Hadoop之NameNode目录结构

Posted 2023-04-22

参考技术A 为了后面能够更加熟悉的保障Hadoop集群的平稳运行，我们需要深入的了解NameNode、SecondaryNameNode（也称辅助NameNode）以及datanode等HDFS组件在磁盘上的目录结构以及运行的原理。这篇文章我们就一起来看一下NameNode的目录结构。

NameNode的工作目录就是我门指定的hadoop工作目录（由hadoop.tmp.dir配置项指定，配置在core-site.xml文件内）下的dfs/name目录。

VERSION 文件中包含正在运行的HDFS的版本信息，一般情况下应该包含下面的内容：

当我们操作HDFS中的文件时，这些操作首先会被写入到编辑日志中，然后相关的文件数据也会被更新。编辑日志文件在概念上是单个实体，但是它其实是存储在磁盘上的多个文件上的，我们看到了很多的edits_000xxx就是编辑日志。但是任何一个时刻都只有一个编辑日志文件处于打开可写的状态（edits_inprogress_000xxx）。
其实这个有点类似日志滚动的概念。

编辑日志不会是无限的增长的，集群中的SecondaryNameNode会定期为namenode内存中的文件系统元数据创建系统镜像，具体的创建过程参照下图。

edits日志文件合并的触发条件受两个配置项的控制，dfs.namenode.checkpoint.period（单位为秒），这个配置项是从时间维度上的控制，默认情况下是每隔1个小时触发一次合并。
第二个配置项是dfs.namenode.checkpoint.txns，这个配置是从编辑日志大大小维度上进行控制的，默认是如果从上一个检查点开始编辑日志已经达到了100万个事务就合并。检查编辑日志大小的频率默认是1分钟检查一次，可由dfs.namenode.checkpoint.check.period（单位为秒）配置项来改变。

Hadoop技术之HDFS工作流程与机制Apache Hadoop概述

---

一、HDFS集群角色与职责

官方架构图

 主角色：  namenode

NameNode是Hadoop分布式文件系统的核心，架构中的主角色。

NameNode维护和管理文件系统元数据，包括名称空间目录树结构、文件和块的位置信息、访问权限等信息。    

基于此，  NameNode成为了访问HDFS的唯一入口。

 主角色：  namenode

NameNode内部通过内存和磁盘文件两种方式管理元数据。

其中磁盘上的元数据文件包括Fsimage内存元数据镜像文件和edits log  (Journal)编辑日志。

从角色：  datanode

DataNode是Hadoop HDFS中的从角色，负责具体的数据块存储。

DataNode的数量决定了HDFS集群的整体数据存储能力。通过和NameNode配合维护着数据块。

主角色辅助角色：   secondarynamenode

Secondary NameNode充当NameNode的辅助节点，但不能替代NameNode。

主要是帮助主角色进行元数据文件的合并动作。可以通俗的理解为主角色的“秘书”。

 namenode职责

NameNode仅存储HDFS的元数据：文件系统中所有文件的目录树，  并跟踪整个集群中的文件，  不存储实际数据。    

NameNode知道HDFS中任何给定文件的块列表及其位置。使用此信息NameNode知道如何从块中构建文件。        

NameNode不持久化存储每个文件中各个块所在的datanode的位置信息，  这些信息会在系统启动时从DataNode
重建。

NameNode是Hadoop集群中的单点故障。

NameNode所在机器通常会配置有大量内存(RAM)  。

datanode职责

DataNode负责最终数据块block的存储。是集群的从角色，也称为Slave。

DataNode启动时，会将自己注册到NameNode并汇报自己负责持有的块列表。

当某个DataNode关闭时，不会影响数据的可用性。  

NameNode将安排由其他DataNode管理的块进行副本复制。

DataNode所在机器通常配置有大量的硬盘空间，  因为实际数据存储在DataNode中。

二、HDFS写数据流程(上传文件) 

