1. HDFS的基本概念和特性
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，以便于采起分而治之的方式对海量数据进行运算分析。在大数据系统中做用：为各种分布式运算框架（如：mapreduce，spark，tez，....）提供数据存储服务。node
1.1 HDFS的概念
首先，它是一个文件系统，用于存储文件，经过统一的命名空间--目录树来定位文件；python
其次，它是分布式的，有不少服务器联合起来实现其功能，集群中的服务器有各自的角色；linux
重点概念：文件切块，副本存放，元数据(目录结构及文件分块信息)web
1.2 HDFS的重要特性
(1) HDFS中的文件在物理上是分块存储(block)，块的大小能够经过配置参数(dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M；shell
(2) HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端经过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/file.data；缓存
(3) 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，以及每个路径（文件）所对应block块信息（block的id，及所在的datanode服务器）服务器
(4) 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，每个block均可以在多个datanode上存储多个副本（副本数量也能够经过参数设置dfs.replication）网络
(5) HDFS是设计成适应一次写入，屡次读出的场景，且不支持文件的修改；数据结构
注意：适合用来作数据分析，并不合适用来作网盘应用，由于，不便修改，延迟大，网络开销大，成本高。app
2. HDFS的shell(命令行客户端)经常使用操做
| 命令参数 | 功能描述 | 示例 |
| -help | 输出这个命令参数手册详细内容 | hadoop fs -help |
| 无 | 输出命令行客户端支持的命令参数，命令参数手册缩小版 | hadoop fs |
| -ls | 显示目录信息 | hadoop fs -ls / |
| -mkdir | 在hdfs上建立目录 | hadoop fs -mkdir -p /aaa/bbb |
| -mv | 在hdfs目录中移动文件 | hadoop fs -mv /aaa/jdk.tar.gz /bbb |
| -moveFromLocal | 从本地剪切粘贴到hdfs | hadoop fs -moveFromLocal /home/hadoop/a.txt /aaa/bbb |
| -moveToLocal | 从hdfs剪切粘贴到本地 | hadoop fs -moveToLocal /aaa/bbb /home/hadoop/a.txt |
| -cp | 从hdfs的一个路径拷贝到hdfs的另外一个路径 | hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz |
| -copyFromLocal | 从本地文件系统中拷贝文件到hdfs路径去 | hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/ |
| -copyToLocal | 从hdfs拷贝到本地 | hadoop fs -copyToLocal /aaa/jdk.tar.gz ./ |
| -get | 等同于copyToLocal，就是从hdfs下载文件到本地 | hadoop fs -get /aaa/jdk.tar.gz ./ |
| -getmerge | 合并下载多个文件。好比hdfs目录/aaa/下有多个文件：log.1,log.2,log.3... | hadoop fs -getmerge /aaa/log.* ./log.sum |
| -put | 等同于copyFromLocal，从本地文件系统中拷贝文件到hdfs路径去 | hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2 |
| -rm | 删除文件或文件夹 | hadoop fs -rm -r /aaa/bbb/ |
| -rmdir | 删除空目录 | hadoop fs -rmdir /aaa/bbb/ccc |
| -cat | 显示文件内容 | hadoop fs -cat /hello.txt |
| -tail | 显示一个文件的末尾 | hadoop fs -tail /weblog/access_log.1 |
| -text | 以字符形式打印一个文件的内容 | hadoop fs -text /weblog/access_log.1 |
| -appendToFile | 追加一个文件到已经存在的文件末尾 | hadoop fs -appendToFile ./hellotx /hello.tx |
| -chmod | linux文件系统中的用法同样，对文件所属权限 | hadoop fs -chmod 666 /hello.txt |
