系列博客
1、大数据技术之Hadoop完全分布式集群搭建+Centos7配置连通外网和主机
2、大数据技术之Hadoop编译源码
3、大数据技术之Hadoop分布式文件系统HDFS系统知识整理(从入门到熟练操作)
4、大数据技术之Hadoop分布式计算框架MapReduce系统知识整理(从入门到熟练操作)
文章目录
一、HDFS概述1.1 HDFS产生背景1.2 HDFS定义1.3 HDFS使用场景1.4 HDFS优缺点1.4.1 优点1.4.2 缺点1.5 HDFS组成架构1.6 HDFS文件块大小二、HDFS的Shell操作三、HDFS客户端操作3.1 HDFS客户端环境准备3.2 HDFS的API操作3.2.1 HDFS文件上传3.2.2 HDFS文件下载3.2.3 HDFS文件夹删除3.2.4 HDFS文件名更改3.2.5 HDFS文件详情查看3.3 HDFS的I/O流操作3.3.1 HDFS文件上传3.3.2 HDFS文件下载四、HDFS的数据流4.1 HDFS写数据流程4.1.1 HDFS文件写数据流程4.1.2 机架感知4.2 HDFS读数据流程五、NameNode和SecondaryNameNode5.1 NN和2NN工作机制5.2 Fsimage和Edits解析5.3 CheckPoint时间设置5.4 NameNode故障处理5.5 集群安全模式5.5.1 概述5.5.2 基本语法5.6 NameNode多目录配置六、DataNode6.1 DataNode工作机制6.2 数据完整性6.3 服役新数据节点6.4 退役旧数据节点6.4.1 添加白名单6.4.2 黑名单退役一、HDFS概述
1.1 HDFS产生背景
随着数据量越来越大,在一个操作系统存不下所有的数据,那么就分配到更多的操作系统管理的磁盘中,但是不方便管理和维护,迫切需要一种系统来管理多台机器上的文件,这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种
1.2 HDFS定义
HDFS(Hadoop Distributed File System),它是一个文件系统,用于存储文件,通过目录树来定位文件。其次,他是分布式的,由很多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
1.3 HDFS使用场景
适合一次写入,多次读出的场景,且不支持文件的修改适合用来做数据分析,并不适合用来做网盘应用1.4 HDFS优缺点
1.4.1 优点
高容错性①:数据自动保存多个副本。它通过增加副本的形式,提高容错性
②:某一个副本丢失以后,它可以自动恢复适合处理大数据
①:数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据
②:文件规模:能够处理百万规模以上的文件数量,数量相当之大可构建在廉价机器上,通过多副本机制,提高可靠性
1.4.2 缺点
不适合低延时数据访问,比如毫秒级的存储数据,是做不到的无法高效的对大量小文件进行存储①:如存储大量小文件,它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的,因为NameNode的内存总是有限的
②:小文件存储的寻址时间会超过读取时间,它违反了HDFS的设计目标不支持并发写入,文件随机修改
①:一个文件只能有一个写,不允许多个线程同时写
②:仅支持数据append(追加),不支持文件的修改
1.5 HDFS组成架构
NameNode(nn):就是Master,它是一个主管、管理者①:管理HDFS的名称空间
②:设置副本策略
③:管理数据块(Block)映射信息
④:处理客户端读写请求DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作
①:存储实际的数据库
②:执行数据块的读/写操作Client:客户端
①:文件切分。文件上传HDFS的时候,Client将文件切分成一个一个的Block,然后进行上传
②:与NameNode交互,读取或者写入位置信息
③:与DataNode交互,读取或写入数据
④:Client提供一些命令来管理HDFS,比如NameNode格式化
⑤:Client可以通过一些命令来访问HDFS,比如对HDFS增删改查操作Secondary NameNode:并非NameNode的热备份。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务
①:辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode
②:在紧急情况下,可以辅助恢复NameNode
1.6 HDFS文件块大小
HDFS中的文件在物理上是分块存储,块的大小可以通过配置参数来规定,默认大小在Hadoop2.x版本中是128M,老版本中是64M如果寻址时间约为10ms,即查找到目标Block的时间为10ms寻址时间为传输时间的1%时,则为最佳状态。因此,传输时间=10ms/0.01=1000ms=1s而目前磁盘的传输速率普遍为100MB/s二、HDFS的Shell操作
注:所有操作均在Hadoop根目录下操作
启动Hadoop集群
sbin/start-dfs.shsbin/start-yarn.sh
-help:输出这个命令参数
hadoop fs -help rm
-ls:显示目录信息
hadoop fs -ls /
-mkdir:在HDFS上创建目录
hadoop fs -mkdir -p /IronmanJay/people
-moveFromLocal:从本地剪切粘贴到HDFS
# 创建一个测试文件touch zhangsan.txt# 从本地剪切粘贴到HDFShadoop fs -moveFromLocal ./zhangsan.txt /IronmanJay/people
-appendToFile:追加一个文件到已经存在的文件末尾
# 创建一个测试文件touch lisi.txt# 输入测试文件内容wo shi da hao ren# 追加一个文件到已经存在的文件末尾hadoop fs -appendToFile lisi.txt /IronmanJay/people/zhangsan.txt
-cat:显示文件内容
hadoop fs -cat /IronmanJay/people/zhangsan.txt
-chgrp 、-chmod、-chown:与Linux文件系统中的用法一样,修改文件所属权限
# 修改权限hadoop fs -chmod 666 /IronmanJay/people/zhangsan.txt# 修改所属用户hadoop fs -chown IronmanJay:IronmanJay /IronmanJay/people/zhangsan.txt
-copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去
