一、产生背景:
随着数据量越来越大,在一个操作系统存不下所有的数据,那么就分配到更到的操作系统管理的磁盘中,但是管理不方便和维护,迫切需要一种系统来管理多台机器上的文件,这就是分布式文件管理系统,HDFS只是分布式文件管理系统的一种。
二、定义:
HDFS (Hadoop Distributed File System) ,它是一个文件系统,用来存储文件,通过目录树来定位文件,其次,它是分布式的,由很多服务器联合起来实现其功能,集群中的服务器有各自的角色。
三、使用场景:
HDFS适合一次写入,多次读出的场景,且不支持文件的修改,适合用来做数据分析,并不适合用来做网盘应用。
四、HDFS 优缺点:
优点:
缺点:
五、组成架构:
六、HDFS 文件块大小:
为什么HDFS 文件块不能设置太大也不能设置太小:
七、HDFS shell 常用命令:
(0)启动Hadoop集群(方便后续的测试)
[haojunjie@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[haojunjie@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
(1)-help:输出这个命令参数
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm
(2)-ls: 显示目录信息
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /
(3)-mkdir:在HDFS上创建目录
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir -p /sanguo/shuguo
(4)-moveFromLocal:从本地剪切粘贴到HDFS
[haojunjie@hadoop102 hadoop-3.1.3]$ touch kongming.txt
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./kongming.txt /sanguo/shuguo
(5)-appendToFile:追加一个文件到已经存在的文件末尾
[haojunjie@hadoop102 hadoop-3.1.3]$ touch liubei.txt
[haojunjie@hadoop102 hadoop-3.1.3]$ vi liubei.txt
输入
san gu mao lu
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt
(6)-cat:显示文件内容
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo/kongming.txt
(7)-chgrp 、-chmod、-chown:Linux文件系统中的用法一样,修改文件所属权限
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -chown haojunjie:haojunjie /sanguo/shuguo/kongming.txt
(8)-copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal README.txt /
(9)-copyToLocal:从HDFS拷贝到本地
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./
(10)-cp :从HDFS的一个路径拷贝到HDFS的另一个路径
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
(11)-mv:在HDFS目录中移动文件
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/
(12)-get:等同于copyToLocal,就是从HDFS下载文件到本地
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./
(13)-getmerge:合并下载多个文件,比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,…
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -getmerge /user/haojunjie/test/* ./zaiyiqi.txt
(14)-put:等同于copyFromLocal
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./zaiyiqi.txt /user/haojunjie/test/
(15)-tail:显示一个文件的末尾
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /sanguo/shuguo/kongming.txt
(16)-rm:删除文件或文件夹
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /user/haojunjie/test/jinlian2.txt
(17)-rmdir:删除空目录
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /test
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -rmdir /test
(18)-du统计文件夹的大小信息
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /user/haojunjie/test
2.7 K /user/haojunjie/test
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -du -h /user/haojunjie/test
1.3 K /user/haojunjie/test/README.txt
15 /user/haojunjie/test/jinlian.txt
1.4 K /user/haojunjie/test/zaiyiqi.txt
(19)-setrep:设置HDFS中文件的副本数量
[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt
这里设置的副本数只是记录在NameNode的元数据中,是否真的会有这么多副本,还得看DataNode的数量。因为目前只有3台设备,最多也就3个副本,只有节点数的增加到10台时,副本数才能达到10。
八、HDFS 客户端操作API:
九、HDFS写数据和读数据流程:
写流程:
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;dn1每传一个packet会放入一个应答队列等待应答。
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)。
读流程:
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。
十、网络拓扑-节点距离计算:
在HDFS写数据的过程中,NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢?
节点距离:两个节点到达最近的共同祖先的距离总和。
十一、副本存储的节点选择之---------机架感知:
**HDFS 副本 放置策略:**对于常见情况,当复制系数为3时,HDFS的放置策略是,如果写入程序位于datanode上,则将一个副本放在本地计算机上,否则放在随机datanode上,
另一个副本放在不同(远程)机架中的节点上,最后一个放在同一远程机架中的不同节点上。
十二、NameNode和SecondaryNameNode 的工作机制:
思考:NameNode中的元数据是存储在哪里的?
