Hadoop-HDFS压测针对HDFS进行读写性能测试

Posted whiteY

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Hadoop-HDFS压测针对HDFS进行读写性能测试相关的知识,希望对你有一定的参考价值。

【Hadoop-HDFS压测】针对HDFS进行读写性能测试


1)测试工具
2)写入数据测试
3)读取数据测试
4)清除数据

1)测试工具

Hadoop自身集成的工具包:hadoop-mapreduce-client-jobclient-3.1.1.jar

注意:

1、如果是Apache版本安装的Hadoop默认在lib目录下,如果是CDH版本安装的Hadoop需要自己去对应目录下找。

2、此工具测试需要执行hadoop命令,所以需要在服务器中配置Hadoop环境变量。

3、先执行write命令,再执行read命令。

2)写入数据测试

(1)参数说明

TestDFSIO:测试任务名称
write:写入命令
nrFiles:文件个数
size:单个文件大小
resFile:测试结果文件日志生成的路径,默认为当前目录下

(2)执行命令

hadoop jar /opt/cloudera/parcels/CDH/jars/hadoop-mapreduce-client-jobclient-3.1.1.7.1.8.0-801-tests.jar TestDFSIO -write -nrFiles 10 -size 10MB -resFile /export/servers/result.log

(3)测试结果


Total MBytes processed:总数据量(文件数量×单个文件大小)

Throughput mb/sec:每秒吞吐量

Average IO rate mb/sec:每秒IO速率

Test exec time sec:执行时间

3)读取数据测试

(1)参数说明


TestDFSIO:测试任务名称
write:读取命令
nrFiles:文件个数
size:单个文件大小
resFile:测试结果文件日志生成的路径,默认为当前目录下

(2)执行命令


hadoop jar /opt/cloudera/parcels/CDH/jars/hadoop-mapreduce-client-jobclient-3.1.1.7.1.8.0-801-tests.jar TestDFSIO -read -nrFiles 10 -size 2048MB -resFile /export/servers/result3.log

(3)测试结果


Total MBytes processed:总数据量(文件数量×单个文件大小)

Throughput mb/sec:每秒吞吐量

Average IO rate mb/sec:每秒IO速率

Test exec time sec:执行时间

4)清除数据

(1)参数说明


TestDFSIO:测试任务名称
clean:执行清理命令

(2)执行命令:


hadoop jar /opt/cloudera/parcels/CDH/jars/hadoop-mapreduce-client-jobclient-3.1.1.7.1.8.0-801-tests.jar TestDFSIO -clean

hadoop-hdfs

4 大数据技术之HadoopHDFS

 

1HDFS概述

1.1 HDFS产出背景定义

 技术图片

 

 

1.2 HDFS优缺点

 技术图片

 

 

 

1.3 HDFS组成架构

 技术图片

 

 

 

1.4 HDFS文件块大小(面试重点

 技术图片

 

 

 

2HDFSShell操作(开发重点

1.基本语法

bin/hadoop fs 具体命令   OR  bin/hdfs dfs 具体命令

dfsfs实现类。

2.命令大全

[jinghang@hadoop102 hadoop-2.7.2]$ 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 ...]]

3常用命令实操(在进行操作时一定要注意haddop 下的hdfs-site.xml中配置的节点数一定要和启动的datanode节点数一直,只能大不能小)

0)启动Hadoop集群(方便后续的测试)

[jinghang@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh

[jinghang@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh

1-help:输出这个命令参数

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -help rm

(2)-ls: 显示目录信息

用法1hadoop fs -ls /

功能:列出hdfs文件系统根目录下的目录和文件

用法2hadoop fs -ls -R /

功能:列出hdfs文件系统所有的目录和文件

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -ls /

(3)-mkdir:在HDFS上创建目录

用法1hadoop fs -mkdir <hdfs path>

功能:只能一级一级的建目录,父目录不存在的话使用这个命令会报错

用法2hadoop fs -mkdir -p <hdfs path>

功能:所创建的目录如果父目录不存在就创建该父目录

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir -p /sanguo/shuguo

(4)-test

 功能:测试检查目录或者文件是否存在

 使用方法:hadoop fs -test -[ezd] URI

选项:
        -e 检查文件是否存在。如果存在则返回0
        -z 检查文件是否是0字节。如果是则返回0

-d 如果路径是个目录,则返回0,否则返回1

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -test -e /jinghang

[jinghang@hadoop102 hadoop-2.7.2]$ echo $?

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -test -z /jinghang/a.txt

[jinghang@hadoop102 hadoop-2.7.2]$ echo $?

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -test -d /jinghang/a.txt

[jinghang@hadoop102 hadoop-2.7.2]$ echo $?

(5)-moveFromLocal:从本地剪切粘贴到HDFS

用法:hadoop fs -moveFromLocal <local src> <hdfs dst>

功能:与put相类似,命令执行后源文件 local src 被删除

 

[jinghang@hadoop102 hadoop-2.7.2]$ touch kongming.txt

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs  -moveFromLocal  ./kongming.txt  /sanguo/shuguo

(6)-appendToFile:追加一个文件到已经存在的文件末尾

用法:hadoop fs -appendToFile <local src> <hdfs dst>

功能:将一本地文件中的内容拼接在hdfs文件中

[jinghang@hadoop102 hadoop-2.7.2]$ touch liubei.txt

[jinghang@hadoop102 hadoop-2.7.2]$ vi liubei.txt

输入

san gu mao lu

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt

 

6-cat:显示文件内容

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -cat /sanguo/shuguo/kongming.txt

 

(7)-chmod-chownLinux文件系统中的用法一样,修改文件所属权限

用法:hadoop fs -chown 用户名:组名 <hdfs file>

功能:修改文件或目录所属用户和组,递归加参数-R,chmod

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs  -chmod  666  /sanguo/shuguo/kongming.txt

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs  -chown  jinghang:jinghang   /sanguo/shuguo/kongming.txt

(8)-copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去

用法:hadoop fs -copyFromLocal <local src> <hdfs dst>

功能:与put相类似

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -copyFromLocal README.txt /

(9)-copyToLocal:从HDFS拷贝到本地

用法:hadoop fs -copyToLocal  <hdfs dst>  <local src>

功能:与get相类似

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./

(10)-cp :从HDFS的一个路径拷贝到HDFS的另一个路径

用法:hadoop fs -cp <hdfs file> <hdfs file>

功能:目标文件不能存在,否则命令不能执行,相当于给文件重命名并保存,源文件还存在

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt

(11)-mv:在HDFS目录中移动文件

用法:hadoop fs -mv <hdfs file> <hdfs file>

功能:目标文件不能存在,否则命令不能执行,相当于给文件重命名并保存,源文件不存在

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/

(12)-get:等同于copyToLocal,就是从HDFS下载文件到本地

用法:hadoop fs -get <hdfs file> <local file or dir>

功能:local file不能和 hdfs file名字不能相同,否则会提示文件已存在,没有重名的文件会复制到本地

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./

13-getmerge:合并下载多个文件,比如HDFS的目录 /user/jinghang/test下有多个文件:log.1, log.2,log.3,...

