第10章-分布式文件系统HDFS.ppt

单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,第,10,章 分布式文件系统HDFS,云计算与大规模数据处理,提纲,10.1,分布式文件系统,10.2 HDFS,简介,10.3 HDFS,相关概念,10.4 HDFS,体系结构,10.5 HDFS,存储原理,10.6 HDFS,数据读写过程,10.7 HDFS,编程实践,10.1,分布式文件系统,10.1.1,计算机集群结构,10.1.2,分布式文件系统的结构,10,.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。,图,10-1,计算机集群的基本架构,10.1.2,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”,(Master Node),或者也被称为“名称结点”,(NameNode),，另一类叫“从节点”（,Slave Node,）或者也被称为“数据节点”,(DataNode),图,10-2,大规模文件系统的整体结构,10,.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,10,.3.1块,HDFS,默认一个块,64MB,，一个文件被分成多个块，以块作为存储单位,块的大小远远大于普通文件系统，可以最小化寻址开销,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,10.3.2,名称节点和数据节点,10.3.2,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,图,10-3,名称节点的数据结构,名称节点的数据结构,10.3.2,名称节点和数据节点,FsImage,文件包含文件系统中所有目录和文件,inode,的序列化形式。每个,inode,是一个文件或目录的元数据的内部表示，并包含此类信息：文件的复制等级、修改和访问时间、访问权限、块大小以及组成文件的块。对于目录，则存储修改时间、权限和配额元数据,FsImage,文件没有记录块存储在哪个数据节点。而是由名称节点把这些映射保留在内存中，当数据节点加入,HDFS,集群时，数据节点会把自己所包含的块列表告知给名称节点，此后会定期执行这种告知操作，以确保名称节点的块映射是最新的。,FsImage,文件,10.3.2,名称节点和数据节点,在名称节点启动的时候，它会将,FsImage,文件中的内容加载到内存中，之后再执行,EditLog,文件中的各项操作，使得内存中的元数据和实际的同步，存在内存中的元数据支持客户端的读操作。,一旦在内存中成功建立文件系统元数据的映射，则创建一个新的,FsImage,文件和一个空的,EditLog,文件,名称节点起来之后，,HDFS,中的更新操作会重新写到,EditLog,文件中，因为,FsImage,文件一般都很大（,GB,级别的很常见），如果所有的更新操作都往,FsImage,文件中添加，这样会导致系统运行的十分缓慢，但是，如果往,EditLog,文件里面写就不会这样，因为,EditLog,要小很多。每次执行写操作之后，且在向客户端发送成功代码之前，,edits,文件都需要同步更新,名称节点的启动,10.3.2,名称节点和数据节点,在名称节点运行期间，,HDFS,的所有更新操作都是直接写到,EditLog,中，久而久之，,EditLog,文件将会变得很大,虽然这对名称节点运行时候是没有什么明显影响的，但是，当名称节点重启的时候，名称节点需要先将,FsImage,里面的所有内容映像到内存中，然后再一条一条地执行,EditLog,中的记录，当,EditLog,文件非常大的时候，会导致名称节点启动操作非常慢，而在这段时间内,HDFS,系统处于安全模式，一直无法对外提供写操作，影响了用户的使用,名称节点运行期间,EditLog,不断变大的问题,如何解决？答案是：,SecondaryNameNode,第二名称节点,第二名称节点,是,HDFS,架构中的一个组成部分，它是用来保存名称节点中对,HDFS,元数据信息的备份，并减少名称节点重启的时间。,SecondaryNameNode,一般是单独运行在一台机器上。,10.3.2,名称节点和数据节点,SecondaryNameNode,的工作情况：,（,1,）,SecondaryNameNode,会定期和,NameNode,通信，请求其停止使用,EditLog,文件，暂时将新的写操作写到一个新的文件,edit.new,上来，这个操作是瞬间完成，上层写日志的函数完全感觉不到差别；,（,2,）,SecondaryNameNode,通过,HTTP GET,方式从,NameNode,上获取到,FsImage,和,EditLog,文件，并下载到本地的相应目录下；,（,3,）,SecondaryNameNode,将下载下来的,FsImage,载入到内存，然后一条一条地执行,EditLog,文件中的各项更新操作，使得内存中的,FsImage,保持最新；这个过程就是,EditLog,和,FsImage,文件合并；,（,4,）,SecondaryNameNode,执行完（,3,）操作之后，会通过,post,方式将新的,FsImage,文件发送到,NameNode,节点上,（,5,）,NameNode,将从,SecondaryNameNode,接收到的新的,FsImage,替换旧的,FsImage,文件，同时将,edit.new,替换,EditLog,文件，通过这个过程,EditLog,就变小了,10.3.2,名称节点和数据节点,数据节点是分布式文件系统,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,数据节点,（,DataNode,）,10.4HDFS,体系结构,10.4.1HDFS,体系结构概述,10.4.2HDFS,命名空间管理,10.4.3,通信协议,10.4.4,客户端,10.4.5HDFS,体系结构的局限性,10,.