HDFS HA架构以及源代码引导

Posted wzjhoutai

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HDFS HA架构以及源代码引导相关的知识,希望对你有一定的参考价值。

HA体系架构

相关知识介绍

        HDFS master/slave架构,HDFS节点分为NameNode节点和DataNode节点。

NameNode存有HDFS的元数据:主要由FSImage和EditLog组成。

FSImage保存有文件的文件夹、分块ID、文件权限等,EditLog保存有对HDFS的操作记录。

DataNode存放分块的数据,并採用CRC循环校验方式对本地的数据进行校验,DataNode周期性向NameNode汇报本机的信息。

        NameNode单点故障:HDFS仅仅有一个NameNode节点。当NameNode崩溃后,整个HDFS集群随之崩溃。

        HDFS HA:为了解决NameNode的单点故障。为NameNode保存一个热备,这样namenode共同拥有两个:Active Namenode、Standby Namenode。集群使用的时候。用的是Active Namenode,而Standby Namenode存放的是Active Namenode的热备。

        Standby NN的功能

  1. 作为Active NN的热备。当Active NN崩溃的时候。高速的切换成Active NN
  2. 充当曾经Secondary NN的角色:合并FSImage和EditLog。并将FSImage传回给Active NN。Standby NN周期性监控共享存储中EditLog的状态变化。当监控到变化的时候,Standby NN会读取该Log,并更新本机上的FSImage,之后再启动一个线程,将该FSImage增量更新到Active NN上。

        存储共享:共享HDFS的操作日志Editlog。能够使用Quorum Journal Manager (QJM)或者NFS作为存储共享模块。

        脑裂:集群中有两个NN同一时候控制集群。当Active NN失效时,StandbyNN切换成Active NN,当原来的Active NN活过来时,集群中就有两个Active NN了,这时就有两个NN能够控制集群。这就是脑裂。

HA手动模式架构

        Active NN 和Standby NN之间通过JN共享EditLog。QJM负责向JN写EditLog。HA架构例如以下所看到的。

技术分享

搭建过程參考http://blog.csdn.net/jiewuyou/article/details/21779247

        搭建好后的效果例如以下:

技术分享

        QJM/Qurom Journal Manager的架构如图所看到的。

QJM 採用Paxos 算法 。大概思路是,有2N+1个节点作为JN ,当有N+1个JN更新成功时,就算更新成功。

QJM是一个轻量级的共享存储。能够和DN部署在一个节点上。Quorum JornalManager执行在Active NameNode上,用于管理JournalNode,并向JN更新EditLog。

技术分享

[1]   Active NN向JN中更新EditLog的时候,是并行写的,和HDFS中block的流式写是有差别的

[2]   Standby NN感知到EditLog中有更新时,会从JN中选择一个存有该更新的JN,并读取该更新

隔离(Fencing)

        隔离(Fencing)是为了防止脑裂,就是保证在不论什么时候HDFS仅仅有一个Active NN,主要包含三个方面:

?  共享存储fencing,确保仅仅有一个NN能够写入edits。QJM中每个JournalNode中均有一个epochnumber,匹配epochnumber的QJM才有权限更新JN。当NN由standby状态切换成active状态时,会又一次生成一个epoch number。并更新JN中的epochnumber,以至于曾经的ActiveNN中的QJM中的epoch number和JN的epochnumber不匹配,故而原ActiveNN上的QJM没法往JN中写入数据(后面会介绍源代码),即形成了fencing

?  clientfencing,确保仅仅有一个NN能够响应client的请求。

?  DataNodefencing,确保仅仅有一个NN能够向DN下发命令,譬如删除块。复制块,等等。

        QJM的Fencing方案仅仅能让原来的Active NN失去对JN的写权限,可是原来的Active NN还是能够响应client的请求,对DN进行读。配置dfs.ha.fencing.methods能够指定Fencing的方法。

Hadoop公共库中有两种Fencing实现:sshfence、shell

        sshfence:ssh到原Active NN上,结束进程(通过tcpport号定位进程pid。该方法比jps命令更准确)。

        shell - run an arbitraryshell command to fencethe Active NameNode,即运行一个用户事先定义的shell命令(脚本)完毕隔离。

