Hadoop（三）HDFS讀寫原理與shell命令

一 HDFS概述

1.1 HDFS產生背景

隨着數據量越來越大，在一個操作系統管轄的范圍內存不下了，那么就分配到更多的操作系統管理的磁盤中，但是不方便管理和維護，迫切需要一種系統來管理多台機器上的文件，這就是分布式文件管理系統。HDFS只是分布式文件管理系統中的一種。

1.2 HDFS概念

HDFS，它是一個文件系統，用於存儲文件，通過目錄樹來定位文件；其次，它是分布式的，由很多服務器聯合起來實現其功能，集群中的服務器有各自的角色。

HDFS的設計適合一次寫入，多次讀出的場景，且不支持文件的修改。適合用來做數據分析，並不適合用來做網盤應用。

1.3 HDFS優缺點

1.3.1 優點

1）高容錯性

（1）數據自動保存多個副本。它通過增加副本的形式，提高容錯性。

（2）某一個副本丟失以后，它可以自動恢復。

 2）適合大數據處理

（1）數據規模：能夠處理數據規模達到 GB、TB、甚至PB級別的數據。

（2）文件規模：能夠處理百萬規模以上的文件數量，數量相當之大。

 3）流式數據訪問

（1）一次寫入，多次讀取，不能修改，只能追加。

（2）它能保證數據的一致性。

 4）可構建在廉價機器上，通過多副本機制，提高可靠性。

1.3.2 缺點

 1）不適合低延時數據訪問，比如毫秒級的存儲數據，是做不到的。

 2）無法高效的對大量小文件進行存儲

 （1）存儲大量小文件的話，它會占用 NameNode大量的內存來存儲文件、目錄和塊信息。這樣是不可取的，因為NameNode的內存總是有限的。

（2）小文件存儲的尋道時間會超過讀取時間，它違反了HDFS的設計目標。

 3）並發寫入、文件隨機修改

（1）一個文件只能有一個寫，不允許多個線程同時寫。

（2）僅支持數據 append（追加），不支持文件的隨機修改。

拋出問題：HDFS文件系統為什么不適用於存儲小文件？

這是和HDFS系統底層設計實現有關系的，HDFS本身的設計就是用來解決海量大文件數據的存儲.，他天生喜歡大數據的處理，大文件存儲在HDFS中，會被切分成很多的小數據塊，任何一個文件不管有多小，都是一個獨立的數據塊，而這些數據塊的信息則是保存在元數據中的，在之前的博客HDFS基礎里面介紹過在HDFS集群的namenode中會存儲元數據的信息，這里再說一下，元數據的信息主要包括以下3部分：

　　1）抽象目錄樹

　　2）文件和數據塊的映射關系，一個數據塊的元數據大小大約是150byte

　　3）數據塊的多個副本存儲地

而元數據的存儲在磁盤（1和2）和內存中（1、2和3），而服務器中的內存是有上限的，舉個例子：

有100個1M的文件存儲進入HDFS系統，那么數據塊的個數就是100個，元數據的大小就是100*150byte，消耗了15000byte的內存，但是只存儲了100M的數據。

有1個100M的文件存儲進入HDFS系統，那么數據塊的個數就是1個，元數據的大小就是150byte，消耗量150byte的內存，存儲量100M的數據。

所以說HDFS文件系統不適用於存儲小文件。

1.4 HDFS架構

1）Client：就是客戶端。

（1）文件切分。文件上傳 HDFS 的時候，Client 將文件切分成一個一個的Block，然后進行存儲。

（2）與NameNode交互，獲取文件的位置信息。

（3）與DataNode交互，讀取或者寫入數據。

（4）Client提供一些命令來管理HDFS，比如啟動或者關閉HDFS。

（5）Client可以通過一些命令來訪問HDFS。

 2）NameNode：就是master，它是一個主管、管理者。

（1）管理HDFS的名稱空間。

（2）管理數據塊（Block）映射信息

（3）配置副本策略

（4）處理客戶端讀寫請求。

3） DataNode：就是Slave。NameNode下達命令，DataNode執行實際的操作。

 （1）存儲實際的數據塊。

 （2）執行數據塊的讀/寫操作。

4） Secondary NameNode：並非NameNode的熱備。當NameNode掛掉的時候，它並不能馬上替換NameNode並提供服務。

（1）輔助NameNode，分擔其工作量。

（2）定期合並Fsimage和Edits，並推送給NameNode。

（3）在緊急情況下，可輔助恢復NameNode。

1.5 HDFS 文件塊大小

HDFS中的文件在物理上是分塊存儲（block），塊的大小可以通過配置參數( dfs.blocksize)來規定，默認大小在hadoop2.x版本中是128M，老版本中是64M。

