Hadoop之HDFS
版權聲明：本文為yunshuxueyuan原創文章。
如需轉載請標明出處： http://www.cnblogs.com/sxt-zkys/
QQ技術交流群：299142667
HDFS介紹
HDFS（Hadoop Distributed File System ）Hadoop分布式文件系統。是根據google發表的論文翻版的。
什么是分布式文件系統
分布式文件系統（Distributed File System）是指文件系統管理的物理存儲資源不一定直接連接在本地節點上，而是通過計算機網絡與節點相連。分布式文件系統的設計基於客戶機/服務器模式。
[優點]
支持超大文件 超大文件在這里指的是幾百M，幾百GB，甚至幾TB大小的文件。
檢測和快速應對硬件故障在集群的環境中，硬件故障是常見的問題。因為有上千台服務器連接在一起，這樣會導致高故障率。因此故障檢測和自動恢復是hdfs文件系統的一個設計目標
流式數據訪問應用程序能以流的形式訪問數據集。主要的是數據的吞吐量，而不是訪問速度。
簡化的一致性模型 大部分hdfs操作文件時，需要一次寫入，多次讀取。在hdfs中，一個文件一旦經過創建、寫入、關閉后，一般就不需要修改了。這樣簡單的一致性模型，有利於提高吞吐量。
[缺點]
低延遲數據訪問如和用戶進行交互的應用，需要數據在毫秒或秒的范圍內得到響應。由於hadoop針對高數據吞吐量做了優化，犧牲了獲取數據的延遲，所以對於低延遲來說，不適合用hadoop來做。
大量的小文件Hdfs支持超大的文件，是通過數據分布在數據節點，數據的元數據保存在名字節點上。名字節點的內存大小，決定了hdfs文件系統可保存的文件數量。雖然現在的系統內存都比較大，但大量的小文件還是會影響名字節點的性能。
多用戶寫入文件、修改文件Hdfs的文件只能有一次寫入，不支持寫入，也不支持修改。只有這樣數據的吞吐量才能大。
不支持超強的事務沒有像關系型數據庫那樣，對事務有強有力的支持。
[HDFS結構]
NameNode：分布式文件系統中的管理者，主要負責管理文件系統的命名空間、集群配置信息和存儲塊的復制等。NameNode會將文件系統的Meta-data存儲在內存中，這些信息主要包括了文件信息、每一個文件對應的文件塊的信息和每一個文件塊在DataNode的信息等。
SecondaryNameNode：合並fsimage和fsedits然后再發給namenode。
DataNode：是文件存儲的基本單元，它將Block存儲在本地文件系統中，保存了Block的Meta-data同時周期性地將所有存在的Block信息發送給NameNode。
Client：就是需要獲取分布式文件系統文件的應用程序。
fsimage:元數據鏡像文件（文件系統的目錄樹。）
edits：元數據的操作日志（針對文件系統做的修改操作記錄）
NameNode、DataNode和Client之間通信方式：
client和namenode之間是通過rpc通信；
datanode和namenode之間是通過rpc通信；
client和datanode之間是通過簡單的socket通信。
Client讀取HDFS中數據的流程
1. 客戶端通過調用FileSystem對象的open()方法打開希望讀取的文件。
2. DistributedFileSystem通過使用RPC來調用namenode,以確定文件起始塊的位置。[注1]
3. Client對輸入流調用read()方法。
4. 存儲着文件起始塊的natanoe地址的DFSInputStream[注2]隨即鏈接距離最近的datanode。通過對數據流反復調用read()方法，可以將數據從datanode傳輸到Client。[注3]
5. 到達快的末端時，DFSInputStream會關閉與該datanode的連接，然后尋找下一個快遞最佳datanode。
6. Client讀取數據是按照卡開DFSInputStream與datanode新建連接的順序讀取的。它需要詢問namenode來檢索下一批所需要的datanode的位置。一旦完成讀取，調用FSDataInputStream調用close()方法。
[注1]：對於每一個塊，namenode返回存在該塊副本的datanode地址。這些datanode根據他們於客戶端的距離來排序，如果客戶端本身就是一個datanode，並保存有響應數據塊的一個副本時，該節點從本地datanode中讀取數據。
[注2]:Di是tribute File System類返回一個FSDataInputStream對象給Client並讀取數據。FSDataInputStream類轉而封裝DFSInputStream對象，該對象管理datanode和namenode的I/O。