首先,我们做个假设,如果存储在NameNode节点的磁盘中,因为经常需要进行随机访问,还有响应客户请求,必然是效率过低。因此,元数据需要存放在内存中。但如果只存在内存中,一旦断电,元数据丢失,整个集群就无法工作了。
因此产生在磁盘中备份元数据的FsImage。
这样又会带来新的问题,当在内存中的元数据更新时,如果同时更新FsImage,就会导致效率过低,但如果不更新,就会发生一致性问题,一旦NameNode节点断电,就会产生数据丢失。
因此,引入Edits文件(只进行追加操作,效率很高)。每当元数据有更新或者添加元数据时,修改内存中的元数据并追加到Edits中。这样,一旦NameNode节点断电,可以通过FsImage和Edits的合并,合成元数据。
但是,如果长时间添加数据到Edits中,会导致该文件数据过大,效率降低,而且一旦断电,恢复元数据需要的时间过长。因此,需要定期进行FsImage和Edits的合并,如果这个操作由NameNode节点完成,又会效率过低。
因此,引入一个新的节点SecondaryNamenode,专门用于FsImage和Edits的合并。
如图:
1. 第一阶段:NameNode启动
(1)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。
(2)客户端对元数据进行增删改的请求。
(3)NameNode记录操作日志,更新滚动日志。
(4)NameNode在内存中对元数据进行增删改。
2. 第二阶段:Secondary NameNode工作
(1)Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。
(2)Secondary NameNode请求执行CheckPoint。
(3)NameNode滚动正在写的Edits日志。
(4)将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。
(5)Secondary NameNode加载编辑日志和镜像文件到内存,并合并。
(6)生成新的镜像文件fsimage.chkpoint。
(7)拷贝fsimage.chkpoint到NameNode。
(8)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和Fsimage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的请求,这些请求的操作首先会被记录到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的作用就是帮助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。
十三、Fsimage和Edits解析:
1.图解:
2. 使用命令查看Fsimage
(1)查看oiv和oev命令
[haojunjie@hadoop102 current]$ hdfs
oiv apply the offline fsimage viewer to an fsimage
oev apply the offline edits viewer to an edits file
(2)基本语法
hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径
(3)案例实操
[haojunjie@hadoop102 current]$ pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs/name/current
[haojunjie@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml
[haojunjie@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml
将显示的xml文件内容拷贝到Eclipse中创建的xml文件中,并格式化。部分显示结果如下。
<inode>
? <id>16386</id>
? <type>DIRECTORY</type>
? <name>user</name>
? <mtime>1512722284477</mtime>
? <permission>haojunjie:supergroup:rwxr-xr-x</permission>
? <nsquota>-1</nsquota>
? <dsquota>-1</dsquota>
</inode>
<inode>
? <id>16387</id>
? <type>DIRECTORY</type>
? <name>haojunjie</name>
? <mtime>1512790549080</mtime>
? <permission>haojunjie:supergroup:rwxr-xr-x</permission>
? <nsquota>-1</nsquota>
? <dsquota>-1</dsquota>
</inode>
<inode>
? <id>16389</id>
? <type>FILE</type>
? <name>wc.input</name>
? <replication>3</replication>
? <mtime>1512722322219</mtime>
? <atime>1512722321610</atime>
? <perferredBlockSize>134217728</perferredBlockSize>
? <permission>haojunjie:supergroup:rw-r--r--</permission>
? <blocks>
???? <block>
???????? <id>1073741825</id>
???????? <genstamp>1001</genstamp>
???????? <numBytes>59</numBytes>
???? </block>
? </blocks>
</inode >
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
思考:可以看出,Fsimage中没有记录块所对应DataNode,为什么?