hadoop fs -copyFromLocal README.txt /
-copyToLocal:从HDFS拷贝到本地
hadoop fs -copyToLocal /IronmanJay/people/zhangsan.txt ./
-cp :从HDFS的一个路径拷贝到HDFS的另一个路径
hadoop fs -cp /IronmanJay/people/zhangsan.txt /newzhangsan.txt
-mv:在HDFS目录中移动文件
hadoop fs -mv /newzhangsan.txt /IronmanJay/IronmanJay/
-get:等同于copyToLocal,就是从HDFS下载文件到本地
hadoop fs -get /IronmanJay/people/zhangsan.txt ./
-getmerge:合并下载多个文件,比如HDFS的目录 /user/IronmanJay/test下有多个文件:log.1, log.2,log.3,…
hadoop fs -getmerge /user/IronmanJay/test/* ./merge.txt
-put:等同于copyFromLocal
hadoop fs -put ./merge.txt /user/IronmanJay/test/
-tail:显示一个文件的末尾
hadoop fs -tail /IronmanJay/people/zhangsan.txt
-rm:删除文件或文件夹
hadoop fs -rm /user/IronmanJay/test/wangwu.txt
-rmdir:删除空目录
hadoop fs -mkdir /testhadoop fs -rmdir /test
-du:统计文件夹的大小信息
hadoop fs -du -s -h /user/IronmanJay/test
-setrep:设置HDFS中文件的副本数量(注:这里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。因为目前只有3台设备,最多也就3个副本,只有节点数的增加到10台时,副本数才能达到10)
hadoop fs -setrep 10 /IronmanJay/people/zhangsan.txt
三、HDFS客户端操作
3.1 HDFS客户端环境准备
根据自己电脑的操作系统拷贝对应的编译后的Hadoop的Jar包,提取码:iflc到非中文路径
配置HADOOP_HOME环境变量
配置Path环境变量
创建一个Maven工程HdfsClient
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><!-- 注意这里改成你自己的路经 --><systemPath>D:/Software/Java/jdk1.8.0_131/lib/tools.jar</systemPath></dependency></dependencies>
在项目的src/main/resources目录下,新建一个文件,命名为“log4j.properties”,在文件中填入如下内容
log4j.rootLogger=INFO, stdoutlog4j.appender.stdout=org.apache.log4j.ConsoleAppenderlog4j.appender.stdout.layout=org.apache.log4j.PatternLayoutlog4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%nlog4j.appender.logfile=org.apache.log4j.FileAppenderlog4j.appender.logfile.File=target/spring.loglog4j.appender.logfile.layout=org.apache.log4j.PatternLayoutlog4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
创建HdfsClient类,首先测试连接
// 测试连接public static void main(String[] args) throws IOException, URISyntaxException, InterruptedException {Configuration conf = new Configuration();// 配置在集群上运行conf.set("fs.defaultFS", "hdfs://hadoop102:9000");// 1、获取hdfs客户端FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");// 2、在hdfs上创建路径fs.mkdirs(new Path("/IronmanJay/BaiRui/HaiZi/WeiLai"));// 3、关闭资源fs.close();System.out.println("over");}
执行程序,运行时需要配置用户名称,客户端去操作HDFS时,是有一个用户身份的。默认情况下,HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份:-DHADOOP_USER_NAME=IronmanJay,IronmanJay为用户名称
3.2 HDFS的API操作
3.2.1 HDFS文件上传
// 文件上传@Testpublic void testCopyFromLocalFile() throws URISyntaxException, IOException, InterruptedException {// 1、获取fs对象Configuration conf = new Configuration();conf.set("dfs.replication", "2");FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");// 2、执行上传APIfs.copyFromLocalFile(new Path("D:/test.txt"), new Path("/test2.txt"));// 3、关闭资源fs.close();}
3.2.2 HDFS文件下载
// 文件下载@Testpublic void testCopyToLocalFile() throws URISyntaxException, IOException, InterruptedException {// 1、获取fs对象Configuration conf = new Configuration();FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");// 2、执行下载操作fs.copyToLocalFile(false, new Path("/test.txt"), new Path("d:/text3.txt"), true);// 3、关闭资源fs.close();}
