搜索
细细品味Hadoop——Hadoop集群（第8期）精华集锦csAxp虾皮工作室年5月28日创建时间：2012/3/6修改时间：2012/3/8修改次数：0Hadoop集群（第8期）——HDFS初探之旅1、HDFS简介HDFS（HadoopDistributedFileSystem）是Hadoop项目的核心子项目，是分布式计算中数据存储管理的基础，是基于流数据模式访问和处理超大文件的需求而开发的，可以运行于廉价的商用服务器上。它所具有的高容错、高可靠性、高可扩展性、高获得性、高吞吐率等特征为海量数据提供了不怕故障的存储，为超大数据集（LargeDataSet）的应用处理带来了很多便利。Hadoop整合了众多文件系统，在其中有一个综合性的文件系统抽象，它提供了文件系统实现的各类接口，HDFS只是这个抽象文件系统的一个实例。提供了一个高层的文件系统抽象类org.apache.hadoop.fs.FileSystem，这个抽象类展示了一个分布式文件系统，并有几个具体实现，如下表1-1所示。表1-1Hadoop的文件系统URI方Java实现文件系统定义案（org.apache.hadoop）支持有客户端校验和本地文件系统。带有校验和的本地系统文件在fs.RawLocalFileSystem中实现。Localfilefs.LocalFileSystemHDFSHFTPhdfshftphdfs.DistributionFileSystemhdfs.HftpFileSystemHadoop的分布式文件系统。支持通过HTTP方式以只读的方式访问HDFS，distcp经常用在不同的HDFS集群间复制数据。支持通过HTTPS方式以只读的方式访问HDFS。HSFTPHARhsftpharhdfs.HsftpFileSystemfs.HarFileSystem构建在Hadoop文件系统之上，对文件进行归档。Hadoop归档文件主要用来减少NameNode的内存使用。Cloudstore（其前身是Kosmos文件系统）文件系统是类似于HDFS和Google的GFS文件系统，使用C++编写。由FTP服务器支持的文件系统。基于AmazonS3的文件系统。基于AmazonS3的文件系统，以块格式存储解决了S3的5GB文件大小的限制。KFSkfsfs.kfs.KosmosFileSystemFTPftps3nfs.ftp.FtpFileSystemS3（本地）fs.s3native.NativeS3FileSystemS3（基于块）s3fs.s3.NativeS3FileSystem河北工业大学——软件工程与理论实验室编辑：虾皮1创建时间：2012/3/6修改时间：2012/3/8修改次数：0Hadoop提供了许多文件系统的接口，用户可以使用URI方案选取合适的文件系统来实现交互。2、HDFS基础概念2.1数据块（block）HDFS(HadoopDistributedFileSystem)默认的最基本的存储单位是64M的数据块。和普通文件系统相同的是，HDFS中的文件是被分成64M一块的数据块存储的。不同于普通文件系统的是，HDFS中，如果一个文件小于一个数据块的大小，并不占用整个数据块存储空间。2.2NameNode和DataNodeHDFS体系结构中有两类节点，一类是NameNode，又叫“元数据节点”；另一类是DataNode，又叫“数据节点”。这两类节点分别承担Master和Worker具体任务的执行节点。1）元数据节点用来管理文件系统的命名空间其将所有的文件和文件夹的元数据保存在一个文件系统树中。这些信息也会在硬盘上保存成以下文件：命名空间镜像(namespaceimage)及修改日志(editlog)其还保存了一个文件包括哪些数据块，分布在哪些数据节点上。然而这些信息并不存储在硬盘上，而是在系统启动的时候从数据节点收集而成的。2）数据节点是文件系统中真正存储数据的地方。客户端(client)或者元数据信息(namenode)可以向数据节点请求写入或者读出数据块。其周期性的向元数据节点回报其存储的数据块信息。3）从元数据节点（secondarynamenode）从元数据节点并不是元数据节点出现问题时候的备用节点，它和元数据节点负责不同的事情。其主要功能就是周期性将元数据节点的命名空间镜像文件和修改日志合并，以防日志文件过大。这点在下面会相信叙述。合并过后的命名空间镜像文件也在从元数据节点保存了一份，以防元数据节点失败的时候，可以恢复。2.3元数据节点目录结构河北工业大学——软件工程与理论实验室编辑：虾皮2创建时间：2012/3/6修改时间：2012/3/8修改次数：0VERSION文件是javaproperties文件，保存了HDFS的版本号。layoutVersion是一个负整数，保存了HDFS的持续化在硬盘上的数据结构的格式版本号。namespaceID是文件系统的唯一标识符，是在文件系统初次格式化时生成的。cTime此处为0storageType表示此文件夹中保存的是元数据节点的数据结构。namespaceID=1232737062cTime=0storageType=NAME_NODElayoutVersion=-182.4数据节点的目录结构数据节点的VERSION文件格式如下：namespaceID=1232737062storageID=DS-1640411682-127.0.1.1-50010-1254997319480cTime=0storageType=DATA_NODElayoutVersion=-18blk_id保存的是HDFS的数据块，其中保存了具体的二进制数据。blk_id.meta保存的是数据块的属性信息：版本信息，类型信息，和checksum当一个目录中的数据块到达一定数量的时候，则创建子文件夹来保存数据块及数据块属性信息。