[注3]:如果DFSInputStream在與datanode通信時遇到錯誤，它便會嘗試從這個塊的另外一個最臨近datanode讀取數據。它也會記住哪個故障的natanode，以保證以后不回反復讀取該節點上后續的塊。DFSInputStream也會通過校驗和確認從datanode發來的數據是否完整。如果發現一個損壞的塊，它就會在DFSinputStream視圖從其他datanode讀取一個塊的副本之前通知namenode。
Client將數據寫入HDFS流程
1. Client調用DistributedFileSystem對象的create()方法，創建一個文件輸出流
2. DistributedFileSystem對namenode創建一個RPC調用，在文件系統的命名空間中創建一個新文件。
3. Namenode執行各種不同的檢查以確保這個文件不存在，並且客戶端有創建該文件的權限。如果這些檢查均通過，namenode就會為創建新文件記錄一條記錄，否則，文件創建失敗，向Client拋出IOException，DistributedFileSystem向Client返回一個FSDataOutputStream隊形，Client可以開始寫入數據。
4. DFSOutputStream將它分成一個個的數據包，並寫入內部隊列。DataStreamer處理數據隊列，它的責任時根據datanode列表來要求namenode分配適合新塊來存儲數據備份。這一組datanode構成一個管線---我們假設副本數為3，管路中有3個節點，DataStreamer將數據包流式床書到管線中第一個datanode，該dananode存儲數據包並將它發送到管線中的第二個datanode，同樣地，第二個datanode存儲該數據包並且發送給管縣中的第3個。
5. DFSOutputStream也維護着一個內部數據包隊列來等待datanode的收到確認回執（ack queue）。當收到管道中所有datanode確認信息后，該數據包才會從確認隊列刪除。[注1]
6. Client完成數據的寫入后，回對數據流調用close()方法
7. 將剩余所有的數據包寫入datanode管線中，並且在練習namenode且發送文件寫入完成信號之前。
[注1]：如果在數據寫入期間，datanode發生故障，則：1.關閉管線，確認把隊列中的任何數據包添加回數據隊列的最前端，一去到故障節點下游的datanode不回漏包。2.為存儲在另一個正常datanode的當前數據塊指定一個新的標志，並將給標志傳給namenode，以便故障datanode在恢復后可以刪除存儲的部分數據塊。3.從管線中刪除故障數據節點，並且把余下的數據塊寫入管線中的兩個正常的datanode。namenode注意到副本量不足時，會在另一個節點上創建一個新的副本。
Hadoop中NameNode單點故障解決方案
Hadoop 1.0內核主要由兩個分支組成：MapReduce和HDFS,這兩個系統的設計缺陷是單點故障，即MR的JobTracker和HDFS的NameNode兩個核心服務均存在單點問題，這里只討論HDFS的NameNode單點故障的解決方案。
[問題]
HDFS仿照google GFS實現的分布式存儲系統，由NameNode和DataNode兩種服務組成，其中NameNode是存儲了元數據信息（fsimage）和操作日志（edits），由於它是唯一的，其可用性直接決定了整個存儲系統的可用性。因為客戶端對HDFS的讀、寫操作之前都要訪問name node服務器，客戶端只有從name node獲取元數據之后才能繼續進行讀、寫。一旦NameNode出現故障，將影響整個存儲系統的使用。
[解決方案]
Hadoop官方提供了一種quorum journal manager來實現高可用，在高可用配置下，edit log不再存放在名稱節點，而是存放在一個共享存儲的地方，這個共享存儲由若干Journal Node組成，一般是3個節點(JN小集群)， 每個JN專門用於存放來自NN的編輯日志，編輯日志由活躍狀態的名稱節點寫入。
要有2個NN節點，二者之中只能有一個處於活躍狀態（active），另一個是待命狀態（standby），只有active節點才能對外提供讀寫HDFS服務，也只有active態的NN才能向JN寫入編輯日志；standby的名稱節點只負責從JN小集群中的JN節點拷貝數據到本地存放。另外，各個DATA NODE也要同時向兩個NameNode節點報告狀態(心跳信息、塊信息)。