3.2.3 HDFS文件夹删除
// 文件夹删除@Testpublic void testDelete() throws URISyntaxException, IOException, InterruptedException {// 1、获取fs对象Configuration conf = new Configuration();FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");// 2、执行删除操作fs.delete(new Path("/IronmanJay"), true);// 3、关闭资源fs.close();}
3.2.4 HDFS文件名更改
// 修改文件名称@Testpublic void testRename() throws URISyntaxException, IOException, InterruptedException {// 1、获取fs对象Configuration conf = new Configuration();FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");// 2、执行更名操作fs.rename(new Path("/test.txt"), new Path("/test3.txt"));// 3、关闭资源fs.close();}
3.2.5 HDFS文件详情查看
// 查看文件详情(查看文件名称、权限、长度、块信息)@Testpublic void testListFiles() throws URISyntaxException, IOException, InterruptedException {// 1、获取fs对象Configuration conf = new Configuration();FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");// 2、查看文件详情RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);while (listFiles.hasNext()) {LocatedFileStatus fileStatus = listFiles.next();// 获取文件名称System.out.println(fileStatus.getPath().getName());// 获取文件权限System.out.println(fileStatus.getPermission());// 获取文件长度System.out.println(fileStatus.getLen());// 获取块的信息BlockLocation[] blockLocations = fileStatus.getBlockLocations();for (BlockLocation blockLocation : blockLocations) {String[] hosts = blockLocation.getHosts();for (String host : hosts) {System.out.println(host);}}System.out.println("----------分割线----------");}// 3、关闭资源fs.close();}
3.3 HDFS的I/O流操作
3.3.1 HDFS文件上传
// I/O流操作文件上传@Testpublic void putFileToHDFS() throws URISyntaxException, IOException, InterruptedException {// 1、获取fs对象Configuration conf = new Configuration();FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");// 2、获取输入流FileInputStream fis = new FileInputStream(new File("D:/banhua.txt"));// 3、获取输出流FSDataOutputStream fos = fs.create(new Path("/banzhang.txt"));// 4、流的对拷IOUtils.copyBytes(fis, fos, conf);// 5、关闭资源IOUtils.closeStream(fos);IOUtils.closeStream(fis);fs.close();}
3.3.2 HDFS文件下载
// I/O流操作文件下载@Testpublic void getFileFromHDFS() throws URISyntaxException, IOException, InterruptedException {// 1、获取fs对象Configuration conf = new Configuration();FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");// 2、获取输入流FSDataInputStream fis = fs.open(new Path("/banzhang.txt"));// 3、获取输出流FileOutputStream fos = new FileOutputStream(new File("D:/banzhang.txt"));// 4、流的对拷IOUtils.copyBytes(fis, fos, conf);// 5、关闭资源IOUtils.closeStream(fos);IOUtils.closeStream(fis);fs.close();}
四、HDFS的数据流
4.1 HDFS写数据流程
4.1.1 HDFS文件写数据流程
客户端通过Distributed FileSystem模块向NameNode请求上传文件,NameNode检查目标文件是否已经存在,父目录是否存在NameNode返回是否可以上传客户端请求第一个Block上传到哪几个DataNode服务器上NameNode返回3个DataNode节点,分别为dn1、dn2、dn3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dn1、dn2、dn3逐级应答客户端客户端开始往dn1上传第一个Block(先从磁盘读取数据放到一个本地内存缓冲),以Packet为单位,dn1收到一个Pactet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 机架感知
机架感知官方说明Hadoop2.7.2副本节点选择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.