HDFS的塊比磁盤的塊大，其目的是為了最小化尋址開銷。如果塊設置得足夠大，從磁盤傳輸數據的時間會明顯大於定位這個塊開始位置所需的時間。因而，傳輸一個由多個塊組成的文件的時間取決於磁盤傳輸速率。

如果尋址時間約為10ms，而傳輸速率為100MB/s，為了使尋址時間僅占傳輸時間的1%，我們要將塊大小設置約為100MB。默認的塊大小128MB。

塊的大小：10ms*100*100M/s = 100M

二 HDFS的輔助功能

HDFS作為一個文件系統。有兩個最主要的功能：上傳和下載。而為了保障這兩個功能的完美和高效實現，HDFS提供了很多的輔助功能

2.1.心跳機制

1、 Hadoop 是 Master/Slave 結構，Master 中有 NameNode 和 ResourceManager，Slave 中有 Datanode 和 NodeManager 

2、 Master 啟動的時候會啟動一個 IPC（Inter-Process Comunication，進程間通信）server 服 務，等待 slave 的鏈接

3、 Slave 啟動時，會主動鏈接 master 的 ipc server 服務，並且每隔 3 秒鏈接一次 master，這 個間隔時間是可以調整的，參數為 dfs.heartbeat.interval，這個每隔一段時間去連接一次 的機制，我們形象的稱為心跳。Slave 通過心跳匯報自己的信息給 master，master 也通 過心跳給 slave 下達命令，

4、 NameNode 通過心跳得知 Datanode 的狀態 ，ResourceManager 通過心跳得知 NodeManager 的狀態

5、 如果 master 長時間都沒有收到 slave 的心跳，就認為該 slave 掛掉了。

最終NameNode判斷一個DataNode死亡的時間計算公式：

timeout = 10 * 心跳間隔時間  + 2 * 檢查一次消耗的時間

心跳間隔時間：dfs.heartbeat.interval 心跳時間：3s，檢查一次消耗的時間：heartbeat.recheck.interval checktime : 5min，最終宕機之后630s后顯示死亡狀態。

2.2.安全模式

1、HDFS的啟動和關閉都是先啟動NameNode，在啟動DataNode，最后在啟動secondarynamenode。

2、決定HDFS集群的啟動時長會有兩個因素：

　　1）磁盤元數據的大小

　　2）datanode的節點個數

 當元數據很大，或者 節點個數很多的時候，那么HDFS的啟動，需要一段很長的時間，那么在還沒有完全啟動的時候HDFS能否對外提供服務？

在HDFS的啟動命令start-dfs.sh執行的時候，HDFS會自動進入安全模式

為了確保用戶的操作是可以高效的執行成功的，在HDFS發現自身不完整的時候，會進入安全模式。保護自己。

在正常啟動之后，如果HDFS發現所有的數據都是齊全的，那么HDFS會啟動的退出安全模式

3、對安全模式進行測試

安全模式常用操作命令：

hdfs dfsadmin -safemode leave //強制 NameNode 退出安全模式
hdfs dfsadmin -safemode enter //進入安全模式 hdfs dfsadmin -safemode get //查看安全模式狀態 hdfs dfsadmin -safemode wait //等待，一直到安全模式結束

4、安全模式下測試上傳下載，得出結論：

如果一個操作涉及到元數據的修改的話。都不能進行操作，如果一個操作僅僅只是查詢。那是被允許的。所謂安全模式，僅僅只是保護namenode，而不是保護datanode。

2.3.副本存放策略

第一副本：放置在上傳文件的DataNode上；如果是集群外提交，則隨機挑選一台磁盤不太慢、CPU不太忙的節點上；
第二副本：放置在於第一個副本不同的機架的節點上；
第三副本：與第二個副本相同機架的不同節點上；
如果還有更多的副本：隨機放在節點中；

2.4.負載均衡

負載均衡理想狀態：節點均衡、機架均衡和磁盤均衡。

Hadoop的HDFS集群非常容易出現機器與機器之間磁盤利用率不平衡的情況，例如：當集群內新增、刪除節點，或者某個節點機器內硬盤存儲達到飽和值。當數據不平衡時，Map任務可能會分配到沒有存儲數據的機器，這將導致網絡帶寬的消耗，也無法很好的進行本地計算。
當HDFS負載不均衡時，需要對HDFS進行數據的負載均衡調整，即對各節點機器上數據的存儲分布進行調整。從而，讓數據均勻的分布在各個DataNode上，均衡IO性能，防止熱點的發生。進行數據的負載均衡調整，必須要滿足如下原則：

