分布在不懂服务器中的计算
  3. 设计原则：移动计算，而不是移动数据
  4. 在生产环境中，nameNode和resourceManager一般情况是在不同机器上，而nodeManageer和datanode一般情况是在同一台机器上（至少离得近）
    原文作者：landy8530
    原文地址: https://www.jianshu.com/p/0f6b0088e2f3
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