hdfs体系结构.pptx

深入浅出深入浅出hadoop 培训讲师：吴超blog: 课程安排课程安排分布式文件系统与HDFSHDFS体系结构与基本概念*HDFS的shell操作*java接口及常用api*-加深拓展-RPC调用*HDFS的分布式存储架构的源码分析*Distributed File System数据量越来越多，在一个操作系统管辖的范围存不下了，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，因此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。是一种允许文件通过网络在多台主机上分享的文件系统，可让多机器上的多用户分享文件和存储空间。通透性。让实际上是通过网络来访问文件的动作，在程序与用户看来，就像是访问本地的磁盘一般。容错。即使系统中有某些节点脱机，整体来说系统仍然可以持续运作而不会有数据损失。分布式文件管理系统很多，hdfs只是其中一种。适用于一次写入多次查询的情况，不支持并发写情况，小文件不合适。HDFS的的Shell调用文件系统(FS)Shell命令应使用 bin/hadoop fs 的形式。所有的FS shell命令使用URI路径作为参数。URI格式是scheme:/authority/path。HDFS的scheme是hdfs，对本地文件系统，scheme是file。其中scheme和authority参数都是可选的，如果未加指定，就会使用配置中指定的默认scheme。例如：/parent/child可以表示成hdfs:/namenode:namenodePort/parent/child，或者更简单的/parent/child（假设配置文件是namenode:namenodePort）大多数FS Shell命令的行为和对应的Unix Shell命令类似。HDFS fs命令命令-help cmd/显示命令的帮助信息-ls(r)/显示当前目录下所有文件-du(s)/显示目录中所有文件大小-count-q /显示目录中文件数量-mv /移动多个文件到目标目录-cp /复制多个文件到目标目录-rm(r)/删除文件(夹)-put /本地文件复制到hdfs-copyFromLocal/同put-moveFromLocal/从本地文件移动到hdfs-get-ignoreCrc /复制文件到本地，可以忽略crc校验-getmerge /将源目录中的所有文件排序合并到一个文件中-cat/在终端显示文件内容-text/在终端显示文件内容-copyToLocal-ignoreCrc /复制到本地-moveToLocal -mkdir/创建文件夹-touchz/创建一个空文件HDFS的的Shell命令命令练习#hadoop fs-ls/查看HDFS根目录#hadoop fs-mkdir/test 在根目录创建一个目录test#hadoop fs-mkdir/test1 在根目录创建一个目录test1#echo-e hadoop second lesson test.txt#hadoop fs-put./test.txt/test或#hadoop fs-copyFromLocal./test.txt/test#cd.#hadoop fs-get/test/test.txt.或#hadoop fs-getToLocal/test/test.txt.#hadoop fs-cp/test/test.txt/test1#hadoop fs-rm/test1/test.txt#hadoop fs-mv/test/test.txt/test1#hadoop fs-rmr/test1 Namenode是整个文件系统的管理节点。它维护着整个文件系统的文件目录树，文件/目录的元信息和每个文件对应的数据块列表。接收用户的操作请求。(见源码)文件包括：fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。备份使用到上面红色中的文件edits:操作日志文件。(类似于数据库中事务操作，要么全部执行成功，要么什么都不执行)定期由secondaryNamenode整合到fsimage中。fstime:保存最近一次checkpoint的时间以上这些文件是保存在linux的文件系统中。hdfs-site.xml的dfs.name.dir属性Datanode提供真实文件数据的存储服务。(见源码)文件块（block）：最基本的存储单位。最基本的存储单位。对于文件内容而言，一个文件的长度大小是size，那么从文件的偏移开始，按照固定的大小，顺序对文件进行划分并编号，划分好的每一个块称一个Block。HDFS默认默认Block大小是大小是64MB，以一个256MB文件，共有256/64=4个Block.不同于普通文件系统的是，不同于普通文件系统的是，HDFS中，如果一个文件小于一个数中，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据块的大小，并不占用整个数据块存储空间Replication。多复本。默认是三个。hdfs-site.xml的dfs.replication属性SecondaryNameNodeHA的一个解决方案。但不支持热备。配置即可。(见源码)执行过程：从NameNode上下载元数据信息（fsimage,edits），然后把二者合并，生成新的fsimage，在本地保存，并将其推送到NameNode，同时重置NameNode的edits.默认在安装在NameNode节点上，但这样.不安全！Shell命令命令练习：验证块大小大小方法：上传小于64MB的文件，观察块大小验证：使用 http:/hadoop0:50070 观察HDFS的的JavaAPI_读文件文件.URIorg.apache.hadoop.conf.Configurationorg.apache.hadoop.fs.FileSystemorg.apache.hadoop.fs.Pathorg.apache.hadoop.io.IOU.URLorg.apache.hadoop.io.IOUtilsorg.apache.hadoop.fs.FsUrlStreamHandlerFactoryhdfs:/192.168.200.128:9000/test/test.txtHDFS的的java访问接口访问接口FileSystem写文件写文件 create读取文件读取文件 open删除文件删除文件delete创建目录创建目录 mkdirs删除文件或目录删除文件或目录 delete列出目录的内容列出目录的内容 listStatus显示文件系统的目录和文件的元数据信息显示文件系统的目录和文件的元数据信息 getFileStatusHDFS的的FileSystem读取文件取文件private static FileSystem getFileSystem()throws URISyntaxException,IOException Configuration conf=new Configuration();URI uri=new URI(hdfs:/hadoop240:9000);final FileSystem