复习打卡大数据篇—

1. HDFS简介

2. HDFS基本操作

3. HDFS原理

1. HDFS简介

HDFS概念：

HDFS是一个分布式的文件系统。分布式意味着多台机器存储，文件系统，就是用来存储文件、存储数据。是大数据最底层一个服务。

HDFS设计目标：

故障的检测和自动快速恢复是HDFS的核心架构目标。
面对海量数据的存储，注重吞吐能力，而不是交互式。
支持大文件存储。
一次写入多次读取。
移动计算的代价比之移动数据的代价低。一个应用请求的计算，离它操作的数据越近就越高效，这在数据达到海量级别的时候更是如此。将计算移动到数据附近，比之将数据移动到应用所在显然更好。
在异构的硬件和软件平台上的可移植性。

HDFS特性：

HDFS是主从架构：主角色是 namenode ，其管理维护着元数据，如目录树的结构文件的大小、文件的副本备份、文件的位置信息等；从角色是 datanode，其存储着最终的数据块。
分块存储：物理上把文件分为一个一个块（block），默认一个块大小在hadoop2.x版本中是128M，也可以通过参数手动设置。比如1个文件300MB，第一块0-128MB，第二块128-256MB，第三块256-300MB。
副本机制：为了提高容错性，每个block都在HDFS中都会有副本，副本数量也可以通过参数设置dfs.replication，默认是3。本身1个，副本2个，一共三个。
名字空间（命名空间）（namespace）：也就是支持传统的层次型文件组织结构，也就是目录树。用户可以创建、删除、移动或重命名文件。Namenode负责维护namespace，任何对namespace的修改都将被Namenode记录下来。
metadata（元数据）：元数据也叫解释性数据，就是记录数据的数据，对于HDFS来说，目录结构及文件分块位置信息叫做元数据，元数据是由namenode维护的。
datanode（数据存储）：文件的各个block的具体存储管理由datanode节点承担，每一个block都可以在多个datanode上，datanode需要定时向Namenode汇报自己持有的block信息。
write one read many（一次写入多次读取）：这是由设计目标决定的，不支持文件的修改，正因为如此，HDFS适合用来做大数据分析的底层存储服务。

2. HDFS基本操作

命令行使用：

hadoop fs -ls hdfs://node1:8020/...

hadoop fs可以操作的文件系统不仅仅有HDFS,还包括本地文件系统、GFS、TFS等。

比如本地：hadoop fs -ls file:///...

如果直接hadoop fs -ls / ，其访问的文件系统取决于参数fs.defaultFS。默认为file:///

常见命令操作：

hadoop fs -ls [-h] [-R] <args> ：查看指定目录下信息，其中-h人性化显示，-R 递归显示。

例：hadoop fs -ls -h hdfs://node1:8020/

hadoop fs -mkdir [-p] <paths>：在hdfs上创建目录，-p表示会创建路径中的各级父目录

hadoop fs -put [-f] [-p] src dst：将单个或多个本地文件复制到目标文件系统，src代表的是本地目录，dst代表的是HDFS。其中-p：保留访问和修改时间，所有权和权限。-f：覆盖目的地（如果已经存在）。例：hadoop fs -put file:///root/aaa.txt hdfs://node1:8020/aaa，表示将本地的aaa.txt上传到HDFS的aaa目录下。

hadoop fs -get [-ignorecrc] [-crc] [-p] [-f] src localdst：将文件下载到本地文件系统，其中-ignorecrc表示跳过对下载文件的CRC检查，-crc表示为下载的文件写CRC校验和。

hadoop fs -appendToFile <localsrc> ... <dst>：追加一个文件到已经存在的文件末尾，把本地的小文件上传合并成为大文件解决小文件场景。

hadoop fs -cat [-ignoreCrc] URI [URI ...]：显示文件内容到stdout。

hadoop fs -tail [-f] URI：将文件的最后一千字节内容显示到stdout，-f选项将在文件增长时输出附加数据。

hadoop fs -chgrp [-R] GROUP URI [URI ...]：修改所属组，用户必须是文件的所有者，或者是超级用户，-R将使改变在目录结构下递归进行。

