Chapter3-厦门大学-林子雨-大数据技术原理与应用-第三章-分布式文件系统HDFS

《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]厦门大学计算机科学系2015年版林子雨厦门大学计算机科学系E-mail:[e-mail]主页：第三章分布式文件系统HDFS（PPT版本号：2015年6月第1.0版）《大数据技术原理与应用》温馨提示：编辑幻灯片母版，可以修改每页PPT的厦大校徽和底部文字《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]提纲•3.1分布式文件系统•3.2HDFS简介•3.3HDFS相关概念•3.4HDFS体系结构•3.5HDFS存储原理•3.6HDFS大数据读写过程•3.7HDFS编程实践欢迎访问《大数据技术原理与应用》教材官方网站：本PPT是如下教材的配套讲义：21世纪高等教育计算机规划教材《大数据技术原理与应用——概念、存储、处理、分析与应用》（2015年6月第1版）厦门大学林子雨编著，人民邮电出版社ISBN:978-7-115-39287-9《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.1分布式文件系统•3.1.1计算机集群结构•3.1.2分布式文件系统的结构•3.1.3分布式文件系统的设计需求《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.1.1计算机集群结构•分布式文件系统把文件分布存储到多个计算机节点上，成千上万的计算机节点构成计算机集群•与之前使用多个处理器和专用高级硬件的并行化处理装置不同的是，目前的分布式文件系统所采用的计算机集群，都是由普通硬件构成的，这就大大降低了硬件上的开销……机架1机架2机架n网络互联NodexNodeyNodexNodeyNodexNodey交换机节点x节点y图3-1计算机集群的基本架构《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.1.2分布式文件系统的结构分布式文件系统在物理结构上是由计算机集群中的多个节点构成的，这些节点分为两类，一类叫“主节点”(MasterNode)或者也被称为“名称结点”(NameNode)，另一类叫“从节点”（SlaveNode）或者也被称为“数据节点”(DataNode)主节点客户端客户端机架1机架n数据节点数据节点访问请求访问请求读写写复制文件块图3-2大规模文件系统的整体结构《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.1.3分布式文件系统的设计需求分布式文件系统的设计目标主要包括透明性、并发控制、可伸缩性、容错以及安全需求等。但是，在具体实现中，不同产品实现的级别和方式都有所不同。●透明性含义：具备访问透明性、位置透明性和伸缩透明性HDFS实现情况：只能提供一定程度的访问透明性，完全支持位置透明性和伸缩透明性●并发控制含义：客户端对于文件的读写不应该影响其他客户端对同一个文件的读写HDFS实现情况：机制非常简单，任何时间都只允许有一个程序在写入某个文件《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.1.3分布式文件系统的设计需求●文件复制含义：一个文件可以拥有在不同位置的多个副本HDFS实现情况：HDFS采用了多副本机制●硬件和操作系统的异构性含义：可以在不同的操作系统和计算机上实现同样的客户端和服务器端程序HDFS实现情况：采用Java语言开发，具有很好的跨平台能力《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.1.3分布式文件系统的设计需求●安全含义：保障系统的安全性HDFS实现情况：安全性较弱●可伸缩性含义：支持节点的动态加入或退出HDFS实现情况：建立在大规模廉价机器上的分布式文件系统集群，具有很好的可伸缩性●容错含义：保证文件服务在客户端或者服务端出现问题的时候能正常使用HDFS实现情况：具有多副本机制和故障自动检测、恢复机制《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.2HDFS简介总体而言，HDFS要实现以下目标：●兼容廉价的硬件设备●流数据读写●大数据集●简单的文件模型●强大的跨平台兼容性HDFS特殊的设计，在实现上述优良特性的同时，也使得自身具有一些应用局限性，主要包括以下几个方面：●不适合低延迟数据访问●无法高效存储大量小文件●不支持多用户写入及任意修改文件《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.3.1块HDFS采用抽象的块概念可以带来以下几个明显的好处：●支持大规模文件存储：文件以块为单位进行存储，一个大规模文件可以被分拆成若干个文件块，不同的文件块可以被分发到不同的节点上，因此，一个文件的大小不会受到单个节点的存储容量的限制，可以远远大于网络中任意节点的存储容量●简化系统设计：首先，大大简化了存储管理，因为文件块大小是固定的，这样就可以很容易计算出一个节点可以存储多少文件块；其次，方便了元数据的管理，元数据不需要和文件块一起存储，可以由其他系统负责管理元数据●适合数据备份：每个文件块都可以冗余存储到多个节点上，大大提高了系统的容错性和可用性《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.3.2名称节点和数据节点在HDFS中，名称节点（NameNode）负责管理分布式文件系统的命名空间（Namespace），保存了两个核心的数据结构，即FsImage和EditLog，FsImage用于维护文件系统树以及文件树中所有的文件和文件夹的元数据，操作日志文件EditLog中记录了所有针对文件的创建、删除、重命名等操作。