03_尚硅谷大数据技术之Hadoop（HDFS）

大数据技术之Hadoop（HDFS）

1. HDFS 概述

1.1 HDFS 产出背景及定义

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。

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，它是分布式的，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。
• HDFS 的使用场景：适合一次写入，多次读出的场景。一个文件经过创建、写入和关闭 之后就不需要改变。

1.2 HDFS 优缺点

HDFS优点

• 高容错
  • 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。
  • 某一个副本丢失以后，它可以自动恢复。
• 适合处理大数据
  • 数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据；
  • 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

HDFS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。
  • 存储大量小文件的话，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；
  • 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。
  • 一个文件只能有一个写，不允许多个线程同时写；
  • 仅支持数据append（追加），不支持文件的随机修改。

1.3 HDFS 组成架构

1）NameNode（nn）：就是Master，它 是一个主管、管理者。

• 管理HDFS的名称空间；
• 配置副本策略；
• 管理数据块（Block）映射信息；
• 处理客户端读写请求

2）DataNode：就是Slave。NameNode 下达命令，DataNode执行实际的操作。

• 存储实际的数据块；
• 执行数据块的读/写操作

3）Client：就是客户端。

• 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；
• 与NameNode交互，获取文件的位置信息；
• 与DataNode交互，读取或者写入数据；
• Client提供一些命令来管理HDFS，比如NameNode格式化；
• Client可以通过一些命令来访问HDFS，比如对HDFS增删查改操作；

4）Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，并不 能马上替换NameNode并提供服务。

• 辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode ；
• 在紧急情况下，可辅助恢复NameNode。

1.4 HDFS 文件块大小（面试重点）

HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数 ( dfs.blocksize）来规定，默认大小在Hadoop2.x/3.x版本中是128M，1.x版本中是64M。

思考：为什么块的大小不能设置太小，也不能设置太大？

• HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置；
• 如果块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开 始位置所需的时间。导致程序在处理这块数据时，会非常慢。 总结：HDFS块的大小设置主要取决于磁盘传输速率。

2. HDFS 的 Shell 操作（开发重点）

• shadoop fs 具体命令 OR hdfs dfs 具体命令 两个是完全相同的。

命令大全

2.1 常用命令实操

2.1.1 准备工作

• 启动 Hadoop 集群（方便后续的测试）

[root@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

[root@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

• -help：输出这个命令参数

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm

• 3）创建/sanguo 文件夹

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /sanguo

2.1.2 上传

• -moveFromLocal：从本地剪切粘贴到HDFS

[root@hadoop102 hadoop-3.1.3]$ cat >> shuguo.txt<<EOF
shuguo
EOF

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./shuguo.txt /sanguo

• -copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

[root@hadoop102 hadoop-3.1.3]$ cat >> weiguo.txt<<EOF
weiguo
EOF

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal weiguo.txt /sanguo

• -put：等同于copyFromLocal，生产环境更习惯用put

[root@hadoop102 hadoop-3.1.3]$ cat >> wuguo.txt<<EOF
wuguo
EOF

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./wuguo.txt /sanguo

• -appendToFile：追加一个文件到已经存在的文件末尾

[root@hadoop102 hadoop-3.1.3]$ cat >> liubei.txt<<EOF
liubei
EOF

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt

2.1.3 下载

• -copyToLocal：从 HDFS 拷贝到本地

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo.txt ./

• -get：等同于 copyToLocal，生产环境更习惯用 get

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt

2.1.4 HDFS 直接操作

• -ls: 显示目录信息

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /sanguo

• -cat：显示文件内容

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo.txt

• -chgrp、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -chmod 666 /sanguo/shuguo.txt

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -chown zzxx:zzxx /sanguo/shuguo.txt

• -mkdir：创建路径

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /jinguo

• -cp：从HDFS的一个路径拷贝到HDFS的另一个路径

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo.txt /jinguo

• -mv：在HDFS目录中移动文件

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/wuguo.txt /jinguo

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/weiguo.txt /jinguo

• -tail：显示一个文件的末尾1kb的数据

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /jinguo/shuguo.txt

• -rm：删除文件或文件夹

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /sanguo/shuguo.txt

• -rm -r：递归删除目录及目录里面内容

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /sanguo

• -du统计文件夹的大小信息

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -du -h /jinguo

14 42 /jinguo/shuguo.txt

7 21 /jinguo/weiguo.txt

6 18 /jinguo/wuguo.tx

​ 说明：27表示文件大小；81表示27*3个副本；/jinguo表示查看的目录

• -setrep：设置 HDFS 中文件的副本数量

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /jinguo/shuguo.txt

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。

3. HDFS的API操作

3.1客户端环境准备

找到资料包路径下的 Windows 依赖文件夹，拷贝 hadoop-3.1.0 到非中文路径（比如 d:\）。

配置 HADOOP_HOME 环境变量

• 在 IDEA 中创建一个 Maven 工程 HdfsClientDemo，并导入相应的依赖坐标+日志添加

<dependencies>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>3.1.3</version>
    </dependency>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.12</version>
    </dependency>
    <dependency>
        <groupId>org.slf4j</groupId>
        <artifactId>slf4j-log4j12</artifactId>
        <version>1.7.30</version>
    </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

log4j.rootLogger=INFO, stdout  
log4j.appender.stdout=org.apache.log4j.ConsoleAppender  
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout  
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n  
log4j.appender.logfile=org.apache.log4j.FileAppender  
log4j.appender.logfile.File=target/spring.log  
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout  
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