-chmod ：改变文件的权限，-R将使改变在目录结构下递归进行。

-chown： 修改文件拥有者。

-cp：从hdfs的一个路径拷贝hdfs的另一个路径。

-mv：在hdfs目录中移动文件。

-rm:删除指定的文件,只删除非空目录和文件,-r 递归删除。

-getmerge：合并下载多个文件其功能和appendToFile相反的动作。

hadoop fs -df -h / ：统计HDFS可用空间指定目录大小。

hadoop fs -setrep -w N -R ：修改文件的副本数，N表示修改之后的副本数，-w表示修改副本客户端是否等待修改完毕再推出-R选项用于递归改变目录下所有文件的副本系数，例如：hadoop fs -setrep 2 /aaa/aaa.txt表示修改aaa.txt副本数为2。

3. HDFS原理

Namenode

NameNode 是 HDFS 的核心组件，充当 HDFS 的主节点，主要负责存储文件系统的元数据，即 HDFS 文件目录结构，并记录集群中每个文件的块信息及其位置。然而，NameNode 并不存储实际的数据内容，这些数据块保存在 DataNode 中。通过元数据，NameNode 能够知道每个文件对应的数据块以及如何从这些块中重建文件。需要注意的是，NameNode 并不会持久化保存每个数据块在 DataNode 中的具体位置信息，这些位置信息会在系统启动时由 DataNode 动态重建。如果 NameNode 停止运行，HDFS 或整个 Hadoop 集群将不可用，因此它是 Hadoop 集群的单点故障节点。由于 NameNode 的角色至关重要，运行它的服务器通常需要配置较大的内存资源。

Datanode

DataNode 是 HDFS 中负责存储实际数据的从节点，与 NameNode 持续通信。每当 DataNode 启动时，它会向 NameNode 注册并报告自身所管理的数据块信息。即使某个 DataNode 出现故障，也不会对集群或数据的整体可用性造成影响，此时 NameNode 会调度其他 DataNode 创建相应数据块的副本。因为 DataNode 是存储实际数据的核心组件，其运行服务器通常需要配置大容量的硬盘存储空间。此外，DataNode 会定期向 NameNode 发送心跳信号，默认间隔为 3 秒，可通过参数 dfs.heartbeat.interval 进行调整。如果 NameNode 在较长时间内未收到某个 DataNode 的心跳信号，就会将其标记为失效节点。同时，DataNode 会按默认 6 小时的间隔向 NameNode 报告数据块信息，这一间隔可通过参数 dfs.blockreport.intervalMsec 配置。

HDFS写数据流程：

客户端请求上传文件。客户端（client）通过 RPC 与 NameNode 建立连接，向其发送文件上传请求。NameNode 检查目标文件是否已存在以及父目录是否有效，随后返回是否允许上传的结果。
请求分配第一个 Block 的 DataNode。客户端向 NameNode 请求第一个数据块（block）应存储到哪些 DataNode 节点上。
NameNode 分配 DataNode。NameNode 根据配置文件中的副本数量及副本放置策略进行分配，返回可用的 DataNode 地址列表。默认副本分配策略由 BlockPlacementPolicyDefault 类实现，3 副本策略如下：第一副本若写入方所在机器是某个 DataNode，则直接存储在本地，否则随机选择一个 DataNode。第二副本存储于不同于第一副本的机架上的一个 DataNode。第三副本：存储在第二副本所在机架上的另一个不同节点。
客户端与第一台 DataNode 建立连接。客户端向返回的第一台 DataNode（如 A）发起上传请求（本质是 RPC 调用），同时由 A 继续调用 B，B 再调用 C，逐步建立整个数据传输管道（pipeline）。管道建立完成后，各节点依次将信息返回给客户端。
客户端开始上传数据。客户端将数据从磁盘读取并存入本地内存缓存中，按照固定大小的数据包（packet）（默认 64KB）逐个传输到 DataNode A。 A 接收到一个 packet 后，会立即将其传给 B，B 再传递给 C，完成流水线式传输。 A 每传递一个 packet，会将其放入应答队列中，等待来自下游节点的确认。
数据传输确认（ACK）。数据包通过管道完成传输后，在管道的反方向上依次发送 ack（确认应答），最终由第一个节点 A 将完整的 pipeline ack 发送给客户端，确认该 packet 已成功写入。
重复传输后续数据块。当一个数据块（block）传输完成后，客户端再次向 NameNode 请求分配新的 DataNode 地址用于存储下一个数据块。该过程重复，直到文件所有数据块上传完成。

