大数据必学HDFS技术分享
Posted Java编程
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了大数据必学HDFS技术分享相关的知识,希望对你有一定的参考价值。
1
HDFS前言
设计思想:
分而治之:将大文件、大批量文件,分布式存放在大量服务器上,以便于采取分而治之的方式对海量数据进行运算分析;
在大数据系统中作用:
为各类分布式运算框架(如:mapreduce,spark,tez,……)提供数据存储服务
重点概念:
文件切块,副本存放,元数据
重要特性如下:
⑴ HDFS中的文件在物理上是分块存储(block),块的大小可以通过配置参数( dfs.blocksize)来规定,默认大小在hadoop2.x版本中是128M,老版本中是64M
⑵ HDFS文件系统会给客户端提供一个统一的抽象目录树,客户端通过路径来访问文件,形如:hdfs://namenode:port/dir-a/dir-b/dir-c/file.data
⑶ 目录结构及文件分块信息(元数据)的管理由namenode节点承担——namenode是HDFS集群主节点,负责维护整个hdfs文件系统的目录树,以及每一个路径(文件)所对应的block块信息(block的id,及所在的datanode服务器)
⑷ 文件的各个block的存储管理由datanode节点承担---- datanode是HDFS集群从节点,每一个block都可以在多个datanode上存储多个副本(副本数量也可以通过参数设置dfs.replication)
⑸ HDFS是设计成适应一次写入,多次读出的场景,且不支持文件的修改
2
HDFS的shell(命令行客户端)操作
HDFS集群分为两大角色:NameNode、DataNode
NameNode负责管理整个文件系统的元数据
DataNode 负责管理用户的文件数据块
文件会按照固定的大小(blocksize)切成若干块后分布式存储在若干台datanode上
每一个文件块可以有多个副本,并存放在不同的datanode上
Datanode会定期向Namenode汇报自身所保存的文件block信息,而namenode则会负责保持文件的副本数量
HDFS的内部工作机制对客户端保持透明,客户端请求访问HDFS都是通过向namenode申请来进行
HDFS提供shell命令行客户端,使用方法如下:
3
HDFS写读数据流程
写数据
1
根namenode通信请求上传文件,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
client请求第一个 block该传输到哪些datanode服务器上
4
namenode返回3个datanode服务器ABC
5
client请求3台dn中的一台A上传数据(本质上是一个RPC调用,建立pipeline),A收到请求会继续调用B,然后B调用C,将真个pipeline建立完成,逐级返回客户端
6
client开始往A上传第一个block(先从磁盘读取数据放到一个本地内存缓存),以packet为单位,A收到一个packet就会传给B,B传给C;A每传一个packet会放入一个应答队列等待应答
7
当一个block传输完成之后,client再次请求namenode上传第二个block的服务器
读数据
1
跟namenode通信查询元数据,找到文件块所在的datanode服务器
2
挑选一台datanode(就近原则,然后随机)服务器,请求建立socket流
3
datanode开始发送数据(从磁盘里面读取数据放入流,以packet为单位来做校验)
4
客户端以packet为单位接收,现在本地缓存,然后写入目标文件
HDFS上的文件也被划分为块大小的多个分块(chunk),作为独立的存储单元。但与其他文件系统不同的是,HDFS中小于一个块大小的文件不会占据整个块的空间。
点击“阅读原文”也可以加入学习交流群哦~
以上是关于大数据必学HDFS技术分享的主要内容,如果未能解决你的问题,请参考以下文章