        你也能够重写org.apache.hadoop.ha.NodeFencer文件,生成自己的Fencing方法。

自己主动故障切换AutomaticFailover

        自己主动切换架构

技术分享

来自:http://zh.hortonworks.com/blog/namenode-high-availability-in-hdp-2-0/

配置:http://hadoop.apache.org/docs/r2.3.0/hadoop-yarn/hadoop-yarn-site/HDFSHighAvailabilityWithQJM.html

        Automated Failover 当active namenode崩溃的时候,自己主动将standby namenode切换成active namenode。

        Hot Standby Namenode Standby NN维持着HDFS的元数据,能够在Failover的时候高速的进行切换。实现原理:

1)     DN向两个NN同一时候发送心跳汇报

2)     Standby NN会实时的读取共享存储中EditLog里面的日志

        Full Stack Resiliency 在使用Failover的时候,HDP已经证实不会影响其上作业的执行。

        ZooKeeper FailoverController (ZKFC)用于决定何时进行failover。共同拥有两个ZKFC进程,分别执行在两个NN上。

它会实时监控NN的状态,一旦Active NN不能提供服务的时候,就进行failover。

源代码

Qjournal

  Qjournal包

org.apache.hadoop.hdfs.qjournal:这个包是測试JournalNode用的

MiniJournalCluster

 

QJMTestUtil

 

TestMiniJournalCluster

 

TestNNWithQJM

 

 org.apache.hadoop.hdfs.qjournal.client:客户端,提供对qjournal的相关操作

QuromJournalManager

执行在NameNode上,用来管理JNs,并向JNs更新EditLog。

QuorumOutputStream

实现接口EditLogOutputStream。用于向JN写数据

SegmentRecoveryComparator

能够比較各个JN的Log Segment。看哪个JN的质量更高,以选择同步用的Log Segment源。

比如在NN切换成Active的时候。JN的Log Segment可能不一致,通过该类就能够选择Log Segment同步源。其它JN须要同步该Log Segment同步源

接口AsyncLogger                                                                               

远程异步通信接口

IPCLoggerChannel

AsyncLogger的实现。通过Hadoop IPC和JN远程通信的管道

 org.apache.hadoop.hdfs.qjournal.protocol:保存有QuorumJournalManager和JournalNode之间的通信协议接口

接口QJournalProtocol                        

QJM、JNs之间的通信协议,该协议用于发送EditLog,以及节点间的coordinating recovery

RequestInfo

请求信息

JournalOutOfSyncException

 

JournalNotFormattedException

Exception indicating that a call has been made to a JournalNode which is not yet formatted.

org.apache.hadoop.hdfs.qjournal.protocolPB

org.apache.hadoop.hdfs.qjournal.server:保存有qjournal相关服务

GetJournalEditServlet                                                                                  

This servlet is used in two cases:

·         The QuorumJournalManager, when reading edits, fetches the edit streams from the journal nodes.

·         During edits synchronization, one journal node will fetch edits from another journal node.

JNStorage

JN数据存储的实现

Journal

JN能够和不同的集群通信,这是通过Journal实现的。虽然这些Journal是全然独立的。但他们执行在一个JVM里面的

JournalMetrics

The server-side metrics for a journal from the JournalNode‘s perspective.

JournalNode

The JournalNode is a daemon which allows namenodes using the QuorumJournalManager to log and retrieve edits stored remotely. It is a thin wrapper around a local edit log directory with the addition of facilities to participate in the quorum protocol.

JournalNodeHttpServer

封装有HTTP服务。由Journal服务启动

JournalNodeRpcServer

JN上的RPC实现类

RPC

        上面在代码中提到了RPC,QJM的RPC主要就一个协议类:QuorumJournalManager与多个JournalNode通信的协议QJournalProtocol。那么RPC的通信两方的实体类各自是哪个呢?client(QuorumJournalManager)是QJournalProtocolTranslatorPB。server端(JournalNode)是JournalNodeRpcServer。

org.apache.hadoop.ha

 技术分享

org.apache.hadoop.hdfs.server.namenode.ha

技术分享

过程分析

ActiveNN启动过程

        NN进入Active NN时,会运行ActiveState.enterState(),调用步骤例如以下,后面的一系列过程能够參考StandbyNN切换成Active的过程