在集群启动后,要求DataNode上报数据块信息,并间隔一段时间后再次上报。
3.oev命令查看Edits 文件:
(1)基本语法:hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径
(2)操作:
[haojunjie@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml
查看xml 文件:
[haojunjie@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml
结果展示:
<?xml version="1.0" encoding="UTF-8"?>
<EDITS>
<EDITS_VERSION>-63</EDITS_VERSION>
<RECORD>
<OPCODE>OP_START_LOG_SEGMENT</OPCODE>
<DATA>
<TXID>129</TXID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_ADD</OPCODE>
<DATA>
<TXID>130</TXID>
<LENGTH>0</LENGTH>
<INODEID>16407</INODEID>
<PATH>/hello7.txt</PATH>
<REPLICATION>2</REPLICATION>
<MTIME>1512943607866</MTIME>
<ATIME>1512943607866</ATIME>
<BLOCKSIZE>134217728</BLOCKSIZE>
<CLIENT_NAME>DFSClient_NONMAPREDUCE_-1544295051_1</CLIENT_NAME>
<CLIENT_MACHINE>192.168.1.5</CLIENT_MACHINE>
<OVERWRITE>true</OVERWRITE>
<PERMISSION_STATUS>
<USERNAME>haojunjie</USERNAME>
<GROUPNAME>supergroup</GROUPNAME>
<MODE>420</MODE>
</PERMISSION_STATUS>
<RPC_CLIENTID>908eafd4-9aec-4288-96f1-e8011d181561</RPC_CLIENTID>
<RPC_CALLID>0</RPC_CALLID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE>
<DATA>
<TXID>131</TXID>
<BLOCK_ID>1073741839</BLOCK_ID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_SET_GENSTAMP_V2</OPCODE>
<DATA>
<TXID>132</TXID>
<GENSTAMPV2>1016</GENSTAMPV2>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_ADD_BLOCK</OPCODE>
<DATA>
<TXID>133</TXID>
<PATH>/hello7.txt</PATH>
<BLOCK>
<BLOCK_ID>1073741839</BLOCK_ID>
<NUM_BYTES>0</NUM_BYTES>
<GENSTAMP>1016</GENSTAMP>
</BLOCK>
<RPC_CLIENTID></RPC_CLIENTID>
<RPC_CALLID>-2</RPC_CALLID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_CLOSE</OPCODE>
<DATA>
<TXID>134</TXID>
<LENGTH>0</LENGTH>
<INODEID>0</INODEID>
<PATH>/hello7.txt</PATH>
<REPLICATION>2</REPLICATION>
<MTIME>1512943608761</MTIME>
<ATIME>1512943607866</ATIME>
<BLOCKSIZE>134217728</BLOCKSIZE>
<CLIENT_NAME></CLIENT_NAME>
<CLIENT_MACHINE></CLIENT_MACHINE>
<OVERWRITE>false</OVERWRITE>
<BLOCK>
<BLOCK_ID>1073741839</BLOCK_ID>
<NUM_BYTES>25</NUM_BYTES>
<GENSTAMP>1016</GENSTAMP>
</BLOCK>
<PERMISSION_STATUS>
<USERNAME>haojunjie</USERNAME>
<GROUPNAME>supergroup</GROUPNAME>
<MODE>420</MODE>
</PERMISSION_STATUS>
</DATA>
</RECORD>
</EDITS >
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
十四、SecondaryNameNode 执行CheckPoint时间设置:
(1)通常情况下,SecondaryNameNode 一小时执行一次。
修改设置:
[hdfs-default.xml]
<property>
? <name>dfs.namenode.checkpoint.period</name>
? <value>3600</value>
</property>
1
2
3
4
5
6
7
8
9
(2)一分钟检查一次操作次数,当操作次数达到一百万时,SecondaryNameNode执行一次CheckPoint
<property>
<name>dfs.namenode.checkpoint.txns</name>
<value>1000000</value>
<description>操作动作次数</description>
</property>
<property>
<name>dfs.namenode.checkpoint.check.period</name>
<value>60</value>
<description> 1分钟检查一次操作次数</description>
</property >
1
2
3
4
5
6
7
8
9
10
11
十五、NameNode 故障处理:
当NameNode 出现故障时,可以采用以下两种方法恢复数据:
(1)方法一:将SecondaryNameNode中数据拷贝到NameNode****存储数据的目录;