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -getmerge /user/jinghang/test/* ./zaiyiqi.txt

(13)-put:等同于copyFromLocal

    用法:hadoop fs -put <local file> <hdfs file>

功能:hdfs file的父目录一定要存在,否则命令不会执行

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -put ./zaiyiqi.txt /user/jinghang/test/

(15)-tail:显示一个文件的末尾

用法:hadoop fs -tail <hdfs file>

功能:查看大文件后10

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -tail -f /sanguo/shuguo/kongming.txt

(16)-rm:删除文件或文件夹

用法1hadoop fs -rm <hdfs file>

功能:删除文件

用法2hadoop fs -rm -r <hdfs dir>

功能:删除目录

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -rm /user/jinghang/test/jinlian2.txt

17-rmdir:删除空目录

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir /test

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -rmdir /test

18-du统计文件夹的大小信息

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -du -s  /user/jinghang/test

2.7 K  /user/jinghang/test

 

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -du  -h /user/jinghang/test

1.3 K  /user/jinghang/test/README.txt

15     /user/jinghang/test/jinlian.txt

1.4 K  /user/jinghang/test/zaiyiqi.txt

19-setrep:设置HDFS中文件的副本数量

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -setrep 10 /wcinput/input.txt

         

    

 

 3-3  HDFS副本数量

这里设置的副本数只是记录在NameNode元数据中,是否真的会有这么多副本,还得看DataNode的数量。因为目前只有3设备,最多也就3副本,只有节点数的增加10台时副本数才能达到10

3HDFS客户端操作(开发重点

3.1 HDFS客户端环境准备使用IDEA

1.根据自己电脑的操作系统拷贝对应编译后的hadoop jar非中文路径(例如D:Develophadoop-2.7.2,如图3-4所示。

 

 

3-4  编译后的hadoop jar

2.配置HADOOP_HOME环境变量,如图3-5所示。

 

3-5  配置HADOOP_HOME环境变量

3. 配置Path环境变量,如图3-6所示。

 

3-6  配置Path环境变量

4.创建一个Maven工程HdfsClientDemo

5.导入相应的依赖坐标+日志添加

<dependencies>

<dependency>

<groupId>junit</groupId>

<artifactId>junit</artifactId>

<version>RELEASE</version>

</dependency>

<dependency>

<groupId>org.apache.logging.log4j</groupId>

<artifactId>log4j-core</artifactId>

<version>2.8.2</version>

</dependency>

<dependency>

<groupId>org.apache.hadoop</groupId>

<artifactId>hadoop-common</artifactId>

<version>2.7.2</version>

</dependency>

<dependency>

<groupId>org.apache.hadoop</groupId>

<artifactId>hadoop-client</artifactId>

<version>2.7.2</version>

</dependency>

<dependency>

<groupId>org.apache.hadoop</groupId>

<artifactId>hadoop-hdfs</artifactId>

<version>2.7.2</version>

</dependency>

<dependency>

<groupId>jdk.tools</groupId>

<artifactId>jdk.tools</artifactId>

<version>1.8</version>

<scope>system</scope>

<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>

</dependency>

</dependencies>

注意:如果Eclipse/Idea打印不出日志,在控制台上只显示

1.log4j:WARN No appenders could be found for logger (org.apache.hadoop.util.Shell).  

2.log4j:WARN Please initialize the log4j system properly.  

3.log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.

需要在项目的src/main/resources目录下,新建一个文件,命名为“log4j.properties”,在文件中填入

log4j.rootLogger=INFO, stdout

log4j.appender.stdout=org.apache.log4j.ConsoleAppender

log4j.appender.stdout.layout=org.apache.log4j.PatternLayout

log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n

log4j.appender.logfile=org.apache.log4j.FileAppender

log4j.appender.logfile.File=target/spring.log

log4j.appender.logfile.layout=org.apache.log4j.PatternLayout

log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

6.创建包名com.jinghang.hdfs

7创建HdfsClient类

public class HdfsClient{

@Test

public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{

 

// 1 获取文件系统

Configuration configuration = new Configuration();

// 配置在集群上运行

// configuration.set("fs.defaultFS", "hdfs://hadoop102:9000");

// FileSystem fs = FileSystem.get(configuration);

 

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 创建目录

fs.mkdirs(new Path("/1108/daxian/banzhang"));

 

// 3 关闭资源

fs.close();

}

}

 

3.2 HDFSAPI操作

3.2.1 HDFS文件上传(测试参数优先级

1编写源代码

@Test

public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {

 

// 1 获取文件系统

Configuration configuration = new Configuration();

configuration.set("dfs.replication", "2");

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 上传文件

fs.copyFromLocalFile(new Path("e:/banzhang.txt"), new Path("/banzhang.txt"));

 

// 3 关闭资源

fs.close();

 

System.out.println("over");

}

2.将hdfs-site.xml拷贝到项目的根目录下

<?xml version="1.0" encoding="UTF-8"?>

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

 

<configuration>

<property>

<name>dfs.replication</name>

        <value>1</value>

</property>

</configuration>

3.参数优先级

参数优先级排序1客户端代码中设置的值 >2ClassPath下的用户自定义配置文件 >3然后是服务器的默认配置

3.2.2 HDFS文件下载

@Test

public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{

 

// 1 获取文件系统

Configuration configuration = new Configuration();

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 执行下载操作

// boolean delSrc 指是否将原文件删除

// Path src 指要下载的文件路径

// Path dst 指将文件下载到的路径

// boolean useRawLocalFileSystem 是否开启文件校验

fs.copyToLocalFile(false, new Path("/banzhang.txt"), new Path("e:/banhua.txt"), true);

 

// 3 关闭资源

fs.close();

}

3.2.3 HDFS文件夹删除

@Test

public void testDelete() throws IOException, InterruptedException, URISyntaxException{

 

// 1 获取文件系统

Configuration configuration = new Configuration();

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 执行删除

fs.delete(new Path("/0508/"), true);

 

// 3 关闭资源

fs.close();

}

3.2.4 HDFS文件名更改

@Test

public void testRename() throws IOException, InterruptedException, URISyntaxException{

 

// 1 获取文件系统

Configuration configuration = new Configuration();

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 修改文件名称

fs.rename(new Path("/banzhang.txt"), new Path("/banhua.txt"));

 

// 3 关闭资源

fs.close();

}

3.2.5 HDFS文件详情查看

查看文件名称、权限、长度信息

@Test

public void testListFiles() throws IOException, InterruptedException, URISyntaxException{

 

// 1获取文件系统

Configuration configuration = new Configuration();

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 获取文件详情

RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);

 

while(listFiles.hasNext()){

LocatedFileStatus status = listFiles.next();

 

// 输出详情

// 文件名称

System.out.println(status.getPath().getName());

// 长度

System.out.println(status.getLen());

// 权限

System.out.println(status.getPermission());

// 分组

System.out.println(status.getGroup());

 

// 获取存储的块信息

BlockLocation[] blockLocations = status.getBlockLocations();

 

for (BlockLocation blockLocation : blockLocations) {

 

// 获取块存储的主机节点

String[] hosts = blockLocation.getHosts();

 

for (String host : hosts) {

System.out.println(host);

}

}

 

System.out.println("-----------班长的分割线----------");

}

 

// 3 关闭资源

fs.close();

}

3.2.6 HDFS文件和文件夹判断

@Test

public void testListStatus() throws IOException, InterruptedException, URISyntaxException{

 

// 1 获取文件配置信息

Configuration configuration = new Configuration();

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 判断是文件还是文件夹

FileStatus[] listStatus = fs.listStatus(new Path("/"));

 

for (FileStatus fileStatus : listStatus) {

 

// 如果是文件

if (fileStatus.isFile()) {

System.out.println("f:"+fileStatus.getPath().getName());

}else {

System.out.println("d:"+fileStatus.getPath().getName());

}

}

 

// 3 关闭资源

fs.close();

}

3.3 HDFSI/O流操作(扩展)

上面我们学的API操作HDFS系统都是框架封装好的。那么如果我们想自己实现上述API的操作该怎么实现呢?