NameNode(Configuration conf, NamenodeRole role)

      ActiveState.enterState()

            NameNode.startActiveServices()

                  FSNamesystem.startActiveServices()

EditLog格式化

        Actice NN 上的FSImage初始化完毕后。须要格式化EditLog。

FSNamesystem. loadFSImage()

      FSImage.format()

            FSEditLog. formatNonFileJournals ()

                  QuorumJournalManager.format(NamespaceInfo nsInfo)

        相对于Paxos 算法,format操作是比較特殊的。要求全部的JN返回都成功时才行,由于它相当于是做了个初始化的工作。

而在后面更新数据的过程中,仅仅要大多数success response就觉得这次写成功了。

Automatic Failover过程

技术分享

        共两个ZKFC,分别执行在两个NN上,同一时候ZookeeprService维持有Active NN的锁。Active NN上的ZKFC会监控该NN的状态并管理HA状态,一旦Actice NN失效的时候,ZKFC会从Zookeeper Service上释放Active NN锁。

        Standby NN上的ZKFC也会监控该NN的状态,并尝试从Zookeeper Service上获取Active NN的锁。当Active NN失去该锁的时候。StandbyNN上的ZKFC会接管该锁,并将        Standby NN的状态切换成Active NN。

相关源代码

package org.apache.hadoop.ha

HealthMonitor.java

ZKFailoverController.java

接口ZKFCProtocol.java

ZKFCRpcServer.java

1.监控NN状态

调用过程:

ZKFailoverCtroller.run()

      ZKFailoverCtroller. doRun()

            ZKFailoverController.initHM()

                  HealthMonitor.start();

                        MonitorDaemon.start()

                              MonitorDaemon.run();

        分析MonitorDaemon.run()

public void run() {
  while (shouldRun) {
    try {
      //等待HAServiceProtocol可用
      loopUntilConnected();
      //监控服务状态。并进行对应处理
      doHealthChecks();
    } catch (InterruptedException ie) {
      Preconditions.checkState(!shouldRun,
          "Interrupted but still supposed to run");
    }
  }
}

        doHealthChecks()经过一系列的调用后,会调用NameNode.monitorHealth(),用于监控NameNode可用状态。

当NN没有资源可用时,抛出异常。

2. 监控到服务不可用时

        上面提到,当服务不可用的时候,会抛出异常。

        监測到异常State.SERVICE_UNHEALTHY时

HealthMonitor.doHealthChecks()

      enterState(State.SERVICE_UNHEALTHY);

        监測到异常 State.SERVICE_NOT_RESPONDING)时

HealthMonitor.doHealthChecks()

      enterState(State. SERVICE_HEALTHY);

        在enterState()里面,会经过一系列回调函数

HealthMonitor.enterState()

      HealthCallbacks. enteredState();

            ZKFailoverController.recheckElectability()

            ActiveStandbyElector. quitElection(true);

                        ActiveStandbyElector. tryDeleteOwnBreadCrumbNode()

        之后,Active NN上的ZKFC会失去ZookeeperService上的Active NN锁。而Standby NN上的ZKFC一直在尝试获取该锁。此时。Standby NN上的ZKFC就获得了该锁,当Standby NN上的ZKFC获取Active NN锁的时候。会将NN切换成Actice。

Standby切换成Actice过程

參考:http://yanbohappy.sinaapp.com/?p=205

        函数调用过程

NameNode.setStateInternal(final HAContext context, final HAState s)//状态转换

      ActiveState. enterState()

        接下来就该看看一个StandbyNN由Standby变成Active时,须要运行哪些操作:

1)        fencing原来Active NN的写。

2)        recover in-progress logs。

原来Active NN写EditLog过程中发生了主从切换,那么处在不同JournalNode上的EditLog的数据可能不一致。须要把不同JournalNode上的EditLog同步一致,而且finalized。(这个过程类似于HDFS append中的recover lease的过程)