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。,图,10-4 HDFS,体系结构,10,.4.2HDFS命名空间管理,HDFS,的命名空间包含目录、文件和块,在,HDFS1.0,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,10.4.3,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,（,Remote Procedure Call,）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,10.4.4,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,HDFS,客户端是一个库，暴露了,HDFS,文件系统接口，这些接口隐藏了,HDFS,实现中的大部分复杂性,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,此外，,HDFS,也提供了,Java API,，作为应用程序访问文件系统的客户端编程接口,10,.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。,10.5HDFS,存储原理,10.5.1,冗余数据保存,10.5.2,数据存取策略,10.5.3,数据错误与恢复,10.5.1,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,图,10-5 HDFS,数据块多副本存储,10.5.2,数据存取策略,1.,数据存放,Block,的副本放置策略,第一个副本：放置在上传文件的数据节点；如果是集群外提交，则随机挑选一台磁盘不太满、,CPU,不太忙的节点,第二个副本：放置在与第一个副本不同的机架的节点上,第三个副本：与第一个副本相同机架的其他节点上,更多副本：随机节点,3.5.2,数据存取策略,2.,数据读取,HDFS,提供了一个,API,可以确定一个数据节点所属的机架,ID,，客户端也可以调用,API,获取自己所属的机架,ID,当客户端读取数据时，从名称节点获得数据块不同副本的存放位置列表，列表中包含了副本所在的数据节点，可以调用,API,来确定客户端和这些数据节点所属的机架,ID,，当发现某个数据块副本对应的机架,ID,和客户端对应的机架,ID,相同时，就优先选择该副本读取数据，如果没有发现，就随机选择一个副本读取数据,10.5.3,数据错误与恢复,HDFS,具有较高的容错性，可以兼容廉价的硬件，它把硬件出错看作一种常态，而不是异常，并设计了相应的机制检测数据错误和进行自动恢复，主要包括以下几种情形：名称节点出错、数据节点出错和数据出错。,1.,名称节点出错,名称节点保存了所有的元数据信息，其中，最核心的两大数据结构是,FsImage,和,Editlog,，如果这两个文件发生损坏，那么整个,HDFS,实例将失效。因此，,HDFS,设置了备份机制，把这些核心文件同步复制到备份服务器,SecondaryNameNode,上。当名称节点出错时，就可以根据备份服务器,SecondaryNameNode,中的,FsImage,和,Editlog,数据进行恢复。,3.5.3,数据错误与恢复,2.,数据节点出错,每个数据节点会定期向名称节点发送“心跳”信息，向名称节点报告自己的状态,当数据节点发生故障，或者网络发生断网时，名称节点就无法收到来自一些数据节点的心跳信息，这时，这些数据节点就会被标记为“宕机”，节点上面的所有数据都会被标记为“不可读”，名称节点不会再给它们发送任何,I/O,请求,这时，有可能出现一种情形，即由于一些数据节点的不可用，会导致一些数据块的副本数量小于冗余因子,名称节点会定期检查这种情况，一旦发现某个数据块的副本数量小于冗余因子，就会启动数据冗余复制，为它生成新的副本,HDFS,和其它分布式文件系统的最大区别就是可以调整冗余数据的位置,3.5.3,数据错误与恢复,3.,数据出错,网络传输和磁盘错误等因素，都会造成数据错误,客户端在读取到数据后，会采用,md5,和,sha1,对数据块进行校验，以确定读取到正确的数据,在文件被创建时，客户端就会对每一个文件块进行信息摘录，并把这些信息写入到同一个路径的隐藏文件里面,当客户端读取文件的时候，会先读取该信息文件，然后，利用该信息文件对每个读取的数据块进行校验，如果校验出错，客户端就会请求到另外一个数据节点读取该文件块，并且向名称节点报告这个文件块有错误，名称节点会定期检查并且重新复制这个块,10.6HDFS,数据读写过程,10.6.1,读数据的过程,10.6.2,写数据的过程,10.6HDFS,数据读写过程,读取文件,importjava.io.BufferedReader;,importjava.io.InputStreamReader;,importorg.apache.hadoop.conf.Configuration;,importorg.apache.hadoop.fs.FileSystem;,importorg.apache.hadoop.fs.Path;,importorg.apache.hadoop.fs.FSDataInputStream;,publicclassChapter3,publicstaticvoidmain(Stringargs),try,Configurationconf=newConfiguration();,FileSystemfs=FileSystem.get(conf);,Pathfile,name,=newPath(“,hdfs:/localhost:9000,/user/hadoop/test,.,txt);,FSDataInputStreamis=fs.open(filename);,BufferedReaderd=newBufferedReader(newInputStreamReader(,is,);,String