我们可以采用IO流的方式实现数据的上传和下载。

3.3.1 HDFS文件上传

1.需求:把本地e盘上的banhua.txt文件上传到HDFS根目录

2编写代码

@Test

public void putFileToHDFS() throws IOException, InterruptedException, URISyntaxException {

 

// 1 获取文件系统

Configuration configuration = new Configuration();

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 创建输入流

FileInputStream fis = new FileInputStream(new File("e:/banhua.txt"));

 

// 3 获取输出流

FSDataOutputStream fos = fs.create(new Path("/banhua.txt"));

 

// 4 流对拷

IOUtils.copyBytes(fis, fos, configuration);

 

// 5 关闭资源

IOUtils.closeStream(fos);

IOUtils.closeStream(fis);

    fs.close();

}

3.3.2 HDFS文件下载

1.需求:从HDFS上下载banhua.txt文件到本地e盘上

2编写代码

// 文件下载

@Test

public void getFileFromHDFS() throws IOException, InterruptedException, URISyntaxException{

 

// 1 获取文件系统

Configuration configuration = new Configuration();

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 获取输入流

FSDataInputStream fis = fs.open(new Path("/banhua.txt"));

 

// 3 获取输出流

FileOutputStream fos = new FileOutputStream(new File("e:/banhua.txt"));

 

// 4 流的对拷

IOUtils.copyBytes(fis, fos, configuration);

 

// 5 关闭资源

IOUtils.closeStream(fos);

IOUtils.closeStream(fis);

fs.close();

}

3.3.3 定位文件读取

1.需求:分块读取HDFS上的大文件,比如目录下的/hadoop-2.7.2.tar.gz

2编写代码

1下载第一块

@Test

public void readFileSeek1() throws IOException, InterruptedException, URISyntaxException{

 

// 1 获取文件系统

Configuration configuration = new Configuration();

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 获取输入流

FSDataInputStream fis = fs.open(new Path("/hadoop-2.7.2.tar.gz"));

 

// 3 创建输出流

FileOutputStream fos = new FileOutputStream(new File("e:/hadoop-2.7.2.tar.gz.part1"));

 

// 4 流的拷贝

byte[] buf = new byte[1024];

 

for(int i =0 ; i < 1024 * 128; i++){

fis.read(buf);

fos.write(buf);

}

 

// 5关闭资源

IOUtils.closeStream(fis);

IOUtils.closeStream(fos);

fs.close();

}

2下载第二块

@Test

public void readFileSeek2() throws IOException, InterruptedException, URISyntaxException{

 

// 1 获取文件系统

Configuration configuration = new Configuration();

FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jinghang");

 

// 2 打开输入流

FSDataInputStream fis = fs.open(new Path("/hadoop-2.7.2.tar.gz"));

 

// 3 定位输入数据位置

fis.seek(1024*1024*128);

 

// 4 创建输出流

FileOutputStream fos = new FileOutputStream(new File("e:/hadoop-2.7.2.tar.gz.part2"));

 

// 5 流的对拷

IOUtils.copyBytes(fis, fos, configuration);

 

// 6 关闭资源

IOUtils.closeStream(fis);

IOUtils.closeStream(fos);

}

3)合并文件

在Window命令窗口中进入到目录E:,然后执行如下命令对数据进行合并

type hadoop-2.7.2.tar.gz.part2 >> hadoop-2.7.2.tar.gz.part1

合并完成后,将hadoop-2.7.2.tar.gz.part1重新命名为hadoop-2.7.2.tar.gz。解压发现该tar包非常完整。

4HDFS的数据(面试重点

4.1 HDFS写数据流程

4.1.1 剖析文件写入

HDFS写数据流程,如图3-8所示。

 

3-8  配置用户名称

1)客户端通过Distributed FileSystem模块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。

2NameNode返回是否可以上传。

3)客户端请求第一个 Block上传到哪几个DataNode服务器上。

4NameNode返回3DataNode节点,分别为dn1、dn2、dn3。

5)客户端通过FSDataOutputStream模块请求dn1上传数据,dn1收到请求会继续调用dn2,然后dn2调用dn3,将这个通信管道建立完成。

6dn1、dn2、dn3逐级应答客户端。

7)客户端开始往dn1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,dn1收到一个Packet就会传给dn2,dn2传给dn3;dn1每传一个packet会放入一个应答队列等待应答

8)当一个Block传输完成之后,客户端再次请求NameNode上传第二个Block的服务器。(重复执行3-7步)。

4.1.2 网络拓扑-节点距离计算

在HDFS写数据的过程中,NameNode选择距离待上传数据最近距离DataNode接收数据。那么这个最近距离怎么计算呢

节点距离:两个节点到达最近的共同祖先的距离总和。

3-9  网络拓扑概念

例如,假设有数据中心d1机架r1中的节点n1节点可以表示为/d1/r1/n1利用这种标记,这里给出四种距离描述,如图3-9所示

大家算一算每两个节点之间距离,如图3-10所示

 

3-10  网络拓扑

4.1.3 机架感知(副本存储节点选择)

1. 官方ip地址

机架感知说明

http://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication

For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on one node in the local rack, another on a different node in the local rack, and the last on a different node in a different rack.

2. Hadoop2.7.2副本节点选择

 

4.2 HDFS读数据流程

HDFS的读数据流程,如图3-13所示。

 

3-13  HDFS读数据流程

1)客户端通过Distributed FileSystemNameNode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,然后随机)服务器,请求读取数据

3DataNode开始传输数据给客户端(从磁盘里面读取数据输入流,以Packet为单位来做校验)。

4)客户端以Packet为单位接收,先在本地缓存,然后写入目标文件。

5NameNodeSecondaryNameNode(面试开发重点

5.1 NN2NN工作机制

思考NameNode中的元数据是存储在哪里的?