1. kill -9 NameNode进程
2. 删除NameNode存储的数据(/opt/module/hadoop-3.1.3/data/tmp/dfs/name)
[haojunjie@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*
3. 拷贝SecondaryNameNode中数据到原NameNode存储数据目录
[haojunjie@hadoop102 dfs]$ scp -r haojunjie@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary/* ./name/
4. 重新启动NameNode
[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode
(2)方法二:使用-importCheckpoint选项启动NameNode守护进程,从而将SecondaryNameNode中数据拷贝到NameNode目录中。
修改hdfs-site.xml中的
dfs.namenode.checkpoint.period
120
dfs.namenode.name.dir
/opt/module/hadoop-3.1.3/data/tmp/dfs/name
2. kill -9 NameNode进程
3. 删除NameNode存储的数据(/opt/module/hadoop-3.1.3/data/tmp/dfs/name)
[haojunjie@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*
4. 如果SecondaryNameNode不和NameNode在一个主机节点上,需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录,并删除in_use.lock文件
[haojunjie@hadoop102 dfs]$ scp -r haojunjie@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary ./
[haojunjie@hadoop102 namesecondary]$ rm -rf in_use.lock
[haojunjie@hadoop102 dfs]$ pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs
[haojunjie@hadoop102 dfs]$ ls
data name namesecondary
5. 导入检查点数据(等待一会ctrl+c结束掉)
[haojunjie@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode -importCheckpoint
6. 启动NameNode
[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode
十六、集群的安全模式:
(1)概述:
(2)案例操作:
基本语法
集群处于安全模式,不能执行重要操作(写操作)。集群启动完成后,自动退出安全模式。
(1)bin/hdfs dfsadmin -safemode get (功能描述:查看安全模式状态)
(2)bin/hdfs dfsadmin -safemode enter (功能描述:进入安全模式状态)
(3)bin/hdfs dfsadmin -safemode leave (功能描述:离开安全模式状态)
(4)bin/hdfs dfsadmin -safemode wait (功能描述:等待安全模式状态)
3. 案例:
需要用到的命令:
(一)bin/hdfs dfsadmin -safemode get (功能描述:查看安全模式状态)
(二)bin/hdfs dfsadmin -safemode enter (功能描述:进入安全模式状态)
(三)bin/hdfs dfsadmin -safemode leave (功能描述:离开安全模式状态)
(四)bin/hdfs dfsadmin -safemode wait (功能描述:等待安全模式状态)
(1)查看当前模式
[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -safemode get
Safe mode is OFF
(2)先进入安全模式
[haojunjie@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode enter
(3)创建并执行下面的脚本
在/opt/module/hadoop-3.1.3路径上,编辑一个脚本safemode.sh
[haojunjie@hadoop102 hadoop-3.1.3]$ touch safemode.sh
[haojunjie@hadoop102 hadoop-3.1.3]$ vim safemode.sh
#!/bin/bash
hdfs dfsadmin -safemode wait
hdfs dfs -put /opt/module/hadoop-3.1.3/README.txt /
[haojunjie@hadoop102 hadoop-3.1.3]$ chmod 777 safemode.sh
[haojunjie@hadoop102 hadoop-3.1.3]$ ./safemode.sh
(4)再打开一个窗口,执行
[haojunjie@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode leave
(5)观察
(a)再观察上一个窗口
Safe mode is OFF
(b)HDFS集群上已经有上传的数据了。
十七、DataNode :
(1)DataNode 工作机制:
a)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。
b)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。
c)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。
d)集群运行中可以安全加入和退出一些机器。
(2)数据的完整性:
思考:如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号(1)和绿灯信号(0),但是存储该数据的磁盘坏了,一直显示是绿灯,是否很危险?同理DataNode节点上的数据损坏了,却没有发现,是否也很危险,那么如何解决呢?