,content,=d.readLine();,/,读取文件一行,System.out.println(,content,);,d.close();,/,关闭文件,fs.close();,/,关闭,hdfs,catch(Exceptione),e.printStackTrace();,10.6HDFS,数据读写过程,写入文件,importorg.apache.hadoop.conf.Configuration;,importorg.apache.hadoop.fs.FileSystem;,importorg.apache.hadoop.fs.FSDataOutputStream;,importorg.apache.hadoop.fs.Path;,publicclassChapter3,publicstaticvoidmain(Stringargs),try,Configurationconf=newConfiguration();,FileSystemfs=FileSystem.get(conf);,bytebuff=Helloworld.getBytes();,/,要写入的内容,String,filename,=,hdfs:/localhost:9000,/user/hadoop/test,.,txt,;,/,要写入的文件名,FSDataOutputStreamos=fs.create(newPath(,filename,);,os.write(buff,0,buff.length);,System.out.println(Create:+,filename,);,catch(Exceptione),e.printStackTrace();,10.6HDFS,数据读写过程,FileSystem,是一个通用文件系统的抽象基类，可以被分布式文件系统继承，所有可能使用,Hadoop,文件系统的代码，都要使用这个类,Hadoop,为,FileSystem,这个抽象类提供了多种具体实现,DistributedFileSystem,就是,FileSystem,在,HDFS,文件系统中的具体实现,FileSystem,的,open(),方法返回的是一个输入流,FSDataInputStream,对象，在,HDFS,文件系统中，具体的输入流就是,DFSInputStream,；,FileSystem,中的,create(),方法返回的是一个输出流,FSDataOutputStream,对象，在,HDFS,文件系统中，具体的输出流就是,DFSOutputStream,。,Configuration conf=new Configuration();,FileSystem fs=FileSystem.get(conf);,FSDataInputStream in=fs.open(new Path(uri);,FSDataOutputStream out=fs.create(new Path(uri);,备注：创建一个,Configuration,对象时，其构造方法会默认加载工程项目下两个配置文件，分别是,hdfs-site.xml,以及,core-site.xml,，这两个文件中会有访问,HDFS,所需的参数值，主要是,fs.default,FS,，指定了,HDFS,的地址（比如,hdfs:/localhost:9000,），有了这个地址客户端就可以通过这个地址访问,HDFS,了,10.6.1,读数据的过程,FSDataInputStream,封装了,DFSInputStream,FileSystem fs=FileSystem.get(conf);,FSDataInputStream in=fs.open(new Path(uri);,Configuration conf=new Configuration();,import org.apache.hadoop.fs.FileSystem,通过,ClientProtocal.getBlockLocations(),远程调用名称节点，获得文件开始部分数据块的位置,对于该数据块，名称节点返回保存该数据块,的所有数据节点的地址,并根据距离客户端远近进行排序,客户端获得输入流,FSDataInputStream,以后,调用,read(),函数开始读取数据,输入流根据前面的排序结果,选择距离客户端最近的数据节点,建立连接并读取数据,数据从数据节点读到客户端，当该数据块读取完毕时,FSDataInputStream,关闭和该数据节点的连接,通过,ClientProtocal.getBlockLocations(),查找下一个数据块,10.6.2,写数据的过程,FileSystem fs=FileSystem.get(conf);,FSDataOutputStream out=fs.create(new Path(uri);,Configuration conf=new Configuration();,import org.apache.hadoop.fs.FileSystem,RPC,远程调用名称节点,在文件系统的命名空间中新建一个文件,名称节点会执行一些检查（文件是否存在，客户端权限）,FSDataOutputStream,封装了,DFSOutputStream,数据被分成一个个分包,分包被放入,DFSOutputStream,对象的内部队列,DFSOutputStream,向名称节点申请,保存数据块的若干数据节点,这些数据节点形成一个数据流管道,队列中的分包最后被打包成数据包,发往数据流管道中的第一个数据节点,第一个数据节点将数据包发送到第二个节点,依此类推，形成“流水线复制”,为了保证节点数据准确，接收到数据的数据节点要向发送者发送“确认包”,确认包沿着数据流管道逆流而上，经过各个节点最终到达客户端,客户端收到应答时，它将对应的分包从内部队列移除,DFSOutputStream,调用,ClientPplete(),方法,通知名称节点关闭文件,1,0,.7 HDFS,编程实践,学习,HDFS,编程实践，具体请参见“大数据课程学生服务站”的技术文章。访问地址：,