2.5文件系统命名空间映像文件及修改日志当文件系统客户端(client)进行写操作时，首先把它记录在修改日志中(editlog)元数据节点在内存中保存了文件系统的元数据信息。在记录了修改日志后，元数据节点河北工业大学——软件工程与理论实验室编辑：虾皮3创建时间：2012/3/6修改时间：2012/3/8修改次数：0则修改内存中的数据结构。每次的写操作成功之前，修改日志都会同步(sync)到文件系统。fsimage文件，也即命名空间映像文件，是内存中的元数据在硬盘上的checkpoint，它是一种序列化的格式，并不能够在硬盘上直接修改。同数据的机制相似，当元数据节点失败时，则最新checkpoint的元数据信息从fsimage加载到内存中，然后逐一重新执行修改日志中的操作。从元数据节点就是用来帮助元数据节点将内存中的元数据信息checkpoint到硬盘上的checkpoint的过程如下：从元数据节点通知元数据节点生成新的日志文件，以后的日志都写到新的日志文件中。从元数据节点用httpget从元数据节点获得fsimage文件及旧的日志文件。从元数据节点将fsimage文件加载到内存中，并执行日志文件中的操作，然后生成新的fsimage文件。从元数据节点奖新的fsimage文件用httppost传回元数据节点元数据节点可以将旧的fsimage文件及旧的日志文件，换为新的fsimage文件和新的日志文件(第一步生成的)，然后更新fstime文件，写入此次checkpoint的时间。这样元数据节点中的fsimage文件保存了最新的checkpoint的元数据信息，日志文件也重新开始，不会变的很大了。3、HDFS体系结构HDFS是一个主/从（Mater/Slave）体系结构，从最终用户的角度来看，它就像传统的文件系统一样，可以通过目录路径对文件执行CRUD（Create、Read、Update和Delete）操作。但由于分布式存储的性质，HDFS集群拥有一个NameNode和一些DataNode。NameNode河北工业大学——软件工程与理论实验室编辑：虾皮4创建时间：2012/3/6修改时间：2012/3/8修改次数：0管理文件系统的元数据，DataNode存储实际的数据。客户端通过同NameNode和DataNodes的交互访问文件系统。客户端联系NameNode以获取文件的元数据，而真正的文件I/O操作是直接和DataNode进行交互的。图3.1HDFS总体结构示意图1）NameNode、DataNode和ClientNameNode可以看作是分布式文件系统中的管理者，主要负责管理文件系统的命名空间、集群配置信息和存储块的复制等。NameNode会将文件系统的Meta-data存储在内存中，这些信息主要包括了文件信息、每一个文件对应的文件块的信息和每一个文件块在DataNode的信息等。DataNode是文件存储的基本单元，它将Block存储在本地文件系统中，保存了Block的Meta-data，同时周期性地将所有存在的Block信息发送给NameNode。Client就是需要获取分布式文件系统文件的应用程序。2）文件写入Client向NameNode发起文件写入的请求。NameNode根据文件大小和文件块配置情况，返回给Client它所管理部分DataNode的信息。Client将文件划分为多个Block，根据DataNode的地址信息，按顺序写入到每一个DataNode块中。3）文件读取Client向NameNode发起文件读取的请求。NameNode返回文件存储的DataNode的信息。Client读取文件信息。HDFS典型的部署是在一个专门的机器上运行NameNode，集群中的其他机器各运行一个DataNode；也可以在运行NameNode的机器上同时运行DataNode，或者一台机器上运行多个DataNode。一个集群只有一个NameNode的设计大大简化了系统架构。河北工业大学——软件工程与理论实验室编辑：虾皮5创建时间：2012/3/6修改时间：2012/3/8修改次数：04、HDFS的优缺点4.1HDFS的优点1）处理超大文件这里的超大文件通常是指百MB、设置数百TB大小的文件。目前在实际应用中，HDFS已经能用来存储管理PB级的数据了。2）流式的访问数据HDFS的设计建立在更多地响应“一次写入、多次读写”任务的基础上。这意味着一个数据集一旦由数据源生成，就会被复制分发到不同的存储节点中，然后响应各种各样的数据分析任务请求。在多数情况下，分析任务都会涉及数据集中的大部分数据，也就是说，对HDFS来说，请求读取整个数据集要比读取一条记录更加高效。3）运行于廉价的商用机器集群上Hadoop设计对硬件需求比较低，只须运行在低廉的商用硬件集群上，而无需昂贵的高可用性机器上。廉价的商用机也就意味着大型集群中出现节点故障情况的概率非常高。这就要求设计HDFS时要充分考虑数据的可靠性，安全性及高可用性。4.2HDFS的缺点1）不适合低延迟数据访问如果要处理一些用户要求时间比较短的低延迟应用请求，则HDFS不适合。HDFS是为了处理大型数据集分析任务的，主要是为达到高的数据吞吐量而设计的，这就可能要求以高延迟作为代价。改进策略：对于那些有低延时要求的应用程序，HBase是一个更好的选择。通过上层数据管理项目来尽可能地弥补这个不足。在性能上有了很大的提升，它的口号就是goesrealtime。使用缓存或多master设计可以降低client的数据请求压力，以减少延时。还有就是对HDFS系统内部的修改，这就得权衡大吞吐量与低延时了，HDFS不是万能的银弹。2）无法高效存储大量小文件因为Namenode把文件系统的元数据放置在内存中，所以文件系统所能容纳的文件数目是由Namenode的内存大小来决定。一般来说，每一个文件、文件夹和Block需要占据150字节左右的空间，所以，如果你有100万个文件，每一个占据一个Bl