• 创建包名：com.zzxx.hdfs
• 创建 HdfsClient 类

@Test
public void testMkdirs() throws IOException, URISyntaxException, InterruptedException {
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration);
    // 2 创建目录
    fs.mkdirs(new Path("/xiyou/huaguoshan/"));
    // 3 关闭资源
    fs.close();
}

• 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 会从采 用 Windows 默认用户访问 HDFS，会报权限异常错误。所以在访问 HDFS 时，一定要配置 用户。

@Test
public void testMkdirs() throws IOException, URISyntaxException, InterruptedException {
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    // FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration);
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration,"root");
    // 2 创建目录
    fs.mkdirs(new Path("/xiyou/huaguoshan/"));
    // 3 关闭资源
    fs.close();
}

3.2 HDFS 的 API 案例实操

3.2.1 HDFS 文件上传（测试参数优先级）

• 1）编写源代码

@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    configuration.set("dfs.replication", "2");
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "root");
    // 2 上传文件
    fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new Path("/xiyou/huaguoshan"));
    // 3 关闭资源
    fs.close();
}

• 2）将 hdfs-site.xml 拷贝到项目的 resources 资源目录下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
	<property>
		<name>dfs.replication</name>
         <value>1</value>
	</property>
</configuration>

• 结果为两个副本

• 3）参数优先级 参数优先级排序：
  • 客户端代码中设置的值
  • ClassPath 下的用户自定义配置文 件
  • 然后是服务器的自定义配置（xxx-site.xml）
  • 服务器的默认配置（xxx-default.xml）

3.2.2 HDFS 文件下载

• 1）编写源代码

@Test
public void testCopyToLocalFile() throws IOException,
        InterruptedException, URISyntaxException{
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "root");
    // 2 执行下载操作
    // boolean delSrc 指是否将原文件删除
    // Path src 指要下载的文件路径
    // Path dst 指将文件下载到的路径
    // boolean useRawLocalFileSystem 是否开启文件校验
    fs.copyToLocalFile(false, new Path("/xiyou/huaguoshan/sunwukong.txt"),  new Path("d:/sunwukong2.txt"),
            true);
    // 3 关闭资源
    fs.close();
}

• 注意：如果执行上面代码，下载不了文件，有可能是你电脑的微软支持的运行库少，需 要安装一下微软运行库。

3.2.3 HDFS 文件更名和移动

@Test
public void testRename() throws IOException, InterruptedException,
        URISyntaxException {
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "root");
    // 2 修改文件名称
    fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"), new
            Path("/xiyou/huaguoshan/meihouwang.txt"));
     // 3 关闭资源
    fs.close();
}

3.2.4 HDFS 删除文件和目录

@Test
public void testDelete() throws IOException, InterruptedException,
        URISyntaxException{
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "root");
   // 2 执行删除
    fs.delete(new Path("/xiyou"), true);
  // 3 关闭资源
    fs.close();
}

3.2.5 HDFS 文件详情查看

• 查看文件名称、权限、长度、块信息

@Test
public void testListFiles() throws IOException, InterruptedException,
        URISyntaxException {
   // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "root");
    // 2 获取文件详情
    RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"),
            true);
    while (listFiles.hasNext()) {
        LocatedFileStatus fileStatus = listFiles.next();
        System.out.println("========" + fileStatus.getPath() + "=========");
        System.out.println(fileStatus.getPermission());
        System.out.println(fileStatus.getOwner());
        System.out.println(fileStatus.getGroup());
        System.out.println(fileStatus.getLen());
        System.out.println(fileStatus.getModificationTime());
        System.out.println(fileStatus.getReplication());
        System.out.println(fileStatus.getBlockSize());
        System.out.println(fileStatus.getPath().getName());
      // 获取块信息
        BlockLocation[] blockLocations = fileStatus.getBlockLocations();
        System.out.println(Arrays.toString(blockLocations));
    }
     // 3 关闭资源
    fs.close();
}