• 數據平衡不能導致數據塊減少，數據塊備份丟失
• 管理員可以中止數據平衡進程
• 每次移動的數據量以及占用的網絡資源，必須是可控的
• 數據均衡過程，不能影響namenode的正常工作

負載均衡的原理

數據均衡過程的核心是一個數據均衡算法，該數據均衡算法將不斷迭代數據均衡邏輯，直至集群內數據均衡為止。該數據均衡算法每次迭代的邏輯如下：

步驟分析如下：

1. 數據均衡服務（Rebalancing Server）首先要求 NameNode 生成 DataNode 數據分布分析報告,獲取每個DataNode磁盤使用情況
2. Rebalancing Server匯總需要移動的數據分布情況，計算具體數據塊遷移路線圖。數據塊遷移路線圖，確保網絡內最短路徑
3. 開始數據塊遷移任務，Proxy Source Data Node復制一塊需要移動數據塊
4. 將復制的數據塊復制到目標DataNode上
5. 刪除原始數據塊
6. 目標DataNode向Proxy Source Data Node確認該數據塊遷移完成
7. Proxy Source Data Node向Rebalancing Server確認本次數據塊遷移完成。然后繼續執行這個過程，直至集群達到數據均衡標准

DataNode分組

在第2步中，HDFS會把當前的DataNode節點,根據閾值的設定情況划分到Over、Above、Below、Under四個組中。在移動數據塊的時候，Over組、Above組中的塊向Below組、Under組移動。四個組定義如下：

 

• Over組：此組中的DataNode的均滿足

DataNode_usedSpace_percent > Cluster_usedSpace_percent + threshold

• Above組：此組中的DataNode的均滿足

Cluster_usedSpace_percent + threshold > DataNode_ usedSpace _percent >Cluster_usedSpace_percent

• Below組：此組中的DataNode的均滿足

Cluster_usedSpace_percent > DataNode_ usedSpace_percent > Cluster_ usedSpace_percent – threshold

• Under組：此組中的DataNode的均滿足

Cluster_usedSpace_percent – threshold > DataNode_usedSpace_percent

Hadoop HDFS 數據自動平衡腳本使用方法

在Hadoop中，包含一個start-balancer.sh腳本，通過運行這個工具，啟動HDFS數據均衡服務。該工具可以做到熱插拔，即無須重啟計算機和 Hadoop 服務。HadoopHome/bin目錄下的start−balancer.sh腳本就是該任務的啟動腳本。啟動命令為：‘HadoopHome/bin目錄下的start−balancer.sh腳本就是該任務的啟動腳本。啟動命令為：‘Hadoop_home/bin/start-balancer.sh –threshold`

影響Balancer的幾個參數：

• -threshold
  • 默認設置：10，參數取值范圍：0-100
  • 參數含義：判斷集群是否平衡的閾值。理論上，該參數設置的越小，整個集群就越平衡
• dfs.balance.bandwidthPerSec
  • 默認設置：1048576（1M/S）
  • 參數含義：Balancer運行時允許占用的帶寬

示例如下：

#啟動數據均衡，默認閾值為 10%
$Hadoop_home/bin/start-balancer.sh

#啟動數據均衡，閾值 5%
bin/start-balancer.sh –threshold 5

#停止數據均衡
$Hadoop_home/bin/stop-balancer.sh

在hdfs-site.xml文件中可以設置數據均衡占用的網絡帶寬限制

<property>
    <name>dfs.balance.bandwidthPerSec</name>
    <value>1048576</value>
    <description> Specifies the maximum bandwidth that each datanode can utilize for the balancing purpose in term of the number of bytes per second. </description>
</property>

三 HDFS的讀寫詳解

3.1 HDFS寫操作

        

詳細文字說明（術語）

1、使用 HDFS 提供的客戶端 Client，向遠程的 namenode 發起 RPC 請求

2、namenode 會檢查要創建的文件是否已經存在，創建者是否有權限進行操作，成功則會 為文件創建一個記錄，否則會讓客戶端拋出異常；

3、當客戶端開始寫入文件的時候，客戶端會將文件切分成多個 packets，並在內部以數據隊列“data queue（數據隊列）”的形式管理這些 packets，並向 namenode 申請 blocks，獲 取用來存儲 replicas 的合適的 datanode 列表，列表的大小根據 namenode 中 replication 的設定而定；