| -chown | linux文件系统中的用法同样，对文件所属用户以及用户组的修改 | hadoop fs -chown hadoop:hadoop /hello.tx |
| -df | 统计文件系统的可用空间信息 | hadoop fs -df -h / |
| -du | 统计文件夹的大小信息 | hadoop fs -du -s -h /aaa/* |
| -count | 统计一个指定目录下的文件节点数量 | hadoop fs -count /aaa/* |
| -setrep | 设置hdfs中文件的副本数量 | hadoop fs -setrep 3 /aaa/jdk.tar.gz |
注意：-setrep设置的副本数只是记录在namenode的元数据中，是否真的会有这么多副本，还得看datanode的数量。
3. HDFS的工做机制
3.1 概述
(1) HDFS集群分为两大角色：NameNode、DataNode；
(2) NameNode负责管理整个文件系统的元数据；
(3) DataNode负责管理用户的文件数据块；
(4) 文件会按照固定的大小（blocksize）切成若干块分布式存储在若干台datanode上；
(5) 每个文件块能够有多个副本，并存放在不一样的datanode上；
(6) DatanNode会按期向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；
(7) HDFS的内部工做机制对客户端保持透明，客户端请求访问HDFS都是经过向NameNode申请来进行。
3.2 HDFS写数据流程
3.2.1 概述
客户端要向HDFS写数据，首先要跟namenode通讯以确承认以写文件并得到接收文件block的datanode；而后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其余datanode复制block的副本。
3.2.3 HDFS写数据详细流程图
(1) 向namenode通讯请求上传文件hello.txt；
(2) namenode经过目录树检查目标文件是否已存在，父目录是否存在；
(3) namenode返回是否能够上传信息；
(4) client向namenode请求第一个block应该传输到哪些datanode服务器上；
(5) namenode在datanode信息池查询可用的datanode信息；
(6) namenode返回3个可用的datanode服务器node一、node三、node4；
(7) client向3台datanode服务器中的一台node1请求创建传输通道channel（本质上是一个RPC调用，创建pipeline），node1收到请求会继续向node3请求，而后node3请求node4，将整个pipeline创建完成。
(8) 承接第7步，将响应逐级返回给客户端；
(9) client开始往node1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，node1收到一个packet就会传给node3，node3传给node4；node1每传一个packet会放入一个应答队列等待应答；
(10) 当一个block传输完成以后，client再次请求namenode上传第二个block的服务器。
3.3 HDFS读数据流程
3.3.1 概述
客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息(主要是block的存放位置信息)返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而得到整个文件。
3.3.2 HDFS读数据详细流程
(1) 向namenode通讯请求读取文件hello.txt；
(2) namenode查询hello.txt的元数据，找到文件块所在的datanode服务器；
(3) namenode向client返回目标文件的元数据；
(4) client挑选一台datanode服务器（就近原则，而后随机），请求读取数据块BLK_1并请求创建socket流；
(5) datanode与client创建socket流，并开始传输数据；
(6) 而后client随机挑选第二台datanode服务器并获取第二个block "BLK_2"；
(7) 接着client再次随机挑选另外一台datanode服务器并获取第三个block "BLK_3"；
(8) 客户端以packet为单位接收来自datanode服务器的数据，先本地缓存，以追加的模式合并成目标文件，最后把目标文件写入到本地。
3.4 NAMENODE工做机制
学习目标：理解namenode的工做机制尤为是元数据管理机制，以加强对HDFS工做原理的理解，及培养hadoop集群运营中“性能调优”、“namenode”故障问题的分析解决能力。
3.4.1 概述
NAMENODE职责：
① 负责客户端请求的响应；
② 元数据的管理（查询、修改）；
3.4.2 元数据管理与存储机制
namenode对元数据的管理采用了三种存储形式：
①内存元数据（NameSystem）；
②磁盘元数据镜像文件；
③数据操做日志文件（可经过日志运算出元数据）；
元数据的存储机制
A、内存中有一份完整的元数据(内存 meta data)；
B、磁盘有一个“准完整”的元数据镜像(fsimage)文件，在namenode的工做目录中；