可以把应答队列理解成一个“任务清单”：

节点 A 在完成一个任务（发送数据包到管道的其他节点）之前，会把这个任务记录在清单上。
只有当下游节点（B 和 C）完成任务并返回确认，A 才会把任务从清单上划掉。
如果下游节点中途出问题，A 的清单会提醒自己需要重新处理这个任务。

HDFS读数据流程：

客户端请求文件信息。当我们要读取一个文件时，客户端首先会向 HDFS 的“指挥官”——NameNode 发出请求，问：“这个文件的各个部分（块）存在哪里？”
NameNode告诉客户端块的位置。NameNode 负责整个文件系统的管理，它知道文件被切分成了哪些块（block），每个块存储在哪些服务器（DataNode）上。NameNode会返回文件的部分或全部块信息，并告诉客户端这些块分别在哪些 DataNode 上。包括副本。
客户端对 DataNode 进行排序。客户端拿到块所在 DataNode 的地址列表后，会对这些地址进行排序，排序规则是：谁离我最近谁优先：HDFS根据网络拓扑结构判断哪个 DataNode 离客户端最近（比如同一个机架上的节点会优先）。谁状态更好谁优先：如果某个 DataNode 状态不太好（比如长时间没有心跳响应），它会被排到最后。
开始读取数据。客户端从排在最前面的 DataNode 开始读取块数据。如果幸运的话，客户端自己就是其中一个存储块的 DataNode，那么它会直接从本地读取数据。
数据读取的底层机制。数据的读取是通过一个叫 FSDataInputStream 的工具完成的。它会反复调用一个叫 read 的方法，一点一点地把数据从块中取出来，直到把这个块读完。
读取下一个块。当一个块的数据读完之后，客户端会断开与当前 DataNode 的连接，并转而去读取下一个块所在的 DataNode。这样循环下去，直到把所有块的数据都读完。
大文件怎么读？如果文件特别大，可能 NameNode 一开始只给了客户端一部分块的信息。读完这些块后，客户端会再次向 NameNode 请求剩余块的位置，继续读取，直到整个文件读完为止。
数据完整性校验。每次读完一个块，客户端都会进行校验（checksum），确保数据没有损坏。如果某个块读取失败（比如 DataNode 挂了），客户端会告诉 NameNode，并从另一个有该块副本的 DataNode 继续读取，确保数据可靠性。
NameNode只提供地址，不传数据。NameNode 的作用只是告诉客户端块存储在哪些 DataNode 上，它本身不参与任何数据传输。
拼接完整文件。最后，客户端会将从不同块读取到的数据按顺序拼接起来，组成一个完整的文件。

一个比喻：分布式图书馆借书

把 HDFS 比作一个超大图书馆，图书馆有很多分馆（DataNode），中央管理系统（NameNode）负责记录所有书的分布。假设我们要借一套书，整个流程如下：
询问中央管理系统：去问这套书在哪些分馆。
返回分馆列表：中央系统告诉你，这套书被拆成几部分，每部分在哪些分馆有。
挑选最近的分馆：根据距离和分馆状态，挑选优先级最高的分馆去拿书。
从分馆取书：每次从一个分馆取一部分，直到拿全所有部分。
书籍完整性检查：每次取完一部分都检查一下内容是否正确。
遇到问题换分馆：如果某个分馆的书有问题，就去其他存有副本的分馆拿书。
拼成完整的书：最后把书的各部分拼起来，完成借书。