首先,我们做个假设,如果存储在NameNode节点的磁盘中,因为经常需要进行随机访问,还有响应客户请求,必然是效率过低。因此,元数据需要存放在内存中。但如果只存在内存中,一旦断电,元数据丢失,整个集群就无法工作了因此产生在磁盘中备份元数据FsImage

这样又会带来新的问题,当在内存中的元数据更新时,如果同时更新FsImage,就会导致效率过低,但如果不更新,就会发生一致性问题,一旦NameNode节点断电,就会产生数据丢失。因此,引入Edits文件(只进行追加操作,效率很高)。每当元数据有更新或者添加元数据时,修改内存中的元数据并追加到Edits中。这样,一旦NameNode节点断电,可以通过FsImageEdits的合并,合成元数据。

但是,如果长时间添加数据到Edits中,会导致该文件数据过大,效率降低,而且一旦断电,恢复元数据需要的时间过长。因此,需要定期进行FsImageEdits的合并,如果这个操作由NameNode节点完成,又会效率过低。因此,引入一个新的节点SecondaryNamenode,专门用于FsImageEdits的合并。

NN2NN工作机制,如图3-14所示。

3-14  NN2NN工作机制

1. 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。如果不是第一次启动,直接加载编辑日志和镜像文件到内存。

2客户端对元数据进行增删改的请求

3NameNode记录操作日志,更新滚动日志

4NameNode在内存中对数据进行增删改

2. 第二阶段:Secondary NameNode工作

1Secondary NameNode询问NameNode是否需要CheckPoint直接带回NameNode是否检查结果。

2Secondary NameNode请求执行CheckPoint。

3NameNode滚动正在写的Edits日志

4)将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。

5Secondary NameNode加载编辑日志和镜像文件到内存,并合并。

6生成新的镜像文件fsimage.chkpoint。

7拷贝fsimage.chkpointNameNode

8NameNodefsimage.chkpoint重新命名成fsimage。

NN2NN工作机制详解:

Fsimage:NameNode内存中元数据序列化后形成的文件。

Edits:记录客户端更新元数据信息的每一步操作(可通过Edits运算出元数据)。

NameNode启动时,先滚动Edits并生成一个空的edits.inprogress,然后加载EditsFsimage到内存中,此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求,这些请求的操作首先会被记录到edits.inprogress中(查询元数据的操作不会被记录在Edits中,因为查询操作不会更改元数据信息),如果此时NameNode挂掉,重启后会从Edits中读取元数据的信息。然后,NameNode会在内存中执行元数据的增删改的操作。

由于Edits中记录的操作会越来越多,Edits文件会越来越大,导致NameNode在启动加载Edits时会很慢,所以需要对EditsFsimage进行合并(所谓合并,就是将EditsFsimage加载到内存中,照着Edits中的操作一步步执行,最终形成新的Fsimage)。SecondaryNameNode的作用就是帮助NameNode进行EditsFsimage的合并工作。

SecondaryNameNode首先会询问NameNode是否需要CheckPoint(触发CheckPoint需要满足两个条件中的任意一个,定时时间到和Edits中数据写满了)。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作,首先会让NameNode滚动Edits并生成一个空的edits.inprogress,滚动Edits的目的是给Edits打个标记,以后所有新的操作都写入edits.inprogress,其他未合并的EditsFsimage会拷贝到SecondaryNameNode的本地,然后将拷贝的EditsFsimage加载到内存中进行合并,生成fsimage.chkpoint,然后将fsimage.chkpoint拷贝给NameNode,重命名为Fsimage后替换掉原来的FsimageNameNode在启动时就只需要加载之前未合并的EditsFsimage即可,因为合并过的Edits中的元数据信息已经被记录在Fsimage中。

5.2 FsimageEdits解析

1. 概念

 

2. oiv查看Fsimage文件

1查看oiv和oev命令

[jinghang@hadoop102 current]$ hdfs

oiv            apply the offline fsimage viewer to an fsimage

oev            apply the offline edits viewer to an edits file

2)基本语法

hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

3)案例实操

[jinghang@hadoop102 current]$ pwd

/opt/module/hadoop-2.7.2/data/tmp/dfs/name/current

 

[jinghang@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-2.7.2/fsimage.xml

 

[jinghang@hadoop102 current]$ cat /opt/module/hadoop-2.7.2/fsimage.xml

将显示xml文件内容拷贝到Eclipse中创建的xml文件中,并格式化。部分显示结果如下。

<inode>

<id>16386</id>

<type>DIRECTORY</type>

<name>user</name>

<mtime>1512722284477</mtime>

<permission>jinghang:supergroup:rwxr-xr-x</permission>

<nsquota>-1</nsquota>

<dsquota>-1</dsquota>

</inode>

<inode>

<id>16387</id>

<type>DIRECTORY</type>

<name>jinghang</name>

<mtime>1512790549080</mtime>

<permission>jinghang:supergroup:rwxr-xr-x</permission>

<nsquota>-1</nsquota>

<dsquota>-1</dsquota>

</inode>

<inode>

<id>16389</id>

<type>FILE</type>

<name>wc.input</name>

<replication>3</replication>

<mtime>1512722322219</mtime>

<atime>1512722321610</atime>

<perferredBlockSize>134217728</perferredBlockSize>

<permission>jinghang:supergroup:rw-r--r--</permission>

<blocks>

<block>

<id>1073741825</id>

<genstamp>1001</genstamp>

<numBytes>59</numBytes>

</block>

</blocks>

</inode >

思考:可以看出,Fsimage中没有记录块所对应DataNode,为什么?

集群启动,要求DataNode上报数据信息,并间隔一段时间后再次上报。

3. oev查看Edits文件

(1)基本语法

hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

(2)案例实操

[jinghang@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-2.7.2/edits.xml

 

[jinghang@hadoop102 current]$ cat /opt/module/hadoop-2.7.2/edits.xml

将显示xml文件内容拷贝到Eclipse中创建的xml文件中,并格式化。显示结果如下。

<?xml version="1.0" encoding="UTF-8"?>

<EDITS>

<EDITS_VERSION>-63</EDITS_VERSION>

<RECORD>

<OPCODE>OP_START_LOG_SEGMENT</OPCODE>

<DATA>

<TXID>129</TXID>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_ADD</OPCODE>

<DATA>

<TXID>130</TXID>

<LENGTH>0</LENGTH>

<INODEID>16407</INODEID>

<PATH>/hello7.txt</PATH>

<REPLICATION>2</REPLICATION>

<MTIME>1512943607866</MTIME>

<ATIME>1512943607866</ATIME>

<BLOCKSIZE>134217728</BLOCKSIZE>

<CLIENT_NAME>DFSClient_NONMAPREDUCE_-1544295051_1</CLIENT_NAME>

<CLIENT_MACHINE>192.168.1.5</CLIENT_MACHINE>

<OVERWRITE>true</OVERWRITE>

<PERMISSION_STATUS>

<USERNAME>jinghang</USERNAME>

<GROUPNAME>supergroup</GROUPNAME>

<MODE>420</MODE>

</PERMISSION_STATUS>

<RPC_CLIENTID>908eafd4-9aec-4288-96f1-e8011d181561</RPC_CLIENTID>

<RPC_CALLID>0</RPC_CALLID>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE>

<DATA>

<TXID>131</TXID>

<BLOCK_ID>1073741839</BLOCK_ID>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_SET_GENSTAMP_V2</OPCODE>

<DATA>

<TXID>132</TXID>

<GENSTAMPV2>1016</GENSTAMPV2>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_ADD_BLOCK</OPCODE>

<DATA>

<TXID>133</TXID>

<PATH>/hello7.txt</PATH>

<BLOCK>

<BLOCK_ID>1073741839</BLOCK_ID>

<NUM_BYTES>0</NUM_BYTES>

<GENSTAMP>1016</GENSTAMP>

</BLOCK>

<RPC_CLIENTID></RPC_CLIENTID>

<RPC_CALLID>-2</RPC_CALLID>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_CLOSE</OPCODE>

