#yyds干货盘点# 大数据技术栈之Hadoop-HDFS

Posted juggles

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了#yyds干货盘点# 大数据技术栈之Hadoop-HDFS相关的知识,希望对你有一定的参考价值。

概述

Hadoop是一个分布式系统基础架构

主要解决海量数据的存储和分析计算

hadoop作为大数据技术栈必须要掌握的框架,且Hadpood生态圈非常强大

#yyds干货盘点#

Hadoop组成

HDFS(Hadoop Distributed File System)

分布式文件存储系统,适合一次写入,多次读出,切不修改

优点
  • 高容错,数据可以保存成多副本,防止数据丢失
  • 适合处理大数据量存储,分布式存储
  • 可构建在廉价机器上,节省资源
缺点
  • 不适合低延时数据访问
  • 无法高效对大量小文件进行存储,小问题太多会占有NameNode大量内存来存储文件目录和块信息
  • 不支持并发写入一个文件,只能追加写
架构

#yyds干货盘点#

NameNode:就是master节点

  1. 管理HDFS的名称空间
  2. 配置副本策略
  3. 管理数据块映射信息
  4. 处理客户端读写请求

DataNode:就是slave节点

  1. 存储实际的数据块
  2. 执行数据块的读/写操作

Client:客户端

  1. 文件切分,文件上传HDFS时,将文件切分成一个个Block,然后再上传
  2. 与NameNode节点交互,获取文件位置信息

Secondary NameNode:

  1. 辅助NameNode,定期河北Fsimage和Edits,并推送给NameNode
  2. 紧急情况下,可辅助恢复NameNode


文件块大小

HDFS文件在物理上是分块存储(Block),可自定义设置dfs.blocksize

block大小主要取决于磁盘传输速度,寻址时间为传输时间的1%时,则为最佳时间

  • 块太大,磁盘数据传输时间就很大
  • 块太小,查询数据可以会多次寻址,增加寻址时间


HDFS数据读写流程

写文件

#yyds干货盘点#

1)客户端向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NameNode询问第一个Block上传哪几个DataNode

4)NameNode返回DataNode节点信息

5)客户端请求DataNode1上传数据,DataNode1收到请求会继续调用DataNode2,然后DataNode2调用DataNode3,建立通信管道

6)DataNode1,DataNode2,DataNode3逐级应答

7)客户端开始发送第一个Block数据,DataNode1收到数据之后再传给DataNode2,DataNode1美传一个packet会放入一个应答队列等待相应,链式传递下去

8)完成第一个Block传递之后,客户端再请求NameNode获取DataNode信息。。。


NameNode如何选择DataNode

本来就近原则,会选择最近的DataNode,如何计算最近

这里不多介绍,有兴趣可以深入研究


NameNode工作机制

#yyds干货盘点#


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,如果非第一次启动,直接加载Fsimage和Edits
  2. 客户端对元数据进行增删改请求
  3. NameNode记录操作日期,更新滚动日子
  4. NameNode在内存中对数据进行增删改


第二阶段:Secondary NameNode工作
  1. Secondary NameNode询问NameNode是否需要CheckPoint
  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Edits、Fsimage拷贝到Secondary NameNode
  5. Secondary NameNode加载Edits、Fsimage到内存,再合并
  6. 生成新的镜像文件fsimage.chkpoint
  7. 拷贝fsimage.chkpoint到NameNode
  8. NameNode将fsimage.chkpoint重命名成fsimage


读文件

#yyds干货盘点#

1)客户端请求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),请求读取数据

3)DataNode开始传输数据给客户端,以Packet为单位发送

4)客户端以Packet为单位接收,现在本地内存缓存,然后写入文件







以上是关于#yyds干货盘点# 大数据技术栈之Hadoop-HDFS的主要内容,如果未能解决你的问题,请参考以下文章

#yyds干货盘点#Hadoop企业级生产调优手册

sqoop用法之mysql与hive数据导入导出#yyds干货盘点#

Hadoop 集群完全分布式安装 #yyds干货盘点#

#yyds干货盘点#Hadoop企业级生产调优手册

#yyds干货盘点# MySQL性能优化:深入理解索引的这点事

#yyds干货盘点# MySQL性能优化:选择优化的数据类型