HDFS基本原理及如何進行數據存取

這期內容當中小編將會給大家帶來有關 HDFS基本原理及如何進行數據存取，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

一、HDFS簡介

Hadoop分布式文件系統(HDFS)被設計成適合運行在通用硬件(commodity hardware)上的分布式文件系統。HDFS體系結構中有兩類節點，一類是NameNode，又叫"元數據節點"；另一類是DataNode，又叫"數據節點"。這兩類節點分別承擔Master和Worker具體任務的執行節點。總的設計思想：分而治之——將大文件、大批量文件，分布式存放在大量獨立的服務器上，以便于采取分而治之的方式對海量數據進行運算分析。

HDFS是一個主/從（Mater/Slave）體系結構，從最終用戶的角度來看，它就像傳統的文件系統一樣，可以通過目錄路徑對文件執行CRUD（Create、Read、Update和Delete）操作。但由于分布式存儲的性質，HDFS集群擁有一個NameNode和一些DataNode。NameNode管理文件系統的元數據，DataNode存儲實際的數據。客戶端通過同NameNode和DataNodes的交互訪問文件系統。客戶端聯系NameNode以獲取文件的元數據，而真正的文件I/O操作是直接和DataNode進行交互的。
HDFS一般是用來“一次寫入，多次讀取”，不適合做實時交互性很強的事情，不適合存儲大量小文件（當然，如果你偏要存大量小文件的話本文末尾會有解決方案).

二、HDFS工作原理

2.1基本原理

１　分布式文件系統，它所管理的文件是被切塊存儲在若干臺datanode服務器上.

２　hdfs提供了一個統一的目錄樹來定位hdfs中的文件，客戶端訪問文件時只要指定目錄樹的路徑即可，不用關心文件的具體物理位置．

３　每一個文件的每一個切塊，在hdfs集群中都可以保存多個備份（默認３份），在hdfs-site.xml中，dfs.replication的value的數量就是備份的數量．

４　hdfs中有一個關鍵進程服務進程：namenode，它維護了一個hdfs的目錄樹及hdfs目錄結構與文件真實存儲位置的映射關系（元數據）．而datanode服務進程專門負責接收和管理＂文件塊＂－ｂｌｏｃｋ.默認大小為１２８Ｍ(可配置),(dfs.blocksize)．（老版本的hadoop的默認block是64M的）

2.2 常用操作

hdfs的根目錄,通過這條命令可以查看hdfs存儲的文件，在hadoop的安裝目錄下面:

bin/hdfs dfs -ls /<pre name="code" class="html">hdfs dfs -chmod 600 /test.txt　　　　//設置文件權限


bin/hdfs dfs -df -h /　　　　//查看磁盤空間


bin/hdfs dfs -mkdir /aaa   //新建文件夾


bin/hdfs dfs  -tail　　　　　　 //查看文件尾部

hdfs塊的存儲位置位于：（在hadoop的根目錄下面的tmp文件夾中)hadoop-2.5.2/tmp/hadoop/dfs/data/current/BP-33587274-127.0.0.1-1465370300743/current/finalized

從圖中我們可以看到hdfs存儲的塊的，當然這里面的兩個塊通過合并可以形成一個新的文件，然后可以通過解壓進行驗證。

touch full hadoop.tar.gz
cat blk_1073741825 >> hadoop.tar.gz
cat blk_1073741826 >> hadoop.tar.gz
tar -xvzf  hadoop.tar.gz

同樣，在hadoop的安裝目錄中，直接用命令來存取文件可以通過下面的命令：

存文件：
./hdfs dfs -put /home/admin1/桌面/test.txt  hdfs://localhost:9000/
取文件：
./hdfs dfs -get hdfs://localhost:9000/test.txt


hdfs的權限控制：

客戶端的操作命令

bin/hdfs dfs -chown  aa:bgroup  /test.txt

//將test.txt文件的權限改為aa用戶的bgroup組．

（因為我根本就沒有這個組和用戶，但是也可以修改成功，所以說明hadoop本身對權限的控制不是很嚴格）

2.3 HDFS的shell操作

--appendToFile  ----追加一個文件到已經存在的文件末尾

-->hadoop fs  -appendToFile  ./hello.txt hdfs://hadoop-server01:9000/hello.txt

可以簡寫為：

Hadoop fs  -appendToFile  ./hello.txt /hello.txt

-cat  ---顯示文件內容 

-->hadoop fs -cat /hello.txt

-chgrp

-chmod

-chown

上面三個跟linux中的用法一樣

-->hadoop fs -chmod 666 /hello.txt

-copyFromLocal    #從本地文件系統中拷貝文件到hdfs路徑去

-->hadoop fs  -copyFromLocal  ./jdk.tar.gz /aaa/

-copyToLocal      #從hdfs拷貝到本地

Eg： hadoop fs -copyToLocal /aaa/jdk.tar.gz

-count         #統計一個指定目錄下的文件節點數量

-->hadoop fs -count /aaa/

-cp              #從hdfs的一個路徑拷貝hdfs的另一個路徑

hadoop fs -cp/aaa/jdk.tar.gz /bbb/jdk.tar.gz.2

-createSnapshot

-deleteSnapshot

-renameSnapshot

以上三個用來操作hdfs文件系統目錄信息快照

-->hadoop fs -createSnapshot /

-df               #統計文件系統的可用空間信息

-du

-->hadoop fs -df -h /

-->hadoop fs -du -s -h /aaa/*

-get              #等同于copyToLocal，就是從hdfs下載文件到本地

-getmerge             #合并下載多個文件

--> 比如hdfs的目錄 /aaa/下有多個文件:log.1, log.2,log.3,...