3.2.6 HDFS 文件和文件夹判断

@Test
public void testListStatus() throws IOException, InterruptedException,
        URISyntaxException{
    // 1 获取文件配置信息
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
            configuration, "root");
    // 2 判断是文件还是文件夹
    FileStatus[] listStatus = fs.listStatus(new Path("/"));
    for (FileStatus fileStatus : listStatus) {
        // 如果是文件
        if (fileStatus.isFile()) {
            System.out.println("f:"+fileStatus.getPath().getName());
        }else {
            System.out.println("d:"+fileStatus.getPath().getName());
        }
    }
    // 3 关闭资源
    fs.close();
}

4. HDFS 的读写流程（面试重点）

4.1 HDFS 写数据流程

4.1.1 剖析文件写入

• （1）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存在，父目录是否存在。
• （2）NameNode 返回是否可以上传。
• （3）客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。
• （4）NameNode 返回 3 个 DataNode 节点，分别为 dn1、dn2、dn3。
• （5）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。
• （6）dn1、dn2、dn3 逐级应答客户端。
• （7）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存）， 以 Packet 为单位，dn1 收到一个 Packet 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。
• （8）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 网络拓扑-节点距离计算

在 HDFS 写数据的过程中，NameNode 会选择距离待上传数据最近距离的 DataNode 接 收数据。那么这个最近距离怎么计算呢？

• 节点距离：两个节点到达最近的共同祖先的距离总和。

4.1.3 机架感知（副本存储节点选择）

• 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。
• 第二个副本在另一个机架的随机 一个节点
• 第三个副本在第二个副本所在机架的 随机节点

查看对应源码

• Crtl + n 查找 BlockPlacementPolicyDefault，在该类中查找 chooseTargetInOrder 方法。

4.2 HDFS 读数据流程

• （1）客户端通过 DistributedFileSystem 向 NameNode 请求下载文件，NameNode 通过查 询元数据，找到文件块所在的 DataNode 地址。
• （2）挑选一台 DataNode（就近原则，然后随机）服务器，请求读取数据。
• （3）DataNode 开始传输数据给客户端（从磁盘里面读取数据输入流，以 Packet 为单位 来做校验）。
• （4）客户端以 Packet 为单位接收，先在本地缓存，然后写入目标文件。

5. NameNode 和 SecondaryNameNode

5.1 NN 和 2NN 工作机制

• 思考：NameNode 中的元数据是存储在哪里的？

​ 首先，我们做个假设，如果存储在 NameNode 节点的磁盘中，因为经常需要进行随机访 问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在 内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的 FsImage。

​ 这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新 FsImage，就会导 致效率过低，但如果不更新，就会发生一致性问题，一旦 NameNode 节点断电，就会产生数 据丢失。因此，引入 Edits 文件（只进行追加操作，效率很高）。每当元数据有更新或者添 加元数据时，修改内存中的元数据并追加到 Edits 中。这样，一旦 NameNode 节点断电，可 以通过 FsImage 和 Edits 的合并，合成元数据。

​ 但是，如果长时间添加数据到 Edits 中，会导致该文件数据过大，效率降低，而且一旦 断电，恢复元数据需要的时间过长。因此，需要定期进行 FsImage 和 Edits 的合并，如果这 个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode， 专门用于 FsImage 和 Edits 的合并。

1）第一阶段：NameNode 启动

• （1）第一次启动 NameNode 格式化后，创建 Fsimage 和 Edits 文件。如果不是第一次启动，直接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 在内存中对元数据进行增删改。

2）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

第 6 章 DataNode

6.1 DataNode 工作机制

• （1）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，块数据的校验和，以及时间戳。
• （2）DataNode 启动后向 NameNode 注册，通过后，周期性（6 小时）的向 NameNode 上 报所有的块信息。
• DN 向 NN 汇报当前解读信息的时间间隔，默认 6 小时；

<property>
<name>dfs.blockreport.intervalMsec</name>
<value>21600000</value>
<description>Determines block reporting interval in milliseconds.</description>
</property>

• DN 扫描自己节点块信息列表的时间，默认 6 小时

<property>
  <name>dfs.datanode.directoryscan.interval</name>
  <value>21600s</value>
  <description>Interval in seconds for Datanode to scan datadirectories and reconcile the difference between blocks in memory and on the disk.Support multiple time unit suffix(case insensitive), as described in dfs.heartbeat.interval.
  </description>
</property>

• （3）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。

• （4）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

思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0）， 但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理 DataNode 节点上的数据 损坏了，却没有发现，是否也很危险，那么如何解决呢？

如下是 DataNode 节点保证数据完整性的方法。

• （1）当 DataNode 读取 Block 的时候，它会计算 CheckSum。
• （2）如果计算后的 CheckSum，与 Block 创建时值不一样，说明 Block 已经损坏。
• （3）Client 读取其他 DataNode 上的 Block。
• （4）常见的校验算法 crc（32），md5（128），sha1（160）
• （5）DataNode 在其文件创建后周期验证 CheckSum。

6.3 掉线时限参数设置