C、用于衔接内存metadata和持久化元数据镜像fsimage之间的操做日志(edits日志文件)；
注意：当客户端对hdfs中的文件进行新增或修改操做，操做记录首先被记入edits日志文件中，当客户端操做成功后，相应的元数据会更新到内存meta.data中。
3.4.3 元数据手动查看
能够经过hdfs的一个工具来查看edits中的信息
bin/hdfs oev -i edits -o edits.xml
bin/hdfs oiv -i fsimage_0000000000000000087 -p XML -o fsimage.xml
3.4.4 元数据的checkpoint
每隔一段时间，会由secondary namenode 将 namenode上积累的全部edits和一个最新的fsimage下载到本地，并加载到内存进行merge(这个过程称为checkpiont)。
3.4.4.1 checkpoint的详细过程
3.4.4.2 checkpoint操做的触发条件配置参数
dfs.namenode.checkpoint.check.period=60 #检查触发条件是否知足的频率，60秒
dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary
#以上两个参数作checkpoint操做时，secondary namenode的本地工做目录
dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}
dfs.namenode.checkpoint.max-retries=3 #最大重试次数
dfs.namenode.checkpoint.period=3600 #两次checkpoint之间的时间间隔3600秒
dfs.namenode.checkpoint.txns=1000000 #两次checkpoint之间最大的操做记录
3.4.4.3 checkpoint的附带做用
namenode和secondary namenode的工做目录存储结构彻底相同，因此，当namenode故障退出须要从新恢复时，能够从secondary namenode的工做目录中将fsimage拷贝到namenode的工做目录，以恢复namenode的元数据。
3.4.5 元数据目录说明
在第一次部署好Hadoop集群的时候，咱们须要在NameNode节点上格式化磁盘：
$HADOOP_HOME/bin/hdfs namenode -format
格式化完成以后，将会在$dfs.namenode.name.dir/current目录下建立以下文件结构：
current/ |-- VERSION |-- edits_* |-- fsimage_0000000000008547077 |-- fsimage_0000000000008547077.md5 `-- seen_txid
下面对$dfs.namenode.name.dir/current/目录下的文件进行解释：
一、VERSION文件是Java属性文件，内容大体以下：
#Fri Nov 15 19:47:46 CST 2013 namespaceID=934548976 clusterID=CID-cdff7d73-93cd-4783-9399-0a22e6dce196 cTime=0 storageType=NAME_NODE blockpoolID=BP-893790215-192.168.24.72-1383809616115 layoutVersion=-47
其中
(1) namespaceID是文件系统的惟一标识符，在文件系统首次格式化以后生成的；
(2) clusterID是系统生成或手动指定的集群ID，在-clusterid选项中可使用它；以下说明：
a. 使用以下命令格式化一个NameNode：
$HADOOP_HOME/bin/hdfs namenode -format [-clusterId <cluster id>]
选择一个惟一的cluster_id，而且这个cluster_id不能与环境中其余集群有冲突。
若是没有提供cluster_id，则会自动生成一个惟一的ClusterID
b. 使用以下命令格式化其余NameNode：
$HADOOP_HOME/bin/hdfs namenode -format -clusterId <cluster_id>
c. 升级集群至最新版本。在升级过程当中须要提供一个ClusterID，例如：
$HADOOP_PREFIX_HOME/bin/hdfs start namenode -config $HADOOP_CONF_DIR -upgrade -clusterId <cluster_ID>
若是没有提供ClusterID，则会自动生成一个ClusterID。
(3) cTime表示NameNode存储时间的建立时间，因为个人NameNode没有更新过，因此这里的记录为0，之后对NameNode升级以后，cTime将会记录更新时间戳；
(4) storageType说明这个文件存储的是什么进程的数据结构信息(若是是DataNode，storageType=DATA_NODE)；
(5) blockpoolID：是针对每个NameSpace所对应的blockpool的ID，上面的这个BP-893790215-192.168.24.72-1383809616115就是在个人ns1的namespace下的存储块池的ID，这个ID包括了其对应的NameNode节点的ip地址。