写数据完整流程图

核心概念--Pipeline管道

 Pipeline，中文翻译为管道。这是HDFS在上传文件写数据过程中采用的一种数据传输方式。

客户端将数据块写入第一个数据节点，  第一个数据节点保存数据之后再将块复制到第二个数据节点，  后者保存后将其复制到第三个数据节点。

核心概念--Pipeline管道

为什么datanode之间采用pipeline线性传输，而不是一次给三个datanode拓扑式传输呢？

因为数据以管道的方式，  顺序的沿着一个方向传输，  这样能够充分利用每个机器的带宽，避免网络瓶颈和高延迟时的连接，最小化推送所有数据的延时。

在线性推送模式下，每台机器所有的出口宽带都用于以最快的速度传输数据，而不是在多个接受者之间分配宽带。

核心概念--ACK应答响应

ACK (Acknowledge character)即是确认字符，在数据通信中，接收方发给发送方的一种传输类控制字符。表示发来的数据已确认接收无误。

在HDFS pipeline管道传输数据的过程中，传输的反方向会进行ACK校验，  确保数据传输安全。

核心概念--默认3副本存储策略

默认副本存储策略是由BlockPlacementPolicyDefault指定。 

核心概念--默认3副本存储策略
    第一块副本：优先客户端本地，  否则随机
    第二块副本：不同于第一块副本的不同机架。
    第三块副本：第二块副本相同机架不同机器。

1、HDFS客户端创建对象实例DistributedFileSystem，   该对象中封装了与HDFS文件系统操作的相关方法。

2、调用DistributedFileSystem对象的create()方法，通过RPC请求NameNode创建文件。
NameNode执行各种检查判断：目标文件是否存在、父目录是否存在、客户端是否具有创建该文件的权限。检查通过 ，  NameNode就会为本次请求记下一条记录，返回FSDataOutputStream输出流对象给客户端用于写数据。 

3、客户端通过FSDataOutputStream输出流开始写入数据。

4、客户端写入数据时，将数据分成一个个数据包(packet 默认64k)  , 内部组件DataStreamer请求NameNode挑 选出适合存储数据副本的一组DataNode地址，默认是3副本存储。
DataStreamer将数据包流式传输到pipeline的第一个DataNode,该DataNode存储数据包并将它发送到pipeline的第 二个DataNode。  同样，第二个DataNode存储数据包并且发送给第三个(也是最后一个)  DataNode。 

5、传输的反方向上，  会通过ACK机制校验数据包传输是否成功；

6、客户端完成数据写入后，在FSDataOutputStream输出流上调用close()方法关闭。

7、  DistributedFileSystem联系NameNode告知其文件写入完成，等待NameNode确认。

因为namenode已经知道文件由哪些块组成(DataStream请求分配数据块)，  因此仅需等待最小复制块即可成功返回。

最小复制是由参数dfs.namenode.replication.min指定，默认是1.

三、HDFS读数据流程(下载文件)

读数据完整流程图

 1、  HDFS客户端创建对象实例DistributedFileSystem，   调用该对象的open()方法来打开希望读取的文件。

2、  DistributedFileSystem使用RPC调用namenode来确定文件中前几个块的块位置(分批次读取)  信息。对于每个块，  namenode返回具有该块所有副本的datanode位置地址列表，并且该地址列表是排序好的，  与客户端的 网络拓扑距离近的排序靠前。 

3、  DistributedFileSystem将FSDataInputStream输入流返回到客户端以供其读取数据。

4、客户端在FSDataInputStream输入流上调用read()方法。然后，已存储DataNode地址的InputStream连接到文件 中第一个块的最近的DataNode。数据从DataNode流回客户端，  结果客户端可以在流上重复调用read  ()  。

5、当该块结束时，  FSDataInputStream将关闭与DataNode的连接，然后寻找下一个block块的最佳datanode位置。 这些操作对用户来说是透明的。所以用户感觉起来它一直在读取一个连续的流。客户端从流中读取数据时，也会根据需要询问NameNode来检索下一批数据块的DataNode位置信息。

6、一旦客户端完成读取，就对FSDataInputStream调用close()方法。