3)        startLogSegment。让切换成Active的NN拥有写日志功能。

1. fencing原来Active NN的写

        基于QJM的HA不须要处理fencing问题。

这是怎么做到的呢?解决问题靠的是epoch number,这个和Paxos算法中选主(master election)所做的工作类似。QJM和JN均保存有一个唯一的epoch number,仅仅有拥有这个epoch number的NameNode才干够往Journal Node写数据。

系统初始化、或者Standby NameNode切换成Active Namenode时,都会运行QourumJournalManager.recoverUnfinalizedSegments()。在生成新的epochnumber后QourumJournalManager会通过RPC将该epochnumber发送给各个JournalNode。

        一系列的“擦屁股”的操作结束之后。当原来的Active NameNode想写日志时。由于epoch number没法匹配journal node的epoch number。这样写操作被拒绝。

        当Active 和Standby NN 发生主从切换时,原来的StandbyNN须要运行:

NameNode.setStateInternal(final HAContext context, final HAState s)//状态转换

      ActiveState. enterState()

            NameNode.startActiveServices()

                  FSNamesystem.startActiveServices()

                        FSEditLog.recoverUnclosedStreams()

                              JournalSet.recoverUnfinalizedSegments()

                                    QourumJournalManager.recoverUnfinalizedSegment()

        这个过程说白了就是给原来的ActiveNN擦屁股。也能够算作是Standby要接管qjournal写权利的開始。这里面就出现了我们所说的brain-split的问题。Standby NN怎么保证原来的Active NN已经不再往qjournal上写数据了。看看QourumJournalManager.recoverUnfinalizedSegment()的实现过程:

// Fence any previous writers, and obtain a unique epoch number for write-access to the journal nodes.Returns:the new, unique epoch number
public void recoverUnfinalizedSegments() throws IOException {
    Preconditions.checkState(!isActiveWriter, "already active writer");
    LOG.info("Starting recovery process for unclosed journal segments...");
    //这句话攻克了brain-split问题。也就是fencing writer
    Map<AsyncLogger, NewEpochResponseProto> resps = createNewUniqueEpoch();
    LOG.info("Successfully started new epoch " + loggers.getEpoch());
    if (LOG.isDebugEnabled()) {
      LOG.debug("newEpoch(" + loggers.getEpoch() + ") responses:\n" +
        QuorumCall.mapToString(resps));
    }
    //找出最后一块edit log segment,由于仅仅有最后一块有可能是不完整的。

long mostRecentSegmentTxId = Long.MIN_VALUE; for (NewEpochResponseProto r : resps.values()) { if (r.hasLastSegmentTxId()) { mostRecentSegmentTxId = Math.max(mostRecentSegmentTxId, r.getLastSegmentTxId()); } } // On a completely fresh system, none of the journals have any // segments, so there‘s nothing to recover. if (mostRecentSegmentTxId != Long.MIN_VALUE) { //把不完整的log segment恢复完整 recoverUnclosedSegment(mostRecentSegmentTxId); } isActiveWriter = true; }

        Epoch攻克了我们所说的问题。StandbyNN向每一个JournalNode发送getJournalState RPC请求。JN返回自己的lastPromisedEpoch。

QuorumJournalManager收到大多数JN返回的lastPromisedEpoch,在当中选择最大的一个,然后加1作为当前QJM的epoch,同一时候通过发送newEpoch RPC把这个新的epoch写到qjournal上。由于在这之后每次QuorumJournalManager在向qjournal运行写相关操作(startLogSegment(),logEdits(), finalizedLogSegment()等)的时候。都要把自己的epoch作为參数传递过去。写相关操作到达每一个JournalNode端会比較假设传过来的epoch假设小于JournalNode端存储的lastPromisedEpoch,那么这次写相关操作会被拒绝。假设大多数JournalNode都拒绝了这次写相关操作,这次操作就失败了。回到我们眼下的逻辑中,在主从切换时。原来的Standby NN把epoch+1了之后,原来的Active NN的epoch就肯定比这个小了。那么假设它再向qjournal写日志就会被拒绝。

