阅读前必看
这篇文章与其说是一篇文章,不如说是一篇在家学习的笔记,其中大部分内容来自于github上一个大神的开源笔记,在此附上链接,表达版权所属以及敬意:github源地址
一、介绍
HDFS(Hadoop Distributed File System)是Hadoop下的一个分布式文件系统。可以执行任意一个文件系统所应该具有的功能,目录结构比较类似于Linux文件系统。特点是分布式以及大数据存储。
具有高容错、高吞吐量的特点,可以部署在低成本的硬件上。
二、HDFS设计原理
2.1 HDFS架构
NameNode:负责执行有关文件系统命名空间的操作,例如打开、关闭、重命名文件和目录等。还负责 集群元数据的存储,记录着文件中各数据块的位置信息DataNode:负责提供来自文件系统客户端的读写请求,执行块的创建、删除等操作。HDFS遵循M/S(主/从)架构,由单个NameNode(NN)和多个DataNode(DN)组成
2.2 文件系统命名空间
HDFS的文件系统命名空间的层次结构比较类似于Linux文件系统,支持目录和文件的创建、移动、删除和重命名等操作,支持配置配置用户和访问权限,但不支持硬链接和软连接。NameNode负责维护文件系统命名空间,记录对名称空间或其属性的任何更改
2.3 数据复制
由于Hadoop被设计运行在廉价的机器上,这意味着硬件是不可靠的,为了保证容错性,HDFS提供了数据复制机制。HDFS将每一个文件存储为一系列块,每个块由多个副本来保证容错,块的大小和复制因子可以自行配置(默认情况下,块大小是128M,默认复制因子是3)
2.4 数据复制的实现原理
在写入程序位于datanode上时,就优先将写入文件的一个副本放置在该datanode上,否则放在随机datanode上。之后在另一个远程机架上的任意一个节点上放置另一个副本,并在该机架上的另一个节点上放置最后一个副本。此策略可以减少机架间的写入流量,从而提高写入性能。
如果复制因子大于3,则随机确定第四个和之后副本放置位置,同时保持每个机架的副本数量低于上限,上限值通常为(复制系数-1)/机架数量+2
注意:不允许同一个datanode上具有同一块的多个副本。
2.5 副本的选择
一句话来说就是:就近原则
为了最大限度地减少带宽消耗和读取延迟,HDFS在执行读取请求时,优先读取距离读取器最近的副本。如果在与读取节点相同机架上存在副本,则优先选择该副本。如果HDFS集群跨越多个数据中心,则优先选择本地数据中心上的副本
2.6 架构稳定性
心跳机制
每个DataNode定期向NameNode发送心跳消息,如果超过指定时间没有收到心跳消息,则将DataNode标记为死亡。NameNode不会将任何新的I/O请求转发给标记为死亡的DataNode,也不会再使用这些DataNode上的数据。由于数据不再可用,可能会导致某些的复制因子小于其指定值,NameNode会跟踪这些块,并在必要时进行重新复制。
数据的完整性
由于设备故障等原因,存储在DataNode上的数据也会发生损坏。为了避免读取到已经损坏的数据而导致的错误,HDFS提供了数据完整性校验机制来保证数据的完整性,具体操作如下:
当客户端创建HDFS文件时,它会计算文件的每个块的校验和,并将校验和存储在同一HDFS命名空间的单独隐藏文件中。当客户端检索文件内容时,它会验证从每个DataNode接收的数据是否与存储在关联校验和文件中的校验和匹配。如果匹配失败,则证明数据已经损坏,此时客户端会选择从其它DataNode获取该块的其它可用副本。
元数据的磁盘故障
FsImage 和 EditLog 是HDFS的核心数据,这些数据的意外丢失可能会导致整个HDFS服务不可用。为了避免这个问题,可以配置NameNode使其支持FsImage 和 EditLog 多副本同步,这样FsImage 或 EditLog 的任何改变都会引起每个副本FsImage 和 EditLog 的同步更新。
支持快照
快照支持在特定时刻存储数据副本,在数据意外损坏时,可以通过回滚操作恢复到健康的数据状况。
三、HDFS的特点
3.1 高容错
由于HDFS采用数据的多副本方案,所以部分硬件的损坏不会导致全部数据的丢失
3.2 高吞吐量
HDFS设计的重点是支持高吞吐量的数据访问,而不是低延迟的数访问
3.3 大文件支持
HDFS适合于大文件的存储,文档的大小应该是GB 到 TB级别的
3.4 简单的一致性模型
HDFS更适合于一次写入多次读取(write-once-read-many)的访问模型。支持将内容追加到文件末尾,但不支持数据的随机访问,不能从文件任意位置新增数据
3.5 跨平台移植性
Java特点,HDFS具有良好的跨平台移植性,使得其它大数据框架都将其作为数据持久化的首选方案。
图解HDFS存储原理
数据来源:HDFS漫画图解
HDFS写数据原理
HDFS写数据原理
HDFS 故障类型和检测方法
读写故障处理
DataNode故障处理
副本布局策略
参考资料
Apache Hadoop 2.9.2 > HDFS ArchitectureTom White . hadoop 权威指南 [M] . 清华大学出版社 . .翻译经典 HDFS 原理讲解漫画再次附上:本文参考如果觉得《Hadoop分布式文件系统——HDFS原理简介》对你有帮助,请点赞、收藏,并留下你的观点哦!