4、開始以 pipeline（管道）的形式將 packet 寫入所有的 replicas 中。客戶端把 packet 以流的 方式寫入第一個 datanode，該 datanode 把該 packet 存儲之后，再將其傳遞給在此 pipeline 中的下一個 datanode，直到最后一個 datanode，這種寫數據的方式呈流水線的形式。

5、最后一個 datanode 成功存儲之后會返回一個 ack packet（確認隊列），在 pipeline 里傳遞 至客戶端，在客戶端的開發庫內部維護着"ack queue"，成功收到 datanode 返回的 ack packet 后會從"data queue"移除相應的 packet。

6、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。

7、客戶端完成數據的寫入后，會對數據流調用 close()方法，關閉數據流；

8、只要寫入了 dfs.replication.min（最小寫入成功的副本數）的復本數（默認為 1），寫操作 就會成功，並且這個塊可以在集群中異步復制，直到達到其目標復本數（dfs.replication 的默認值為 3），因為 namenode 已經知道文件由哪些塊組成，所以它在返回成功前只需 要等待數據塊進行最小量的復制。

詳細文字說明（口語）

1、客戶端發起請求：hadoop fs -put hadoop.tar.gz /　

客戶端怎么知道請求發給那個節點的哪個進程？

因為客戶端會提供一些工具來解析出來你所指定的HDFS集群的主節點是誰，以及端口號等信息，主要是通過URI來確定，

url：hdfs://hadoop1:9000

當前請求會包含一個非常重要的信息： 上傳的數據的總大小

2、namenode會響應客戶端的這個請求

namenode的職責：

1 管理元數據（抽象目錄樹結構）

用戶上傳的那個文件在對應的目錄如果存在。那么HDFS集群應該作何處理，不會處理

用戶上傳的那個文件要存儲的目錄不存在的話，如果不存在不會創建

2、響應請求

真正的操作：做一系列的校驗，

1、校驗客戶端的請求是否合理
2、校驗客戶端是否有權限進行上傳

3、如果namenode返回給客戶端的結果是 通過， 那就是允許上傳

namenode會給客戶端返回對應的所有的數據塊的多個副本的存放節點列表，如：

file1_blk1 hadoop02，hadoop03，hadoop04
file1_blk2 hadoop03，hadoop04，hadoop05

4、客戶端在獲取到了namenode返回回來的所有數據塊的多個副本的存放地的數據之后，就可以按照順序逐一進行數據塊的上傳操作

5、對要上傳的數據塊進行邏輯切片

切片分成兩個階段:

1、規划怎么切
2、真正的切

物理切片： 1 和 2

邏輯切片： 1

file1_blk1 ： file1:0:128
file1_blk2 ： file1:128:256

　　邏輯切片只是規划了怎么切

　　

6、開始上傳第一個數據塊

7、客戶端會做一系列准備操作

1、依次發送請求去連接對應的datnaode

pipline : client - node1 - node2 - node3

按照一個個的數據包的形式進行發送的。

每次傳輸完一個數據包，每個副本節點都會進行校驗，依次原路給客戶端

2、在客戶端會啟動一個服務：

用戶就是用來等到將來要在這個pipline數據管道上進行傳輸的數據包的校驗信息

客戶端就能知道當前從clinet到寫node1,2,3三個節點上去的數據是否都寫入正確和成功

8、clinet會正式的把這個快中的所有packet都寫入到對應的副本節點

1、block是最大的一個單位，它是最終存儲於DataNode上的數據粒度，由dfs.block.size參數決定，2.x版本默認是128M；注：這個參數由客戶端配置決定；如：System.out.println(conf.get("dfs.blocksize"));//結果是134217728

2、packet是中等的一個單位，它是數據由DFSClient流向DataNode的粒度，以dfs.write.packet.size參數為參考值，默認是64K；注：這個參數為參考值，是指真正在進行數據傳輸時，會以它為基准進行調整，調整的原因是一個packet有特定的結構，調整的目標是這個packet的大小剛好包含結構中的所有成員，同時也保證寫到DataNode后當前block的大小不超過設定值；

如：System.out.println(conf.get("dfs.write.packet.size"));//結果是65536

3、chunk是最小的一個單位，它是DFSClient到DataNode數據傳輸中進行數據校驗的粒度，由io.bytes.per.checksum參數決定，默認是512B；注：事實上一個chunk還包含4B的校驗值，因而chunk寫入packet時是516B；數據與檢驗值的比值為128:1，所以對於一個128M的block會有一個1M的校驗文件與之對應；