由于qjournal不接收比lastPromisedEpoch小的QJM写日志。

        看看JN收到newEpoch RPC之后怎么办:JN检查来自QJM的这个epoch和自己存储的lastPromisedEpoch:假设来自writer的epoch小于lastPromisedEpoch,那么说明不同意这个writer向JNs写数据了,抛出异常,writer端收到异常response。那么达不到大多数的successresponse,就不会有写qjournal的权限了。(事实上这个过程就是Paxos算法里面选主的过程)。

2. recover in-progress logs

        接着上面的代码。Standby已经通过createNewUniqueEpoch()来fencing原来的Active。这个RPC请求除了会返回epoch。还会返回最后一个logsegment的txid。由于仅仅有最后一个log segment可能须要恢复

这个recover算法就是Paxos算法的一个实例(instance),目的是使得分布在不同JN上的log segment的数据达成一致。

        接下来就開始recoverUnclosedSegment()恢复算法。

private void recoverUnclosedSegment(long segmentTxId) throws IOException {
    Preconditions.checkArgument(segmentTxId > 0);
    LOG.info("Beginning recovery of unclosed segment starting at txid " +
        segmentTxId);
    // Step 1. Prepare recovery
    //QJM向JNs问segmentTxId相应的segment的长度和finalized/in-progress状况;JNs返回这些信息。(相应Paxos算法的Phase 1a和Phase 1b)
    QuorumCall<AsyncLogger,PrepareRecoveryResponseProto> prepare =
        loggers.prepareRecovery(segmentTxId);
    Map<AsyncLogger, PrepareRecoveryResponseProto> prepareResponses=
        loggers.waitForWriteQuorum(prepare, prepareRecoveryTimeoutMs,
            "prepareRecovery(" + segmentTxId + ")");
    LOG.info("Recovery prepare phase complete. Responses:\n" +
        QuorumCall.mapToString(prepareResponses));
    //在每一个JN的返回信息中通过SegmentRecoveryComparator比較。选择当中最好的一个log segment作为后面同步log的标准。

//怎样选择更好的Log segment后面有详解。

Entry<AsyncLogger, PrepareRecoveryResponseProto> bestEntry = Collections.max( prepareResponses.entrySet(), SegmentRecoveryComparator.INSTANCE); AsyncLogger bestLogger = bestEntry.getKey(); PrepareRecoveryResponseProto bestResponse = bestEntry.getValue(); // Log the above decision, check invariants. if (bestResponse.hasAcceptedInEpoch()) { LOG.info("Using already-accepted recovery for segment " + "starting at txid " + segmentTxId + ": " + bestEntry); } else if (bestResponse.hasSegmentState()) { LOG.info("Using longest log: " + bestEntry); } else { //prepareRecovery RPC没有返回不论什么指定txid的segment,原因可能例如以下: //有3个JNs: JN1,JN2,JN3。

原来的Active NN 在JN1上開始写segment 101, //然后原来Active NN挂了。主从切换,此时segment 101在JN2和JN3上并不存在。 //newEpoch RPC,由于我们看到了JN1上的segment 101。所以决定recover的是segment 101 //在prepareRecovery之前,JN1挂了。那么prepareRecovery RPC仅仅能发向JN2和JN3了,RPC返回的结果是没有segment 101 //这样的情况下是不须要recover的,由于segment 101并没有写成功(没有达到大多数) for (PrepareRecoveryResponseProto resp : prepareResponses.values()) { assert !resp.hasSegmentState() : "One of the loggers had a response, but no best logger " + "was found."; } LOG.info("None of the responders had a log to recover: " + QuorumCall.mapToString(prepareResponses)); return; } SegmentStateProto logToSync = bestResponse.getSegmentState(); assert segmentTxId == logToSync.getStartTxId(); // Sanity check: none of the loggers should be aware of a higher // txid than the txid we intend to truncate to for (Map.Entry<AsyncLogger, PrepareRecoveryResponseProto> e : prepareResponses.entrySet()) { AsyncLogger logger = e.getKey(); PrepareRecoveryResponseProto resp = e.getValue(); if (resp.hasLastCommittedTxId() && resp.getLastCommittedTxId() > logToSync.getEndTxId()) { throw new AssertionError("Decided to synchronize log to " + logToSync + " but logger " + logger + " had seen txid " + resp.getLastCommittedTxId() + " committed"); } } //同步log的数据源JN找到后,构造URL用于其它JN读取EditLog(JN端有HTTP server通过servlet形式提供HTTP读) URL syncFromUrl = bestLogger.buildURLToFetchLogs(segmentTxId); //向JNs发送acceptRecovery RPC请求(相应Paxos算法的Phase 2a) //JN收到这个acceptRecovery RPC之后,使自己的log与syncFromUrl同步。并持久化这个logsegment和epoch //假设收到大多数的JNs的success response,那么这个同步操作成功。(相应Paxos算法的Phase 2b) QuorumCall<AsyncLogger,Void> accept = loggers.acceptRecovery(logToSync, syncFromUrl); loggers.waitForWriteQuorum(accept, acceptRecoveryTimeoutMs, "acceptRecovery(" + TextFormat.shortDebugString(logToSync) + ")"); // If one of the loggers above missed the synchronization step above, but // we send a finalize() here, that‘s OK. It validates the log before // finalizing. Hence, even if it is not "in sync", it won‘t incorrectly // finalize. //EditLog既然已经同步完了。那么就应该正常finalized了。