一主一從的2個NameNode節點同時和3個JN構成的組保持通信，活躍的NameNode節點負責往JN集群寫入編輯日志，待命的NN節點負責觀察JN組中的編輯日志,並且把日志拉取到待命節點（接管Secondary NameNode的工作）。再加上兩節點各自的fsimage鏡像文件，這樣一來就能確保兩個NN的元數據保持同步。一旦active不可用，standby繼續對外提供服。架構分為手動模式和自動模式，其中手動模式是指由管理員通過命令進行主備切換，這通常在服務升級時有用，自動模式可降低運維成本，但存在潛在危險。這兩種模式下的架構如下。
[手動模式]
模擬流程:
1. 准備3台服務器分別用於運行JournalNode進程（也可以運行在date node服務器上），准備2台namenode服務器用於運行NameNode進程（兩台配置 要一樣），DataNode節點數量不限。
2. 分別啟動3台JN服務器上的JournalNode進程，分別在date node服務器啟動DataNode進程。
3. 需要同步2台name node之間的元數據。具體做法：從第一台NN拷貝元數據到放到另一台NN，然后啟動第一台的NameNode進程,再到另一台名稱節點上做standby引導。
4. 把第一台名節點的edit日志初始化到JN節點，以供standby節點到JN節點拉取數據。
5. 啟動standby狀態的NameNode節點，這樣就能同步fsimage文件。
6. 模擬故障，手動把active狀態的NN故障，轉移到另一台NameNode。
[自動模式]
模擬流程：
在手動模式下引入了ZKFC（DFSZKFailoverController）和zookeeper集群
ZKFC主要負責: 健康監控、session管理、leader選舉
zookeeper集群主要負責：服務同步
1-6步同手動模式
7. 准備3台主機安裝zookeeper，3台主機形成一個小的zookeeper集群.
8. 啟動ZK集群每個節點上的QuorumPeerMain進程
9. 登錄其中一台NN, 在ZK中初始化HA狀態
10. 模擬故障：停掉活躍的NameNode進程，提前配置的zookeeper會把standby節點自動變為active,繼續提供服務。
腦裂
腦裂是指在主備切換時，由於切換不徹底或其他原因，導致客戶端和Slave誤以為出現兩個active master，最終使得整個集群處於混亂狀態。解決腦裂問題，通常采用隔離(Fencing)機制。
共享存儲fencing：確保只有一個Master往共享存儲中寫數據，使用QJM實現fencing。
Qurom Journal Manager，基於Paxos（基於消息傳遞的一致性算法），Paxos算法是解決分布式環境中如何就某個值達成一致。
[原理]
a. 初始化后，Active把editlog日志寫到JN上，每個editlog有一個編號，每次寫editlog只要其中大多數JN返回成功（過半）即認定寫成功。
b. Standby定期從JN讀取一批editlog，並應用到內存中的FsImage中。
c. NameNode每次寫Editlog都需要傳遞一個編號Epoch給JN，JN會對比Epoch，如果比自己保存的Epoch大或相同，則可以寫，JN更新自己的Epoch到最新，否則拒絕操作。在切換時，Standby轉換為Active時，會把Epoch+1，這樣就防止即使之前的NameNode向JN寫日志，也會失敗。
客戶端fencing：確保只有一個Master可以響應客戶端的請求。
[原理]
在RPC層封裝了一層，通過FailoverProxyProvider以重試的方式連接NN。通過若干次連接一個NN失敗后嘗試連接新的NN，對客戶端的影響是重試的時候增加一定的延遲。客戶端可以設置重試此時和時間
Slave fencing：確保只有一個Master可以向Slave下發命令。
[原理]
a. 每個NN改變狀態的時候，向DN發送自己的狀態和一個序列號。
b. DN在運行過程中維護此序列號，當failover時，新的NN在返回DN心跳時會返回自己的active狀態和一個更大的序列號。DN接收到這個返回是認為該NN為新的active。
b. 如果這時原來的active（比如GC）恢復，返回給DN的心跳信息包含active狀態和原來的序列號，這時DN就會拒絕這個NN的命令。
最后在此感謝尚學堂周老師在我學習過程中給予的幫助。
版權聲明：本文為yunshuxueyuan原創文章。
如需轉載請標明出處： http://www.cnblogs.com/sxt-zkys/
QQ技術交流群：299142667