(6) layoutVersion表示HDFS永久性数据结构的版本信息，只要数据结构变动，版本号也要递减，此时的HDFS也须要升级，不然磁盘仍旧是使用旧版本的数据结构，这会致使新版本的NameNode没法使用；
2. $dfs.namenode.name.dir/current目录下在format的同时也会生成fsimage和edits文件，及其对应的md5校验文件。
3. $dfs.namenode.name.dir/current/seen_txid很是重要，是存放transactionId的文件，format以后是0，它表明的是namenode里面的edits_*文件的尾数，namenode重启的时候，会按照seen_txid的数字，循序从头跑edits_0000001~到seen_txid的数字。因此当你的hdfs发送异常重启的时候，必定要比对seen_txid内的数字是否是你edits最后的尾数，否则会发生建置namenode时metaData的资料有缺乏，致使误删Datanode上多余Block的资讯。
注意：seen_txid。文件中记录的edits滚动的序号，每次重启namenode时，namenode就知道要将哪些edits进行加载edits。
补充说明
其中dfs.name.dir是在hdfs-site.xml文件中配置的，而hadoop.tmp.dir是在core-site.xml中配置的，默认值以下：
#dfs.name.dir是在hdfs-site.xml中配置的，默认值以下
<property>
<name>dfs.name.dir</name>
<value>file://${hadoop.tmp.dir}/dfs/name</value>
</property>
#hadoop.tmp.dir是在core-site.xml中配置的，默认值以下
<property>
<name>hadoop.tmp.dir</name>
<value>/tmp/hadoop-${user.name}</value>
<description>A base for other temporary directories.</description>
</property>
说明：dfs.namenode.name.dir属性能够配置多个目录，如/data1/dfs/name,/data2/dfs/name,/data3/dfs/name,...。各个目录存储的文件结构和内容都彻底同样，至关于备份，这样作的好处是当其中一个目录损坏了，也不会影响到Hadoop的元数据，特别是当其中一个目录是NFS(网络文件系统Network File System，NFS)之上，即便你这台机器损坏了，元数据也获得保存。
3.5 DATANODE的工做机制
3.5.1 概述
(1) Data工做职责：
①存储管理用户的文件块数据；
②按期向namenode汇报自身所持有的block信息（经过心跳信息上报）
注意：这点很重要，由于这涉及到，当集群中发生某些block副本失效时，集群如何恢复block初始副本数量的问题。
<property> <name>dfs.blockreport.intervalMsec</name> <value>3600000</value> <description>Determines block reporting interval in milliseconds.</description> </property>
(2) Datanode掉线判断时限参数
datanode进程死亡或者网络故障形成datanode没法与namenode通讯，namenode不会当即把该节点断定为死亡，要通过一段时间，这段时间暂称做超时时长。HDFS默认的超时时长为10分钟+30秒。若是定义超时时间为timeout，则超时时长的计算公式为：
timeout = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。
默认的heartbeat.recheck.interval大小为5分钟，dfs.heartbeat.interval默认为3秒。须要注意的是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。因此，举个例子，若是heartbeat.recheck.interval设置为50000(毫秒)，dfs.heartbeat.interval设置为3(秒，默认)，则总的超时时间为40秒。
<property>
<name>heartbeat.recheck.interval</name>
<value>300000</value>
</property>
<property>
<name>dfs.heartbeat.interval</name>
<value>3</value>
</property>
3.5.2 观察验证DATANODE功能
上传一个文件，观察文件的block具体的物理存放状况：
在每一台datanode机器上的data存放目录中能找到文件的切块，假设data目录设定为/opt/app/hadoop-2.4.1/data，则文件切块目录为/opt/app/hadoop-2.4.1/data/current/BP-*****/current/finalized