<DATA>

<TXID>134</TXID>

<LENGTH>0</LENGTH>

<INODEID>0</INODEID>

<PATH>/hello7.txt</PATH>

<REPLICATION>2</REPLICATION>

<MTIME>1512943608761</MTIME>

<ATIME>1512943607866</ATIME>

<BLOCKSIZE>134217728</BLOCKSIZE>

<CLIENT_NAME></CLIENT_NAME>

<CLIENT_MACHINE></CLIENT_MACHINE>

<OVERWRITE>false</OVERWRITE>

<BLOCK>

<BLOCK_ID>1073741839</BLOCK_ID>

<NUM_BYTES>25</NUM_BYTES>

<GENSTAMP>1016</GENSTAMP>

</BLOCK>

<PERMISSION_STATUS>

<USERNAME>jinghang</USERNAME>

<GROUPNAME>supergroup</GROUPNAME>

<MODE>420</MODE>

</PERMISSION_STATUS>

</DATA>

</RECORD>

</EDITS >

思考:NameNode如何确定下次开机启动的时候合并哪些Edits

5.3 CheckPoint时间设置

1)通常情况下,SecondaryNameNode每隔一小时执行一次

[hdfs-default.xml]

<property>

  <name>dfs.namenode.checkpoint.period</name>

  <value>3600</value>

</property>

2)一分钟检查一次操作次数,当操作次数达到1百万时,SecondaryNameNode执行一次。

<property>

  <name>dfs.namenode.checkpoint.txns</name>

  <value>1000000</value>

<description>操作动作次数</description>

</property>

 

<property>

  <name>dfs.namenode.checkpoint.check.period</name>

  <value>60</value>

<description> 1分钟检查一次操作次数</description>

</property >

5.4 NameNode故障处理

NameNode故障后,可以采用如下两种方法恢复数据。

方法一:将SecondaryNameNode数据拷贝到NameNode存储数据的目录;

1. kill -9 NameNode进程

2. 删除NameNode存储的数据(/opt/module/hadoop-2.7.2/data/tmp/dfs/name)

[jinghang@hadoop102 hadoop-2.7.2]$ rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*

3. 拷贝SecondaryNameNode中数据到原NameNode存储数据目录

[jinghang@hadoop102 dfs]$ scp -r jinghang@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/

4. 重新启动NameNode

[jinghang@hadoop102 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode

方法二:使用-importCheckpoint选项启动NameNode守护进程,从而将SecondaryNameNode中数据拷贝到NameNode目录

  1. 修改hdfs-site.xml中

<property>

  <name>dfs.namenode.checkpoint.period</name>

  <value>120</value>

</property>

 

<property>

  <name>dfs.namenode.name.dir</name>

  <value>/opt/module/hadoop-2.7.2/data/tmp/dfs/name</value>

</property>

2.  kill -9 NameNode进程

3. 删除NameNode存储的数据(/opt/module/hadoop-2.7.2/data/tmp/dfs/name)

[jinghang@hadoop102 hadoop-2.7.2]$ rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*

4. 如果SecondaryNameNode不和NameNode一个主机节点上,需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录并删除in_use.lock文件

[jinghang@hadoop102 dfs]$ scp -r jinghang@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary ./

 

[jinghang@hadoop102 namesecondary]$ rm -rf in_use.lock

 

[jinghang@hadoop102 dfs]$ pwd

/opt/module/hadoop-2.7.2/data/tmp/dfs

 

[jinghang@hadoop102 dfs]$ ls

data  name  namesecondary

5. 导入检查点数据(等待一会ctrl+c结束掉)

[jinghang@hadoop102 hadoop-2.7.2]$ bin/hdfs namenode -importCheckpoint

6. 启动NameNode

[jinghang@hadoop102 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode

5.5 集群安全模式

1. 概述

 

  1. 基本语法

集群处于安全模式,不能执行重要操作(操作)集群启动完成后,自动退出安全模式。

(1)bin/hdfs dfsadmin -safemode get (功能描述:查看安全模式状态

2bin/hdfs dfsadmin -safemode enter   (功能描述:进入安全模式状态

3bin/hdfs dfsadmin -safemode leave (功能描述:离开安全模式状态

4bin/hdfs dfsadmin -safemode wait (功能描述:等待安全模式状态

3. 案例

模拟等待安全模式

1)查看当前模式

[jinghang@hadoop102 hadoop-2.7.2]$ hdfs dfsadmin -safemode get

Safe mode is OFF

(2)先进入安全模式

[jinghang@hadoop102 hadoop-2.7.2]$ bin/hdfs dfsadmin -safemode enter

(3)创建并执行下面的脚本

在/opt/module/hadoop-2.7.2路径上,编辑一个脚本safemode.sh

[jinghang@hadoop102 hadoop-2.7.2]$ touch safemode.sh

[jinghang@hadoop102 hadoop-2.7.2]$ vim safemode.sh

 

#!/bin/bash

hdfs dfsadmin -safemode wait

hdfs dfs -put /opt/module/hadoop-2.7.2/README.txt /

 

[jinghang@hadoop102 hadoop-2.7.2]$ chmod 777 safemode.sh

 

[jinghang@hadoop102 hadoop-2.7.2]$ ./safemode.sh

(4)再打开一个窗口,执行

[jinghang@hadoop102 hadoop-2.7.2]$ bin/hdfs dfsadmin -safemode leave

(5)观察

a)再观察一个窗口

Safe mode is OFF

bHDFS集群上已经有上传的数据了。

6DataNode(面试开发重点

6.1 DataNode工作机制

DataNode工作机制,如图3-15所示。

 

3-15  DataNode工作机制

1一个数据块在DataNode上以文件形式存储在磁盘上,包括两个文件,一个是数据本身,一个是元数据包括数据块的长度,块数据校验和,以及时间戳

2DataNode启动后向NameNode注册,通过后,周期性(1小时NameNode上报所有的块信息。

3心跳是每3一次,心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器,或删除某个数据块如果超过10分钟没有收到某个DataNode的心跳,则认为该节点不可用。

4集群运行中可以安全加入和退出一些机器

6.2 数据完整性

思考:如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号1)和绿灯信号0但是存储该数据的磁盘坏了,一直显示绿灯,是否很危险?同理DataNode节点上的数据损坏了,没有发现,是否也很危险,那么如何解决呢

如下DataNode节点保证数据完整性的方法。

1当DataNode读取Block的时候,它会计算CheckSum

2如果计算后的CheckSum,与Block创建时值不一样,说明Block已经损坏。

3Client读取其他DataNode上的Block

4DataNode在其文件创建后周期验证CheckSum,如图3-16所示。

 

3-16  校验和

6.3 掉线时限参数设置

 

需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒dfs.heartbeat.interval的单位为秒。

<property>

    <name>dfs.namenode.heartbeat.recheck-interval</name>

    <value>300000</value>

</property>

<property>

    <name>dfs.heartbeat.interval</name>

    <value>3</value>

</property>

6.4 服役新数据节点

0.  需求

随着公司业务的增长,数据量越来越,原有的数据节点的容量已经不能满足存储数据的需求,需要在原有集群基础上动态添加的数据节点。

1. 环境准备

1)在hadoop104主机克隆一台hadoop105主机

2)修改IP地址和主机名称

(3)删除原来HDFS文件系统留存的文件/opt/module/hadoop-2.7.2/datalog

4source一下配置文件

[jinghang@hadoop105 hadoop-2.7.2]$ source /etc/profile

2. 服役新节点具体步骤

(1)直接启动DataNode即可关联到集群

[jinghang@hadoop105 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode

[jinghang@hadoop105 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager

 