hadoop fs -getmerge /aaa/log.* ./log.sum

-help             #輸出這個命令參數手冊

-ls                  #顯示目錄信息

-->hadoop fs -ls hdfs://hadoop-server01:9000/

這些參數中，所有的hdfs路徑都可以簡寫

-->hadoop fs -ls /   等同于上一條命令的效果

-mkdir              #在hdfs上創建目錄

-->hadoop fs -mkdir -p /aaa/bbb/cc/dd

-moveFromLocal            #從本地剪切粘貼到hdfs

-moveToLocal              #從hdfs剪切粘貼到本地

-mv                     #在hdfs目錄中移動文件

-put                #等同于copyFromLocal

-rm                #刪除文件或文件夾

--> hadoop fs -rm -r/aaa/bbb/

-rmdir                 #刪除空目錄

-setrep                #設置hdfs中文件的副本數量

-->hadoop fs -setrep 3 /aaa/jdk.tar.gz

-stat                  #顯示一個文件或文件夾的元信息

-tail                  #顯示一個文件的末尾

-text                  #以字符形式打印一個文件的內容

三、HDFS寫入數據流程解析

3.1 基本原理

hdfs的數據寫入是非常復雜的過程，下面來看一下簡要的步驟。

那么問題來了，如果他們之間的一個datanode突然壞掉了怎么辦。

1、如果傳輸過程中，有某個datanode出現了故障，那么當前的pipeline會被關閉，出現故障的datanode會從當前的pipeline中移除，剩余的block會繼續剩下的datanode中繼續以pipeline的形式傳輸，同時Namenode會分配一個新的datanode，保持replicas設定的數量。
2、關閉pipeline，將ack queue中的數據塊放入data queue的開始。
3、當前的數據塊在已經寫入的數據節點中被元數據節點賦予新的標示，則錯誤節點重啟后能夠察覺其數據塊是過時的，會被刪除。
4、失敗的數據節點從pipeline中移除，另外的數據塊則寫入pipeline中的另外兩個數據節點。
5、元數據節點則被通知此數據塊是復制塊數不足，將來會再創建第三份備份。
6、客戶端調用create()來創建文件
7、DistributedFileSystem用RPC調用元數據節點，在文件系統的命名空間中創建一個新的文件。
8、元數據節點首先確定文件原來不存在，并且客戶端有創建文件的權限，然后創建新文件。
9、DistributedFileSystem返回DFSOutputStream，客戶端用于寫數據。
10、客戶端開始寫入數據，DFSOutputStream將數據分成塊，寫入data queue。
11、Data queue由Data Streamer讀取，并通知元數據節點分配數據節點，用來存儲數據塊(每塊默認復制3塊)。分配的數據節點放在一個pipeline里。
12、Data Streamer將數據塊寫入pipeline中的第一個數據節點。第一個數據節點將數據塊發送給第二個數據節點。第二個數據節點將數據發送給第三個數據節點。
13、DFSOutputStream為發出去的數據塊保存了ack queue，等待pipeline中的數據節點告知數據已經寫入成功。

3.2 編碼實踐

這段代碼的意思是從/home/admin1/hadoop/eclipse.tar.gz上傳文件到hdfs文件中，URI中寫的是hdfs的地址

@Test
	public void testUpload() throws IOException, InterruptedException, URISyntaxException{
		Configuration conf = new Configuration();
	
		 
		//to get a client of the hdfs system
		FileSystem fs = FileSystem.get(new URI("hdfs://ubuntu2:9000"),conf,"admin1");
		

		fs.copyFromLocalFile(new Path("/home/admin1/hadoop/eclipse.tar.gz"), new Path("/"));
		fs.close();
		
		
	}

四、HDFS讀取數據流程解析

4.1 基本原理

讀取的流程比寫入的流程就簡單很多了。

4.2 編碼實踐

下載文件：

/*public static void main(String[] args) throws IOException {
		//download  from hdfs
		
		Configuration conf = new Configuration();
		conf.set("fs.defaultFS", "hdfs://ubuntu2:9000/");
		
		
		conf.set("dfs.blocksize", "64");
		 
		//to get a client of the hdfs system
		FileSystem fs = FileSystem.get(conf);
		
		fs.copyToLocalFile(new Path("hdfs://ubuntu2:9000/test.txt"), new Path("/home/admin1/Downloads/test1.txt"));
		
		fs.close();
	}*/

刪除文件：

@Test
	public void rmove() throws IOException, InterruptedException, URISyntaxException{
	Configuration conf = new Configuration();

	FileSystem fs = FileSystem.get(new URI("hdfs://ubuntu2:9000"),conf,"admin1");
	
	fs.delete(new Path("/test.txt"));
	
	fs.close();
	}

五、NameNode工作機制

元數據放在內存中，同時需要備份，通過日志的記錄（對元數據有修改操作時）寫到磁盤中，用edits_ingropress,定期dump一次，當一旦斷電時，很難恢復，
所以我們就用sercondName定期把操作日志下載和內存鏡像文件，然后就定期合并操作記錄，（日志+fsimage)然后生成一個新的namenode鏡像文件  (fs.image.ckpt)
最后上傳給namenode,然后namenode重命名為fsimage.