名称节点记录了每个文件中各个块所在的数据节点的位置信息。下图展示了名称节点的数据结构。名称节点(NameNode)FsImageEditLog根目录目录目录目录文件块…块记录了所有针对文件的创建、删除、重命名等操作图3-3名称节点的数据结构《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.3.2名称节点和数据节点数据节点（DataNode）是分布式文件系统HDFS的工作节点，负责数据的存储和读取，会根据客户端或者是名称节点的调度来进行数据的存储和检索，并且向名称节点定期发送自己所存储的块的列表。每个数据节点中的数据会被保存在各自节点的本地Linux文件系统中《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.4HDFS体系结构•3.4.1HDFS体系结构概述•3.4.2HDFS命名空间管理•3.4.3通信协议•3.4.4客户端•3.4.5HDFS体系结构的局限性《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.4.1HDFS体系结构概述HDFS采用了主从（Master/Slave）结构模型，一个HDFS集群包括一个名称节点（NameNode）和若干个数据节点（DataNode）（如图3-4所示）。名称节点作为中心服务器，负责管理文件系统的命名空间及客户端对文件的访问。集群中的数据节点一般是一个节点运行一个数据节点进程，负责处理文件系统客户端的读/写请求，在名称节点的统一调度下进行数据块的创建、删除和复制等操作。每个数据节点的数据实际上是保存在本地Linux文件系统中的机架n本地Linux文件系统本地Linux文件系统数据节点（DataNode）数据节点（DataNode）……客户端(Client)名称节点(NameNode)备份文件名或数据块号……机架1本地Linux文件系统本地Linux文件系统数据节点(DataNode)数据节点（DataNode）……数据块号、数据块位置写数据读数据图3-4HDFS体系结构《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.4.2HDFS命名空间管理HDFS的命名空间包含目录、文件和块。命名空间管理是指命名空间支持对HDFS中的目录、文件和块做类似文件系统的创建、修改、删除等基本操作。在当前的HDFS体系结构中，在整个HDFS集群中只有一个命名空间，并且只有唯一一个名称节点，该节点负责对这个命名空间进行管理HDFS使用的是传统的分级文件体系，因此，用户可以像使用普通文件系统一样，创建、删除目录和文件，在目录间转移文件，重命名文件等。但是，HDFS还没有实现磁盘配额和文件访问权限等功能，也不支持文件的硬连接和软连接（快捷方式）《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.4.3通信协议•HDFS是一个部署在集群上的分布式文件系统，因此，很多数据需要通过网络进行传输•所有的HDFS通信协议都是构建在TCP/IP协议基础之上的•客户端通过一个可配置的端口向名称节点主动发起TCP连接，并使用客户端协议与名称节点进行交互•名称节点和数据节点之间则使用数据节点协议进行交互•客户端与数据节点的交互是通过RPC（RemoteProcedureCall）来实现的。在设计上，名称节点不会主动发起RPC，而是响应来自客户端和数据节点的RPC请求《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.4.4客户端客户端是用户操作HDFS最常用的方式，HDFS在部署时都提供了客户端。不过需要说明的是，严格来说，客户端并不算是HDFS的一部分。客户端可以支持打开、读取、写入等常见的操作，并且提供了类似Shell的命令行方式来访问HDFS中的数据（参见第3.7.1节）。此外，HDFS也提供了JavaAPI，作为应用程序访问文件系统的客户端编程接口（参见第3.7.3节）《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.4.5HDFS体系结构的局限性HDFS只设置唯一一个名称节点，这样做虽然大大简化了系统设计，但也带来了一些明显的局限性，具体如下：（1）命名空间的限制：名称节点是保存在内存中的，因此，名称节点能够容纳的对象（文件、块）的个数会受到内存空间大小的限制。（2）性能的瓶颈：整个分布式文件系统的吞吐量，受限于单个名称节点的吞吐量。（3）隔离问题：由于集群中只有一个名称节点，只有一个命名空间，因此，无法对不同应用程序进行隔离。（4）集群的可用性：一旦这个唯一的名称节点发生故障，会导致整个集群变得不可用。《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.5HDFS存储原理•3.5.1冗余数据保存•3.5.2数据存取策略•3.5.3数据错误与恢复《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.5.1冗余数据保存作为一个分布式文件系统，为了保证系统的容错性和可用性，HDFS采用了多副本方式对数据进行冗余存储，通常一个数据块的多个副本会被分布到不同的数据节点上，如图3-5所示，数据块1被分别存放到数据节点A和C上，数据块2被存放在数据节点A和B上。这种多副本方式具有以下几个优点：（1）加快数据传输速度（2）容易检查数据错误（3）保证数据可靠性元数据/usr/aaron/foo:1,2,4/usr/arron/bar:3,5名称节点（只保存元数据）2145235314数据节点B（保存数据块）数据节点A（保存数据块）数据节点C（保存数据块）图3-5HDFS数据块多副本存储《大数据技术原理与应用》厦门大学计算机科学系林子雨[e-mail]3.5.2数据存取策略数据存取策略包括数据存放、数据读取和数据复制等方面，它在很大程度上会影