(2)在hadoop105上上传文件

[jinghang@hadoop105 hadoop-2.7.2]$ hadoop fs -put /opt/module/hadoop-2.7.2/LICENSE.txt /

3)如果数据不均衡,可以用命令实现集群的再平衡

[jinghang@hadoop102 sbin]$ ./start-balancer.sh

starting balancer, logging to /opt/module/hadoop-2.7.2/logs/hadoop-jinghang-balancer-hadoop102.out

Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved

6.5 退役旧数据节点

6.5.1 添加白名单

添加到白名单的主机节点都允许访问NameNode不在白名单的主机节点,都会退出。

配置白名单的具体步骤如下:

1)在NameNode/opt/module/hadoop-2.7.2/etc/hadoop目录创建dfs.hosts文件

[jinghang@hadoop102 hadoop]$ pwd

/opt/module/hadoop-2.7.2/etc/hadoop

[jinghang@hadoop102 hadoop]$ touch dfs.hosts

[jinghang@hadoop102 hadoop]$ vi dfs.hosts

添加如下主机名称(不添加hadoop105)

hadoop102

hadoop103

hadoop104

2)在NameNodehdfs-site.xml配置文件中增加dfs.hosts属性

<property>

<name>dfs.hosts</name>

<value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts</value>

</property>

(3)配置文件分发

[jinghang@hadoop102 hadoop]$ xsync hdfs-site.xml

(4)刷新NameNode

[jinghang@hadoop102 hadoop-2.7.2]$ hdfs dfsadmin -refreshNodes

Refresh nodes successful

(5)更新ResourceManager节点

[jinghang@hadoop102 hadoop-2.7.2]$ yarn rmadmin -refreshNodes

17/06/24 14:17:11 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.1.103:8033

(6)在web浏览器上查看

 

4. 如果数据不均衡,可以用命令实现集群的再平衡

[jinghang@hadoop102 sbin]$ ./start-balancer.sh

starting balancer, logging to /opt/module/hadoop-2.7.2/logs/hadoop-jinghang-balancer-hadoop102.out

Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved

6.5.2 黑名单退役

黑名单上面的主机都会被强制退出。

1.NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录创建dfs.hosts.exclude文件

[jinghang@hadoop102 hadoop]$ pwd

/opt/module/hadoop-2.7.2/etc/hadoop

[jinghang@hadoop102 hadoop]$ touch dfs.hosts.exclude

[jinghang@hadoop102 hadoop]$ vi dfs.hosts.exclude

添加如下主机名称(要退役的节点)

hadoop105

2.在NameNodehdfs-site.xml配置文件中增加dfs.hosts.exclude属性

<property>

<name>dfs.hosts.exclude</name>

      <value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts.exclude</value>

</property>

3.刷新NameNode、刷新ResourceManager

[jinghang@hadoop102 hadoop-2.7.2]$ hdfs dfsadmin -refreshNodes

Refresh nodes successful

 

[jinghang@hadoop102 hadoop-2.7.2]$ yarn rmadmin -refreshNodes

17/06/24 14:55:56 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.1.103:8033

4. 检查Web浏览器,退役节点的状态为decommission in progress(退役),说明数据节点正在复制块到其他节点,如图3-17所示

 

3-17  退役中

  1. 等待退役节点状态decommissioned(所有块已经复制完成),停止该节点及节点资源管理器。注意:如果副本数是3服役的节点小于等于3,是不能退役成功的,需要修改副本数后才能退役,如图3-18所示

 

3-18 已退役

[jinghang@hadoop105 hadoop-2.7.2]$ sbin/hadoop-daemon.sh stop datanode

stopping datanode

[jinghang@hadoop105 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager

stopping nodemanager

6. 如果数据不均衡,可以用命令实现集群的再平衡

[jinghang@hadoop102 hadoop-2.7.2]$ sbin/start-balancer.sh

starting balancer, logging to /opt/module/hadoop-2.7.2/logs/hadoop-jinghang-balancer-hadoop102.out

Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved

注意不允许白名单和黑名单同时出现同一个主机名称

6.6 Datanode目录配置

1. DataNode也可以配置成多个目录,每个目录存储的数据不一样。:数据不是副本

2.具体配置如下

hdfs-site.xml

<property>

        <name>dfs.datanode.data.dir</name>

<value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>

</property>

7HDFS 2.X新特性

7.1 集群间数据拷贝

1scp实现两个远程主机之间的文件复制

scp -r hello.txt root@hadoop103:/user/jinghang/hello.txt // push

scp -r root@hadoop103:/user/jinghang/hello.txt  hello.txt // pull

scp -r root@hadoop103:/user/jinghang/hello.txt root@hadoop104:/user/jinghang   //是通过本地主机中转实现两个远程主机的文件复制;如果在两个远程主机之间ssh没有配置的情况下可以使用该方式。

2采用distcp命令实现两个Hadoop集群之间的递归数据复制

[jinghang@hadoop102 hadoop-2.7.2]$  bin/hadoop distcp

hdfs://haoop102:9000/user/jinghang/hello.txt hdfs://hadoop103:9000/user/jinghang/hello.txt

7.2 小文件存档

 

3.案例实操

1需要启动YARN进程

[jinghang@hadoop102 hadoop-2.7.2]$ start-yarn.sh

2归档文件

把/user/jinghang/input目录里面的所有文件归档成一个叫input.har的归档文件,并把归档后文件存储到/user/jinghang/output路径下。

[jinghang@hadoop102 hadoop-2.7.2]$ bin/hadoop archive -archiveName input.har –p  /user/jinghang/input   /user/jinghang/output

3)查看归档

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr /user/jinghang/output/input.har

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr har:///user/jinghang/output/input.har

4)解归档文件

[jinghang@hadoop102 hadoop-2.7.2]$ hadoop fs -cp har:/// user/jinghang/output/input.har/*    /user/jinghang

8HDFS HA高可用 (后面讲)

8.1 HA概述

1)所谓HA(High Available),即高可用(7*24小时不中断服务)

2)实现高可用最关键策略是消除单点故障。HA严格来说应该分成各个组件的HA机制HDFSHAYARNHA

3Hadoop2.0之前,在HDFS集群中NameNode存在单点故障(SPOF

4)NameNode主要在以下两个方面影响HDFS集群

NameNode机器发生意外,如宕机,集群将无法使用,直到管理员重启

NameNode机器需要升级,包括软件、硬件升级,此时集群也将无法使用

HDFS HA功能通过配置Active/Standby两个NameNodes实现在集群中对NameNode的热备来解决上述问题。如果出现故障,如机器崩溃或机器需要升级维护,这时可通过此种方式将NameNode很快的切换到另外一台机器。

8.2 HDFS-HA工作机制

通过双NameNode消除单点故障

8.2.1 HDFS-HA工作要点

1. 元数据管理方式需要改变

内存中各自保存一份元数据;

Edits日志只有Active状态的NameNode节点可以做写操作;

两个NameNode都可以读取Edits

共享的Edits放在一个共享存储中管理(qjournalNFS两个主流实现);

2. 需要一个状态管理功能模块

实现了一个zkfailover,常驻在每一个namenode所在的节点,每一个zkfailover负责监控自己所在NameNode节点,利用zk进行状态标识,当需要进行状态切换时,由zkfailover来负责切换,切换时需要防止brain split现象的发生。