元數據管理機制：
1、元數據有3中存儲形式：內存、edits日志、fsimage
2、最完整最新的元數據一定是內存中的這一部分

六、RPC編程

使用 RPC 編程是在客戶機和服務器實體之間進行可靠通信的最強大、最高效的方法之一。它為在分布式計算環境中運行的幾乎所有應用程序提供基礎。任何 RPC 客戶機-服務器程序的重要實體都包括 IDL 文件（接口定義文件）、客戶機 stub、服務器 stub 以及由客戶機和服務器程序共用的頭文件。客戶機和服務器 stub 使用 RPC 運行時庫通信。RPC 運行時庫提供一套標準的運行時例程來支持 RPC 應用程序。在一般的應用程序中，被調用的過程在相同的地址空間中運行，并把結果返回給發出調用的過程。在分布式環境中，客戶機和服務器在不同的機器上運行，客戶端調用在服務器端運行的過程，并把結果發送回客戶機。這稱為遠程過程調用 (RPC)，是 RPC 編程的基礎。

以下實例是用來模擬用戶登陸的過程。

在linux中的eclipse。新建一個java工程，新建java文件：

RPCServer.java

package hdfsTest;

public interface  RPCService {
	public static final long versionID=100L;  //定義通信接口的版本號

	public String userLogin(String username,String password);  //用戶名和密碼

}

RPCServerImpl.java

package hdfsTest;

public class RPCServiceImpl  implements RPCService {

	@Override
	public String userLogin(String username, String password) {	
		return username+"  logged in successfully!";
	}
}

RPCControl.java

package hdfsTest;

import java.io.IOException;
import java.net.InetSocketAddress;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.ipc.RPC;


//
public class RPCController {

	public static void main(String[] args) throws IOException {
		RPCService serverceImpl=RPC.getProxy(RPCService.class,100,new InetSocketAddress("ubuntu2",10000),new Configuration());
<span >		</span>//100是指前面設置的版本號，InetSocketAddress中的是hdfs主機名和10000是通信端口
		String result=serverceImpl.userLogin("aaa", "aaa");  //設置用戶用戶名和密碼
		System.out.println(result);   
	}
}

ServerRunner.java

package hdfsTest;

import java.io.IOException;

import org.apache.hadoop.HadoopIllegalArgumentException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.ipc.RPC;
import org.apache.hadoop.ipc.RPC.Builder;
import org.apache.hadoop.ipc.Server;

public class ServerRunner {

	public static void main(String[] args) throws HadoopIllegalArgumentException, IOException {
		Builder builder=new RPC.Builder(new Configuration());
		
		builder.setBindAddress("ubuntu2");  //hdfs的主機名
		builder.setPort(10000);    //設置通信端口號
		
		builder.setProtocol(RPCService.class);
		builder.setInstance(new RPCServiceImpl());
		
		Server server=builder.build();
		server.start();   //開啟服務
	}
}

運行結果：

七、常見問題分析

7.1.HDFS可不可以用來做網盤

答案：不可以,

網盤只存儲，不用做分析，hdfs在增加節點，同時也加大了分析能力，主要是大容量存儲之上的數據分析
1、容量成本太高，2、文件大小不確定，如果存大量小文件會造成很大的浪費 3、相對于網盤來說，文件讀寫的效率低  4、只適合一次寫入，多次讀取的操作
5、hdfs不支持文件內容修改，可支持往文件尾部追加內容。

7.2 HDFS大量小文件存儲

1、對于待上傳的文件，先將小文件合并為一個大文件再上傳，利用SequenceFile、MapFile、Har等方式歸檔小文件，這個方法的原理就是把小文件歸檔起來管理，HBase就是基于此的。對于這種方法，如果想找回原來的小文件內容，那就必須得知道與歸檔文件的映射關系。

2、如果對于已經上傳了的文件，需要進行合并的話，我們可以使用Map-redure來進行歸檔。

3、BlueSky解決方案，以一種two-level prefetching機制以提高小文件讀取效率，即索引文件預取和數據文件預取。索引文件預取是指當用戶訪問某個文件時，該文件所在的block對應的索引文件被加載到內存中，這樣，用戶訪問這些文件時不必再與namenode交互了。數據文件預取是指用戶訪問某個文件時，將該文件所在課件中的所有文件加載到內存中，這樣，如果用戶繼續訪問其他文件，速度會明顯提高。

上述就是小編為大家分享的 HDFS基本原理及如何進行數據存取了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。