fileSystem=FileSystem.get(uri,conf);return fileSystem;HDFS的的FileSystem读取文件取文件/*读取文件，调用fileSystem的open(path)*throws Exception*/private static void readFile()throws Exception FileSystem fileSystem=getFileSystem();FSDataInputStream openStream=fileSystem.open(new Path(hdfs:/itcast0106:9000/aaa);IOUtils.copyBytes(openStream,System.out,1024,false);IOUtils.closeStream(openStream);HDFS的的FileSystem目目录/*创建目录，调用fileSystem的mkdirs(path)*throws Exception*/private static void mkdir()throws Exception FileSystem fileSystem=getFileSystem();fileSystem.mkdirs(new Path(hdfs:/itcast0106:9000/bbb);/*删除目录，调用fileSystem的deleteOnExit(path)*throws Exception*/private static void rmdir()throws Exception FileSystem fileSystem=getFileSystem();fileSystem.delete(new Path(hdfs:/itcast0106:9000/bbb);HDFS的的FileSystem遍遍历目目录/*遍历目录，使用FileSystem的listStatus(path)*如果要查看file状态，使用FileStatus对象*throws Exception*/private static void list()throws ExceptionFileSystem fileSystem=getFileSystem();FileStatus listStatus=fileSystem.listStatus(new Path(hdfs:/itcast0106:9000/);for(FileStatus fileStatus:listStatus)String isDir=fileStatus.isDir()?目录:文件;String name=fileStatus.getPath().toString();System.out.println(isDir+name);FileSystem用户代码操作HDFS时，是直接调用FileSystem的子类完成的。Remote Procedure CallRPC远程过程调用协议，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在，如TCP或UDP，为通信程序之间携带信息数据。在OSI网络通信模型中，RPC跨越了传输层和应用层。RPC使得开发包括网络分布式多程序在内的应用程序更加容易。RPC采用客户机/服务器模式。请求程序就是一个客户机，而服务提供程序就是一个服务器。首先，客户机调用进程发送一个有进程参数的调用信息到服务进程，然后等待应答信息。在服务器端，进程保持睡眠状态直到调用信息的到达为止。当一个调用信息到达，服务器获得进程参数，计算结果，发送答复信息，然后等待下一个调用信息，最后，客户端调用进程接收答复信息，获得进程结果，然后调用执行继续进行。hadoop的整个体系结构就是构建在RPC之上的(见org.apache.hadoop.ipc)。RPC示例示例public interface Bizable extends VersionedProtocolpublic abstract String hello(String name);class Biz implements BizableOverridepublic String hello(String name)System.out.println(被调用了);return hello+name;Overridepublic long getProtocolVersion(String protocol,long clientVersion)throws IOException System.out.println(Biz.getProtocalVersion()=+MyServer.VERSION);return MyServer.VERSION;RPC示例示例public class MyServer public static int PORT=3242;public static long VERSION=23234l;public static void main(String args)throws IOException final Server server=RPC.getServer(new Biz(),127.0.0.1,PORT,new Configuration();server.start();RPC示例示例public class MyClient public static void main(String args)throws IOException final InetSocketAddress inetSocketAddress=new InetSocketAddress(127.0.0.1,MyServer.PORT);final Bizable proxy=(Bizable)RPC.getProxy(Bizable.class,MyServer.VERSION,inetSocketAddress,new Configuration();final String ret=proxy.hello(吴超);System.out.println(ret);RPC.stopProxy(proxy);RPC调用流程用流程ClientProtocol是客户端(FileSystem)与NameNode通信的接口。DatanodeProtocol是DataNode与NameNode通信的接口NamenodeProtocol是SecondaryNameNode与NameNode通信的接口。分析分析HDFS的的读写写过程程DFSClient是直接调用NameNode接口的对象。用户代码是通过DistributedFileSystem调用DFSClient对象，才能与NameNode打交道。28练习题l练习shell命令l在HDFS创建一个文本文件hadoop.test。内容自定;然后，用Java程序在本地终端打印hadoop.test文件内容l用Java程序实现copyFromLocal29思考思考题lhdfs的组成部分有哪些，分别解释一下lhdfs的高可靠如何实现lhdfs的常用shell命令有哪些lhdfs的常用java api有哪些l请用shell命令实现目录、文件的增删改查l请用java api实现目录、文件的增删改查