3. 必须保证两个NameNode之间能够ssh无密码登录

4. 隔离Fence同一时刻仅仅有一个NameNode对外提供服务

8.2.2 HDFS-HA自动故障转移工作机制

面学习了使用命令hdfs haadmin -failover手动进行故障转移,在该模式下,即使现役NameNode已经失效,系统也不会自动从现役NameNode转移到待机NameNode,下面学习如何配置部署HA自动进行故障转移。自动故障转移为HDFS部署增加了两个新组件:ZooKeeperZKFailoverControllerZKFC)进程,如图3-20所示ZooKeeper是维护少量协调数据,通知客户端这些数据的改变和监视客户端故障的高可用服务。HA的自动故障转移依赖于ZooKeeper的以下功能:

1故障检测:集群中的每个NameNodeZooKeeper中维护了一个持久会话,如果机器崩溃,ZooKeeper中的会话将终止,ZooKeeper通知另一个NameNode需要触发故障转移。

2现役NameNode选择:ZooKeeper提供了一个简单的机制用于唯一的选择一个节点为active状态。如果目前现役NameNode崩溃,另一个节点可能从ZooKeeper获得特殊的排外锁以表明它应该成为现役NameNode

ZKFC是自动故障转移中的另一个新组件,是ZooKeeper的客户端,也监视和管理NameNode的状态。每个运行NameNode的主机也运行了一个ZKFC进程,ZKFC负责:

1健康监测:ZKFC使用一个健康检查命令定期地ping与之在相同主机的NameNode,只要该NameNode及时地回复健康状态,ZKFC认为该节点是健康的。如果该节点崩溃,冻结或进入不健康状态,健康监测器标识该节点为非健康的。

2ZooKeeper会话管理:当本地NameNode是健康的,ZKFC保持一个在ZooKeeper中打开的会话。如果本地NameNode处于active状态,ZKFC也保持一个特殊的znode锁,该锁使用了ZooKeeper对短暂节点的支持,如果会话终止,锁节点将自动删除。

3基于ZooKeeper的选择:如果本地NameNode是健康的,且ZKFC发现没有其它的节点当前持有znode锁,它将为自己获取该锁。如果成功,则它已经赢得了选择,并负责运行故障转移进程以使它的本地NameNodeActive。故障转移进程与前面描述的手动故障转移相似,首先如果必要保护之前的现役NameNode,然后本地NameNode转换为Active状态。

 

3-20 HDFS-HA故障转移机制

8.3 HDFS-HA集群配置

8.3.1 环境准备

1. 修改IP

2. 修改主机名及主机名和IP地址的映射

3. 关闭防火墙

4. ssh免密登录

5. 安装JDK,配置环境变量等

8.3.2 规划集群

3-1

hadoop102  

hadoop103  

hadoop104

NameNode

NameNode

 

JournalNode

JournalNode

JournalNode

DataNode

DataNode

DataNode

ZK

ZK

ZK

 

ResourceManager

 

NodeManager

NodeManager

NodeManager

8.3.3 配置Zookeeper集群

1. 集群规划

在hadoop102、hadoop103和hadoop104三个节点上部署Zookeeper。

2. 解压安装

1)解压Zookeeper安装包到/opt/module/目录下

[jinghang@hadoop102 software]$ tar -zxvf zookeeper-3.4.10.tar.gz -C /opt/module/

2)在/opt/module/zookeeper-3.4.10/这个目录下创建zkData

mkdir -p zkData

3)重命名/opt/module/zookeeper-3.4.10/conf这个目录下的zoo_sample.cfg为zoo.cfg

mv zoo_sample.cfg zoo.cfg

3. 配置zoo.cfg文件

1)具体配置

dataDir=/opt/module/zookeeper-3.4.10/zkData

增加如下配置

#######################cluster##########################

server.2=hadoop102:2888:3888

server.3=hadoop103:2888:3888

server.4=hadoop104:2888:3888

2)配置参数解读

Server.A=B:C:D。

A是一个数字,表示这个是第几号服务器;

B是这个服务器的IP地址;

C是这个服务器与集群中的Leader服务器交换信息的端口;

D是万一集群中的Leader服务器挂了,需要一个端口来重新进行选举,选出一个新的Leader,而这个端口就是用来执行选举时服务器相互通信的端口。

集群模式下配置一个文件myid,这个文件在dataDir目录下,这个文件里面有一个数据就是A的值,Zookeeper启动时读取此文件,拿到里面数据与zoo.cfg里面的配置信息比较从而判断到底是哪个server

4. 集群操作

1/opt/module/zookeeper-3.4.10/zkData目录下创建一个myid的文件

touch myid

添加myid文件,注意一定要在linux里面创建notepad++里面很可能乱码

2编辑myid文件

vi myid

文件中添加与server的编号:如2

3)拷贝配置好的zookeeper到其他机器上

scp -r zookeeper-3.4.10/ root@hadoop103.jinghang.com:/opt/app/

scp -r zookeeper-3.4.10/ root@hadoop104.jinghang.com:/opt/app/

分别修改myid文件中内容为34

4分别启动zookeeper

[root@hadoop102 zookeeper-3.4.10]# bin/zkServer.sh start

[root@hadoop103 zookeeper-3.4.10]# bin/zkServer.sh start

[root@hadoop104 zookeeper-3.4.10]# bin/zkServer.sh start

5查看状态

[root@hadoop102 zookeeper-3.4.10]# bin/zkServer.sh status

JMX enabled by default

Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg

Mode: follower

[root@hadoop103 zookeeper-3.4.10]# bin/zkServer.sh status

JMX enabled by default

Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg

Mode: leader

[root@hadoop104 zookeeper-3.4.5]# bin/zkServer.sh status

JMX enabled by default

Using config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfg

Mode: follower

8.3.4 配置HDFS-HA集群

1. 官方地址:http://hadoop.apache.org/

2. 在opt目录下创建一个ha文件夹

mkdir ha

3. 将/opt/app/下 hadoop-2.7.2拷贝/opt/ha目录

cp -r hadoop-2.7.2/ /opt/ha/

4. 配置hadoop-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

5. 配置core-site.xml

<configuration>

<!-- 把两个NameNode)的地址组装成一个集群mycluster -->

<property>

<name>fs.defaultFS</name>

         <value>hdfs://mycluster</value>

</property>

 

<!-- 指定hadoop运行时产生文件的存储目录 -->

<property>

<name>hadoop.tmp.dir</name>

<value>/opt/ha/hadoop-2.7.2/data/tmp</value>

</property>

</configuration>

6. 配置hdfs-site.xml

<configuration>

<!-- 完全分布式集群名称 -->

<property>

<name>dfs.nameservices</name>

<value>mycluster</value>

</property>

 

<!-- 集群中NameNode节点都有哪些 -->

<property>

<name>dfs.ha.namenodes.mycluster</name>

<value>nn1,nn2</value>

</property>

 

<!-- nn1RPC通信地址 -->

<property>

<name>dfs.namenode.rpc-address.mycluster.nn1</name>

<value>hadoop102:9000</value>

</property>

 

<!-- nn2RPC通信地址 -->

<property>

<name>dfs.namenode.rpc-address.mycluster.nn2</name>

<value>hadoop103:9000</value>

</property>

 