如下是DataNode节点保证数据完整性的方法。
a)当DataNode读取Block的时候,它会计算CheckSum。
b)如果计算后的CheckSum,与Block创建时值不一样,说明Block已经损坏。
c)Client读取其他DataNode上的Block。
d)DataNode在其文件创建后周期验证CheckSum,如下图:
(3)掉线时限参数设置:
需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒,dfs.heartbeat.interval的单位为秒
<property>
<name>dfs.namenode.heartbeat.recheck-interval</name>
<value>300000</value>
</property>
<property>
<name>dfs.heartbeat.interval</name>
<value>3</value>
</property>
1
2
3
4
5
6
7
8
(4)服役新节点:
随着公司业务的增长,数据量越来越大,原有的数据节点的容量已经不能满足存储数据的需求,需要在原有集群基础上动态添加新的数据节点。
环境准备:
(a)在hadoop104主机上再克隆一台hadoop105主机
(b)修改IP地址和主机名称
(c)删除原来HDFS文件系统留存的文件(/opt/module/hadoop-3.1.3/data和log)
(d)source一下配置文件
[haojunjie@hadoop105 hadoop-3.1.3]$ source /etc/profile
2. 服役新节点具体步骤
(a)直接启动DataNode,即可关联到集群
[haojunjie@hadoop105 hadoop-3.1.3]$ hdfs --daemon start datanode
[haojunjie@hadoop105 hadoop-3.1.3]$ sbin/yarn-daemon.sh start nodemanager
配置好后如图:
(b)在hadoop105上上传文件
[haojunjie@hadoop105 hadoop-3.1.3]$ hadoop fs -put /opt/module/hadoop-3.1.3/LICENSE.txt /
(c)如果数据不均衡,可以用命令实现集群的再平衡
[haojunjie@hadoop102 sbin]$ ./start-balancer.sh
(5)退役旧节点:
方式一:添加白名单:
添加到白名单的主机节点,都允许访问NameNode,不在白名单的主机节点,都会被退出。
配置白名单具体步骤:
a、在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建dfs.hosts文件
[haojunjie@hadoop102 hadoop]$ pwd
/opt/module/hadoop-3.1.3/etc/hadoop
[haojunjie@hadoop102 hadoop]$ touch dfs.hosts
[haojunjie@hadoop102 hadoop]$ vi dfs.hosts
1
2
3
4
b、添加如下主机名称(不添加hadoop105)
hadoop102
hadoop103
hadoop104
1
2
3
c、在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性
<property>
<name>dfs.hosts</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/dfs.hosts</value>
</property>
1
2
3
4
d、配置文件分发
[haojunjie@hadoop102 hadoop]$ xsync hdfs-site.xml
e、刷新NameNode
[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes
Refresh nodes successful
f、更新ResourceManager节点
[haojunjie@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshNodes
g、在HDFS web页面查看
方式二:添加黑名单:
在黑名单上面的主机都会被强制退出。
配置步骤:
a、在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建dfs.hosts.exclude文件
[haojunjie@hadoop102 hadoop]$ pwd
/opt/module/hadoop-3.1.3/etc/hadoop
[haojunjie@hadoop102 hadoop]$ touch dfs.hosts.exclude
[haojunjie@hadoop102 hadoop]$ vi dfs.hosts.exclude
1
2
3
4
添加如下主机名称(要退役的节点)
hadoop105
b、在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性
<property>
<name>dfs.hosts.exclude</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/dfs.hosts.exclude</value>
</property>
1
2
3
4
c、刷新NameNode、刷新ResourceManager
[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes
Refresh nodes successful
[haojunjie@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshNodes
d、检查Web浏览器,退役节点的状态为decommission in progress(退役中),说明数据节点正在复制块到其他节点 ,如图:
e、等待退役节点状态为decommissioned(所有块已经复制完成),停止该节点及节点资源管理器。注意:如果副本数是3,服役的节点小于等于3,是不能退役成功的,需要修改副本数后才能退役,如下图:
f、停止datanode 和 nodemanager
[haojunjie@hadoop105 hadoop-3.1.3]$ hdfs --daemon stop datanode
[haojunjie@hadoop105 hadoop-3.1.3]$ sbin/yarn-daemon.sh stop nodemanager
1
2
g、如果数据不均衡,可以用命令实现集群的再平衡
[haojunjie@hadoop102 hadoop-3.1.3]$ sbin/start-balancer.sh
1
(6)datanode 多目录配置:
a、DataNode也可以配置成多个目录,每个目录存储的数据不一样。即:数据不是副本
b、具体配置如下
在 hdfs-site.xml添加下面代码:
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>
</property>
1
2
3
4
十八、配置HDFS HA 高可用:
免责申明:
本文系转载,版权归原作者所有,如若侵权请联系我们进行删除!
《数据治理行业实践白皮书》下载地址:https://fs80.cn/4w2atu
《数栈V6.0产品白皮书》下载地址:https://fs80.cn/cw0iw1
想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友,浏览袋鼠云官网:https://www.dtstack.com/?src=bbs
同时,欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」,交流最新开源技术信息,群号码:30537511,项目地址:https://github.com/DTStack