①:第一个副本在Client所处的节点上,如果客户端在集群外,随机选一个
②:第二个副本和第一个副本位于相同机架,随机节点
③:第三个副本位于不同机架,随机节点
4.2 HDFS读数据流程
件块所在的DataNode地址挑选一台DataNode(就近原则,然后随机)服务器,请求读取数据DataNode开始传输数据给客户端(从磁盘里面读取数据流,以Packet为单位来做校验)客户端以Packet为单位接收,先在本地缓存,然后写入目标文件五、NameNode和SecondaryNameNode
5.1 NN和2NN工作机制
第一阶段:NameNode启动①:第一次启动NameNode格式化后,创建Fsimage和Edits。如不是第一次启动,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
③:NameNode记录操作日志,更新滚动日志
④:NameNode再内存中对数据进行增删改第二阶段:Secondary NameNode工作
①:Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果
②:Secondary NameNode请求执行CheckPoint
③:NameNode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
⑤:Secondary 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.chkpoint到NameNode
⑧:NameNode将fsimage.chkpoint重新命名成fsimage
5.2 Fsimage和Edits解析
NameNode被格式化之后,将在opt/module/hadoop-2.7.2/data/temp/dfs/name/current目录中产生如下文件
fsimage_0000000000000000000fsimage_0000000000000000000.md5seen_txidVERSION
Fsimage文件:HDFS文件系统元数据的一个永久性的检查点,其中包含HDFS文件系统的所有目录和文件inode的序列化信息Edits文件:存放HDFS文件系统的所有更新操作的路经,文件系统客户端执行的所有写操作首先会被记录到Edits文件中seen_txid文件保存的是一个数字,就是最后一个edits_的数字每次NameNode启动的时候都会将Fsimage文件读入内存,加载Edits里面的更新操作,保证内存中的元数据信息是最新的、同步的,可以看成NameNode启动的时候就将Fsimage和Edits文件进行了合并
5.3 CheckPoint时间设置
通常情况下,SecondaryNameNode每隔一小时执行一次,在hdfs-default.xml设置<property><name>dfs.namenode.checkpoint.period</name><value>3600</value></property>
设置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中数据拷贝到NameNode存储数据的目录
杀死NameNode进程
kill -9 NameNode进程序号
删除NameNode存储的数据
rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*
拷贝SecondaryNameNode中数据到原NameNode存储数据目录
scp -r IronmanJay@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/
重新启动NameNode
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目录中
修改hdfs-site.xml中的
<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>
杀死NameNode进程
kill -9 NameNode进程序号
删除NameNode存储的数据
rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*
如果SecondaryNameNode不和NameNode在一个主机节点上,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
[IronmanJay@hadoop102 dfs]$ scp -r IronmanJay@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary ./[IronmanJay@hadoop102 namesecondary]$ rm -rf in_use.lock[IronmanJay@hadoop102 dfs]$ pwd/opt/module/hadoop-2.7.2/data/tmp/dfs[IronmanJay@hadoop102 dfs]$ lsdata name namesecondary
导入检查点数据(等待一会ctrl+c结束掉)
bin/hdfs namenode -importCheckpoint
启动NameNode
sbin/hadoop-daemon.sh start namenode
5.5 集群安全模式
5.5.1 概述
NameNode启动NameNode启动时,首先将镜像文件(Fsimage)载入内存,并执行编辑日志(Edits)中的各项操作。一旦在内存中成功建立文件系统元数据的映像,则创建一个新的Fsimage文件和一个空的编辑日志。此时,NameNode开始监听DataNode请求。在这个过程期间,NameNode一直运行在安全模式,即NameNode的文件系统对于客户端来说只是只读的DataNode启动