QuorumCall<AsyncLogger, Void> finalize = loggers.finalizeLogSegment(logToSync.getStartTxId(), logToSync.getEndTxId()); loggers.waitForWriteQuorum(finalize, finalizeSegmentTimeoutMs, String.format("finalizeLogSegment(%s-%s)", logToSync.getStartTxId(), logToSync.getEndTxId())); }


        代码中留给我们一个问题,就是什么样的log segment是更好的,在recover的过程中被选为同步源呢。具体的设计能够參考Todd写的<<Quorum-Journal Design>>https://issues.apache.org/jira/secure/attachment/12547598/qjournal-design.pdf 的2.9和2.10。在代码中的实现是SegmentRecoveryComparator类。

        简单描写叙述下原理就是:有finalized的不用in-progress的;假设有多个finalized必须length一致。没有finalized的看谁的epoch更大;假设前面的都一样就看谁的最后一个txid更大。

        在<<Quorum-Journal Design>>中有详细的样例。我看完这块之后感觉和HDFS append的block recover过程中选择同步源的思路有异曲同工之妙。

        经历了上面的QourumJournalManager.recoverUnfinalizedSegment()过程。不完整的logsegment都是完整的了,接下来就是调用EditLogTailer.doTailEdits()。原来Standby NN先去和原来ActiveNN同步EditLog,然后把EditLog运行,这时两台NN内存数据才真正一致。

这里会调用QuorumJournalManager.selectInputStreams()从JNs中读取 EditLog。

并且眼下HDFS中仅仅有finalizededit log才干被Standby NN读取并运行。在Standby NN从JNs读取EditLog时,首先向全部的JN节点发送getEditLogManifest() RPC去读取大于某一txid而且已经finalizededit log segment。收到大多数返回success,则把这些log segment整合成一个RedundantEditLogInputStream,然后Standby NN仅仅要向当中的一台JN读取数据即可了。

        至此原来的Standby NN所做的擦屁股的工作就结束了。那么它就正式变成了Active NN,接下来就是正常的记录日志的工作了。

3. startLogSegment

        也是初始化QuorumOutputStream的过程。

NameNode.startActiveServices()

      FSNamesystem.startActiveServices()

            FSEditLog.openForWrite()

                  FSEditLog.startLogSegmentAndWriteHeaderTxn()

                        FSEditLog.startLogSegment()

                              JournalSet.startLogSegment()//返回值是QuorumOutputStream

                                    JournalSet.startLogSegment()

                                          QuorumJournalManager.startLogSegment()

        QJM向JNs发送startLogSegmentRPC调用,假设收到多数success response则成功。用这个AsynaLogSet构造QuorumOutputStream用于写log。

Active NN更新EditLog过程

1.  初始化QuorumOutputStream

        在ActiveState.enterState()阶段已经完毕,參考3.4.3

2.  更新EditLog

        通过以下的调用把Log写到QuorumOutputStream的doublebuffer里面。

由QuorumOutputStream实现更新。

org.apache.hadoop.hdfs.server.namenode.FSEditLog.logEdit()

      org.apache.hadoop.hdfs.qjournal.client.QuorumOutputStream.write()