<!-- nn1http通信地址 -->

<property>

<name>dfs.namenode.http-address.mycluster.nn1</name>

<value>hadoop102:50070</value>

</property>

 

<!-- nn2http通信地址 -->

<property>

<name>dfs.namenode.http-address.mycluster.nn2</name>

<value>hadoop103:50070</value>

</property>

 

<!-- 指定NameNode元数据在JournalNode上的存放位置 -->

<property>

<name>dfs.namenode.shared.edits.dir</name>

<value>qjournal://hadoop102:8485;hadoop103:8485;hadoop104:8485/mycluster</value>

</property>

 

<!-- 配置隔离机制,即同一时刻只能有一台服务器对外响应 -->

<property>

<name>dfs.ha.fencing.methods</name>

<value>sshfence</value>

</property>

 

<!-- 使用隔离机制时需要ssh无秘钥登录-->

<property>

<name>dfs.ha.fencing.ssh.private-key-files</name>

<value>/home/jinghang/.ssh/id_rsa</value>

</property>

 

<!-- 声明journalnode服务器存储目录-->

<property>

<name>dfs.journalnode.edits.dir</name>

<value>/opt/ha/hadoop-2.7.2/data/jn</value>

</property>

 

<!-- 关闭权限检查-->

<property>

<name>dfs.permissions.enable</name>

<value>false</value>

</property>

 

<!-- 访问代理类:clientmyclusteractive配置失败自动切换实现方式-->

<property>

   <name>dfs.client.failover.proxy.provider.mycluster</name>

<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>

</property>

</configuration>

7. 拷贝配置好的hadoop环境到其他节点

8.3.5 启动HDFS-HA集群

1. 在各个JournalNode节点上,输入以下命令启动journalnode服务

sbin/hadoop-daemon.sh start journalnode

2. [nn1],对其进行格式化,并启动

bin/hdfs namenode -format

sbin/hadoop-daemon.sh start namenode

3. [nn2],同步nn1的元数据信息

bin/hdfs namenode -bootstrapStandby

4. 启动[nn2]

sbin/hadoop-daemon.sh start namenode

5. 查看web页面显示,如图3-213-22所示

 

3-21  hadoop102(standby)

 

3-22  hadoop103(standby)

6. [nn1],启动所有datanode

sbin/hadoop-daemons.sh start datanode

7. [nn1]切换Active

bin/hdfs haadmin -transitionToActive nn1

  1. 查看是否Active

bin/hdfs haadmin -getServiceState nn1

8.3.6 配置HDFS-HA自动故障转移

1. 具体配置

1)在hdfs-site.xml中增加

<property>

<name>dfs.ha.automatic-failover.enabled</name>

<value>true</value>

</property>

2)在core-site.xml文件中增加

<property>

<name>ha.zookeeper.quorum</name>

<value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value>

</property>

2. 启动

1)关闭所有HDFS服务:

sbin/stop-dfs.sh

2)启动Zookeeper集群:

bin/zkServer.sh start

3)初始化HAZookeeper状态

bin/hdfs zkfc -formatZK

4)启动HDFS服务:

sbin/start-dfs.sh

3. 验证

1)将Active NameNode进程kill

kill -9 namenode的进程id

2)将Active NameNode机器断开网络

service network stop

8.4 YARN-HA配置

8.4.1 YARN-HA工作机制

1. 官方文档:

http://hadoop.apache.org/docs/r2.7.2/hadoop-yarn/hadoop-yarn-site/ResourceManagerHA.html

2. YARN-HA工作机制,如图3-23所示

 

3-22  YARN-HA工作机制

8.4.2 配置YARN-HA集群

1. 环境准备

1)修改IP

2)修改主机名及主机名和IP地址的映射

3)关闭防火墙

4ssh免密登录

5)安装JDK,配置环境变量等

6)配置Zookeeper集群

2. 规划集群

3-2

hadoop102

hadoop103  

hadoop104

NameNode

NameNode

 

JournalNode

JournalNode

JournalNode

DataNode

DataNode

DataNode

ZK

ZK

ZK

ResourceManager

ResourceManager

 

NodeManager

NodeManager

NodeManager

3. 具体配置

1yarn-site.xml

<configuration>

 

    <property>

        <name>yarn.nodemanager.aux-services</name>

        <value>mapreduce_shuffle</value>

    </property>

 

    <!--启用resourcemanager ha-->

    <property>

        <name>yarn.resourcemanager.ha.enabled</name>

        <value>true</value>

    </property>

 

    <!--声明两台resourcemanager的地址-->

    <property>

        <name>yarn.resourcemanager.cluster-id</name>

        <value>cluster-yarn1</value>

    </property>

 

    <property>

        <name>yarn.resourcemanager.ha.rm-ids</name>

        <value>rm1,rm2</value>

    </property>

 

    <property>

        <name>yarn.resourcemanager.hostname.rm1</name>

        <value>hadoop102</value>

    </property>

 

    <property>

        <name>yarn.resourcemanager.hostname.rm2</name>

        <value>hadoop103</value>

    </property>

 

    <!--指定zookeeper集群的地址-->

    <property>

        <name>yarn.resourcemanager.zk-address</name>

        <value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value>

    </property>

 

    <!--启用自动恢复-->

    <property>

        <name>yarn.resourcemanager.recovery.enabled</name>

        <value>true</value>

    </property>

 

    <!--指定resourcemanager的状态信息存储在zookeeper集群-->

    <property>

        <name>yarn.resourcemanager.store.class</name>     <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>

</property>

 

</configuration>

2)同步更新其他节点配置信息

4. 启动hdfs

1在各个JournalNode节点上,输入以下命令启动journalnode服务:

sbin/hadoop-daemon.sh start journalnode

2)在[nn1],对其进行格式化,并启动:

bin/hdfs namenode -format

sbin/hadoop-daemon.sh start namenode

3)在[nn2],同步nn1的元数据信息:

bin/hdfs namenode -bootstrapStandby

4)启动[nn2]

sbin/hadoop-daemon.sh start namenode

5启动所有DataNode

sbin/hadoop-daemons.sh start datanode

6)将[nn1]切换Active

bin/hdfs haadmin -transitionToActive nn1

  1. 启动YARN

1如果之前启动了HDFS服务,关闭所有HDFS服务:

sbin/stop-dfs.sh

2再启动各台服务器中的Zookeeper集群:

bin/zkServer.sh start

3在任意服务器初始化HAZookeeper状态

bin/hdfs zkfc -formatZK

4namenode所在的节点启动HDFS服务:

sbin/start-dfs.sh

1)在resourcemanager所在的服务器执行:

sbin/start-yarn.sh

2确保两个resourcemanager都启动了,如果没有启动手动开启

sbin/yarn-daemon.sh start resourcemanager

3)查看服务状态,如图3-24所示

bin/yarn rmadmin -getServiceState rm1

 

3-24  YARN的服务状态

 

以上是关于Hadoop-HDFS压测针对HDFS进行读写性能测试的主要内容,如果未能解决你的问题,请参考以下文章

Hadoop小试牛刀——HDFS集群压测

Hadoop小试牛刀——HDFS集群压测

Hadoop-HDFS

Hadoop-HDFS

hadoop-hdfs 简介中文文档中英对照文档 下载

hdfs读写性能测试