系统中的数据块的位置并不是由NameNode维护的,而是以块列表的形式存储在DataNode中。在系统的正常操作期间,NameNode会在内存中保留所有块位置的映射信息。在安全模式下,各个DataNode会向NameNode发送最新的块列表信息,NameNode了解到足够多的块位置信息之后,即可高效运行文件系统。安全模式退出判断
如果满足“最小副本条件”,NameNode会在30秒之后就退出安全模式。最小副本条件指的是在整个文件系统中99.9%的块满足最小副本级别(默认值:dfs.replication=1)。在启动一个刚刚格式化的HDFS集群时,因为系统中还没有任何块,所以NameNode不会进入安全模式
5.5.2 基本语法
集群处于安全模式,不能执行重要操作(写操作)。集群启动完成后,自动退出安全模式
bin/hdfs dfsadmin -safemode get(功能描述:查看安全模式状态)bin/hdfs dfsadmin -safemode enter(功能描述:进入安全模式状态)bin/hdfs dfsadmin -safemode leave(功能描述:离开安全模式状态)bin/hdfs dfsadmin -safemode wait(功能描述:等待安全模式状态)
5.6 NameNode多目录配置
NameNode的本地目录可以配置成多个,且每个目录存放内容相同,增加了可靠性具体配置如下①:在hdfs-site.xml文件中增加如下内容
<property><name>dfs.namenode.name.dir</name><value>file:///${hadoop.tmp.dir}/dfs/name1,file:///${hadoop.tmp.dir}/dfs/name2</value></property>
②:停止集群,删除data和logs中的所有数据
rm -rf data/ logs/
③:格式化集群并启动
# 格式化集群bin/hdfs namenode –format# 启动集群sbin/start-dfs.sh
④:查看结果
[IronmanJay@hadoop102 dfs]$ ll总用量 12drwx------. 3 IronmanJay IronmanJay 4096 2月 17 04:01 datadrwxrwxr-x. 3 IronmanJay IronmanJay 4096 2月 17 04:01 name1drwxrwxr-x. 3 IronmanJay IronmanJay 4096 2月 17 04:01 name2
六、DataNode
6.1 DataNode工作机制
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,快数据的校验和,以及时间戳DataNode启动后向NameNode注册,通过后,周期性(1小时)的向NameNode上报所有的块信息心跳是每3秒一次,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
当DataNode读取Block的时候,它会计算CheckSum如果计算后的CheckSum与Block创建时值不一样,说明Block已经损坏Client读取其他DataNode上的BlockDataNode在其文件创建后周期验证CheckSum6.3 服役新数据节点
环境准备①:在hadoop104主机上再克隆一台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/data和log)
④:source一下配置文件
source /etc/profile
服役新节点具体步骤
①:直接启动DataNode,即可关联到集群
sbin/hadoop-daemon.sh start datanodesbin/yarn-daemon.sh start nodemanager
②:在web界面查看是否成功
③:如果数据不均衡,可以用命令实现集群的再平衡
./start-balancer.sh
6.4 退役旧数据节点
6.4.1 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,都会被退出,具体步骤如下
在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts文件
vi dfs.hosts
添加如下主机名称(不添加hadoop105)
hadoop102hadoop103hadoop104
在NameNode的hdfs-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>
配置文件分发
xsync hdfs-site.xml
刷新NameNode
hdfs dfsadmin -refreshNodes
更新ResourceManager节点
yarn rmadmin -refreshNodes
在web界面查看是否成功
如果数据不均衡,可以用命令实现集群的再平衡
./start-balancer.sh
6.4.2 黑名单退役
在黑名单上面的主机都会被强制退出,具体步骤如下
在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件
vi dfs.hosts.exclude
添加如下主机名称(要退役的节点)
hadoop105
在NameNode的hdfs-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>
刷新NameNode、刷新ResourceManager
hdfs dfsadmin -refreshNodes
检查Web浏览器,退役节点的状态为decommission in progress(退役中)
等待退役节点状态为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
如果数据不均衡,可以用命令实现集群的再平衡
./start-balancer.sh
注意:不允许白名单和黑名单中同时出现同一个主机名称
如果觉得《大数据技术之Hadoop分布式文件系统HDFS系统知识整理(从入门到熟练操作)》对你有帮助,请点赞、收藏,并留下你的观点哦!