如：System.out.println(conf.get("io.bytes.per.checksum"));//結果是512

9、clinet進行校驗，如果校驗通過，表示該數據塊寫入成功

10、重復7 8 9 三個操作，來繼續上傳其他的數據塊

11、客戶端在意識到所有的數據塊都寫入成功之后，會給namenode發送一個反饋，就是告訴namenode當前客戶端上傳的數據已經成功。

3.2 HDFS讀操作

數據讀取

1、客戶端調用FileSystem 實例的open 方法，獲得這個文件對應的輸入流InputStream。

2、通過RPC 遠程調用NameNode ，獲得NameNode 中此文件對應的數據塊保存位置，包括這個文件的副本的保存位置( 主要是各DataNode的地址) 。

3、獲得輸入流之后，客戶端調用read 方法讀取數據。選擇最近的DataNode 建立連接並讀取數據。

4、如果客戶端和其中一個DataNode 位於同一機器(比如MapReduce 過程中的mapper 和reducer)，那么就會直接從本地讀取數據。

5、到達數據塊末端，關閉與這個DataNode 的連接，然后重新查找下一個數據塊。

6、不斷執行第2 - 5 步直到數據全部讀完。

7、客戶端調用close ，關閉輸入流DF S InputStream。

四 HDFS命令行操作

4.1 基本語法    

bin/hadoop fs 具體命令

4.2 參數大全

 [root@node21 hadoop-2.7.6]$ bin/hadoop fs

[-appendToFile <localsrc> ... <dst>]
[-cat [-ignoreCrc] <src> ...]
[-checksum <src> ...]
[-chgrp [-R] GROUP PATH...]
[-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
[-chown [-R] [OWNER][:[GROUP]] PATH...]
[-copyFromLocal [-f] [-p] <localsrc> ... <dst>]
[-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-count [-q] <path> ...]
[-cp [-f] [-p] <src> ... <dst>]
[-createSnapshot <snapshotDir> [<snapshotName>]]
[-deleteSnapshot <snapshotDir> <snapshotName>]
[-df [-h] [<path> ...]]
[-du [-s] [-h] <path> ...]
[-expunge]
[-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-getfacl [-R] <path>]
[-getmerge [-nl] <src> <localdst>]
[-help [cmd ...]]
[-ls [-d] [-h] [-R] [<path> ...]]
[-mkdir [-p] <path> ...]
[-moveFromLocal <localsrc> ... <dst>]
[-moveToLocal <src> <localdst>]
[-mv <src> ... <dst>]
[-put [-f] [-p] <localsrc> ... <dst>]
[-renameSnapshot <snapshotDir> <oldName> <newName>]
[-rm [-f] [-r|-R] [-skipTrash] <src> ...]
[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
[-setrep [-R] [-w] <rep> <path> ...]
[-stat [format] <path> ...]
[-tail [-f] <file>]
[-test -[defsz] <path>]
[-text [-ignoreCrc] <src> ...]
[-touchz <path> ...]
[-usage [cmd ...]] 

4.3常用命令實操

（1）-help：輸出這個命令參數
（2）-ls: 顯示目錄信息
（3）-mkdir：在hdfs上創建目錄
（4）-moveFromLocal從本地剪切粘貼到hdfs
（5）-appendToFile ：追加一個文件到已經存在的文件末尾
（6）-cat ：顯示文件內容
（7）-tail：顯示一個文件的末尾
（8）-chgrp 、-chmod、-chown：linux文件系統中的用法一樣，修改文件所屬權限
（9）-copyFromLocal：從本地文件系統中拷貝文件到hdfs路徑去
（10）-copyToLocal：從hdfs拷貝到本地t
（11）-cp ：從hdfs的一個路徑拷貝到hdfs的另一個路徑
（12）-mv：在hdfs目錄中移動文件
（13）-get：等同於copyToLocal，就是從hdfs下載文件到本地
（14）-getmerge ：合並下載多個文件，比如hdfs的目錄 /aaa/下有多個文件:log.1, log.2,log.3,...
（15）-put：等同於copyFromLocal
（16）-rm：刪除文件或文件夾
（17）-rmdir：刪除空目錄
（18）-df ：統計文件系統的可用空間信息
（19）-du統計文件夾的大小信息
（20）-setrep：設置hdfs中文件的副本數量