3. 同步Log

FSEditLog.logEdit()

      FSEditLog.logSync()

            EditLogOutputStream.flush()

                  QuorumOutputStream.flushAndSync()

        flushAndSync()通过AsyncLoggerSet.sendEdits()调用Journal RPC把相应的日志写到JNs,相同是大多数successresponse即觉得成功。假设大多数返回失败的话,这次logSync操作失败。那么NameNode会abort,由于没法正常写日志了。

client选择ActiceNN

实现类 org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider

功能 帮助Client选择哪个节点是主节点

说明 A FailoverProxyProvider implementation which allows one to configuretwo URIs to connect to during fail-over. The first configured address is triedfirst, and on a fail-over event the other address is tried.

算法1. getActiveNN()

输入nn1、nn2

输出ActiveNN

開始

1.      ActiveNN=null

2.      IF isConnective(nn1) andisActive(nn1)THEN

3.               ActiveNN=nn1

4.      ELSE

5.               IF  isConnective(nn2) andisActive(nn2)THEN

6.                        ActiveNN=nn2

7.               END IF

8.      END ELSE

9.      END IF

结束

配置:

<property>

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

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

</property>

Standby NN启动时同步Active NN元数据的过程

        Active NN启动后,Standby NN能够通过这两个脚本启动

bin/hdfs namenode -bootstrapStandby

sbin/hadoop-daemon.sh start namenode

        第一个脚本用于初始化StandbyNN,其功能例如以下:

[1]   和nn1通信,获取namespace metadata和checkpointedfsimage;

[2]   从JN中获取EditLog

可是脚本会在下列情况下失效:JN没有初始化成功。不能提供EditLog。

        相关的实现类:

org.apache.hadoop.hdfs.server.namenode.ha.BootstrapStandby

        调用过程

NameNode. createNameNode()

      BootstrapStandby.run(toolArgs, conf)

            ToolRunner.run(BootstrapStandby, argv);

                  BootstrapStandby.run()

                        BootstrapStandby .doRun()//该函数负责bootstrapStandby过程

                              TransferFsImage.downloadImageToStorage();//下载FSImage

注意:FSImage中封装了EditLog。HA中EditLog的存储空间在JN中。

Standby NN更新

实现类:org.apache.hadoop.hdfs.server.namenode.ha.StandbyCheckpointer

说明:Threadwhich runs inside the NN when it‘s in Standby state, periodically waking up totake a checkpoint of the namespace. When it takes a checkpoint, it saves it toits local storage and then uploads it to the remote NameNode.

该类里面封装了线程CheckpointerThread

CheckpointerThread.run()

      CheckpointerThread.doWork()

            CheckpointerThread.doCheckpoint()//检測是否须要进行更新

        当检測到更新的时候,会将EditLog更新下载到本地同一时候进行合并成FSImage,并将最新的FSImage增量更新到Active NN上。

CheckpointerThread.doCheckpoint()//检測是否须要进行更新

TransferFsImage.uploadImageFromStorage( )

            activeNNAddress, myNNAddress,namesystem.getFSImage().getStorage(), txid);

參考资料

[1]  HDFS High Availability Using the Quorum JournalManager

[2]  HDFS 体系结构

[3]  Hadoop 2.0 NameNode HA和Federation实践

[4]  基于QJM/Qurom Journal Manager/Paxos的HDFS HA原理及代码分析

[5]  Hadoop 2.0中单点故障解决方式总结

[6]  Paxos算法





以上是关于HDFS HA架构以及源代码引导的主要内容,如果未能解决你的问题,请参考以下文章

SpringCloud系列四:Eureka 服务发现框架(定义 Eureka 服务端Eureka 服务信息Eureka 发现管理Eureka 安全配置Eureka-HA(高可用) 机制Eur(代码片段

Hadoop组件之-HDFS(HA实现细节)

Hadoop (HDFS) HA架构通信机制

HDFS&Yarn HA架构设计

聊聊HDFS的高可用架构

Hadoop_HDFS HA 及解决方案