独家 | 带你认识HDFS和如何创建3个节点HDFS集群（附代码&案例）

Posted 2021-04-14 数据派THU

翻译：陈之炎

校对：王威力

本文约1500字，建议阅读5分钟。

在本文中，大数据专家将为您介绍如何使用HDFS以及如何利用HDFS创建HDFS集群节点。

我们将从HDFS、Zookeeper、Hbase和OpenTSDB上的系列博客开始，了解如何利用这些服务设置OpenTSDB集群。在本文中，我们将探究HDFS。

HDFS

Hadoop分布式文件系统(HDFS)是一种基于Java的分布式文件系统，它具有容错性、可伸缩性和易扩展性等优点，它可在商用硬件上运行，也可以在低成本的硬件上进行部署。HDFS是一个分布式存储的Hadoop应用程序，它提供了更易访问数据的接口。

架构

HDFS架构包含一个NameNode、DataNode和备用NameNode。

HDFS具有主/从架构。

NameNode：HDFS集群包含单个NameNode（主服务器），它管理文件系统命名空间并控制客户端对文件的访问权限。它维护和管理文件系统元数据；例如由哪些块构成文件，以及存储这些块的数据节点。

DataNode：可以有多个DataNode，通常是集群中每个节点有一个DataNode，它负责管理运行节点的存储访问。HDFS中的DataNode存储实际数据，可以添加更多的DataNode来增加可用空间。

备用NameNode ：备用NameNode服务并非真正的备用NameNode，尽管名称是称为备用NameNode。具体来说，它并不为NameNode提供高可用性(HA)。

为什么需要备用NameNode？

备用NameNode记录文件系统的修改痕迹，追加到本机文件系统文件的后面，作为修改日志。

• 启动备用NameNode时，它会从映像文件fsimage中读取HDFS状态，然后启用“编辑日志文件”对它进行编辑。

• 然后将新的HDFS状态写入fsimage，并使用“空编辑文件”启动正常操作。

• 由于NameNode只在启动时合并fsimage和编辑文件，所以在繁忙的集群中，随着时间的推移，“编辑日志文件”会变得非常大。

• 大“编辑日志文件”的另一个副作用是：在下次重新启动NameNode时，需要花费更长的时间。

• 备用NameNode定期合并fsimage和“编辑日志文件”，并将“编辑日志文件”的大小保持在限定范围内。

• 备用NameNode通常在与主NameNode不同的计算机上运行，因为它的内存要求与主NameNode的相同。

关键特征

容错：为了防止机器故障，可跨多个DataNode复制容错数据，复制因子的默认值是3（如果有3个DataNode，每个块至少存储在三台计算机上）。

可伸缩性- DataNode之间可实现直接数据传输，所以读/写次数应与DataNode的数量相匹配。

空间-需要更多的磁盘空间？只需添加更多DataNodes和再平衡。

行业标准-其他分布式应用程序均构建在HDFS之上(HBASE，Map-Reduction)。

HDFS是用来处理大数据集的，它具有write-once-read-many（一次写-多次读）的语义，不适合低延迟访问。

数据结构

• 写入HDFS的每个文件被分割为64MB或128MB大小的数据块。

• 每个块存储在一个或多个节点上。

• 块的每个副本均称为副本。

分块安置策略

• 第一副本放在本地节点上。

• 第二副本放在不同的机架上。

• 第三副本与第二副本放置在同一机架中。

设置HDFS集群

要创建HDFS集群，会用到Docker。有关Docker映像的详细信息，请参见：

https://hub.docker.com/u/uhopper/

步骤

• 创建一个Docker群网络。

查看Gist上的代码。

链接：https://gist.github.com/NitinRanjan/58427ee62d3575f85b3c4f22cdae47cb

NameNode

在VM1中为NameNode创建环境变量文件(namenode_env)。

查看Gist上的代码。

链接：

https://gist.github.com/NitinRanjan/58427ee62d3575f85b3c4f22cdae47cb

在VM1上创建NameNode：

查看Gist上的代码。

链接:

https://gist.github.com/NitinRanjan/58427ee62d3575f85b3c4f22cdae47cb

• 在所有3个VM中为DataNode创建环境变量文件(datanode_env)。

查看Gist上的代码。

链接：

https://gist.github.com/NitinRanjan/58427ee62d3575f85b3c4f22cdae47cb

在VM1上创建DataNode1：

查看Gist上的代码。

链接：

https://gist.github.com/NitinRanjan/58427ee62d3575f85b3c4f22cdae47cb

• 在VM2上创建DataNode 2：

查看Gist上的代码。

链接：

https://gist.github.com/NitinRanjan/58427ee62d3575f85b3c4f22cdae47cb

• 在VM 3上创建DataNode 3。

查看Gist上的代码。

链接：

https://gist.github.com/NitinRanjan/58427ee62d3575f85b3c4f22cdae47cb

在所有vms中，通过执行docker ps检查所有容器是否已启动并正常运行。

一旦所有容器均已启动并运行，请转到VM1，打开浏览器，打开http://localhost:50070/dfshealth.html#tab-datanode.将会看到如下输出：

HDFS CLI

在本文中，我们研究了HDFS以及如何创建3个节点HDFS集群。在下一篇文章中，我们将关注Zookeeper，并创建一个Zookeeper集群。

参考文献:

https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/HdfsUserGuide.html

https://hadoop.apache.org/docs/r2.4.1/hadoop-project-dist/hadoop-hdfs/HdfsUserGuide.html

https://docs.docker.com/network/network-tutorial-overlay/#walkthrough

https://hub.docker.com/u/uhopper/

本文首次在Generic Class博客上发表。

原文标题：

An Introduction to HDFS

原文链接：

https://dzone.com/articles/an-introduction-to-hdfs

编辑：王菁

校对：洪淑越

译者简介

陈之炎，北京交通大学通信与控制工程专业毕业，获得工学硕士学位，历任长城计算机软件与系统公司工程师，大唐微电子公司工程师，现任北京吾译超群科技有限公司技术支持。目前从事智能化翻译教学系统的运营和维护，在人工智能深度学习和自然语言处理（NLP）方面积累有一定的经验。业余时间喜爱翻译创作，翻译作品主要有：IEC-ISO 7816、伊拉克石油工程项目、新财税主义宣言等等，其中中译英作品“新财税主义宣言”在GLOBAL TIMES正式发表。能够利用业余时间加入到THU 数据派平台的翻译志愿者小组，希望能和大家一起交流分享，共同进步

翻译组招募信息

工作内容：需要一颗细致的心，将选取好的外文文章翻译成流畅的中文。如果你是数据科学/统计学/计算机类的留学生，或在海外从事相关工作，或对自己外语水平有信心的朋友欢迎加入翻译小组。

你能得到：定期的翻译培训提高志愿者的翻译水平，提高对于数据科学前沿的认知，海外的朋友可以和国内技术应用发展保持联系，THU数据派产学研的背景为志愿者带来好的发展机遇。

其他福利：来自于名企的数据科学工作者，北大清华以及海外等名校学生他们都将成为你在翻译小组的伙伴。

点击文末“阅读原文”加入数据派团队~

转载须知

发布后请将链接反馈至联系邮箱（见下方）。未经许可的转载以及改编者，我们将依法追究其法律责任。

点击“阅读原文”拥抱组织