Hadoop-HDFS

less than 1 minute read

Published:

HDFS

HDFS架构

img

img

  • Client:客户端

    • 切分文件。文件上传HDFS的时候,client将文件切分为一个一个的Block,然后进行存储。
    • 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,比如启动关闭HDFS、访问HDFS目录及内容。
  • NameNode:名称结点,也称主节点,存储数据的元数据信息,不存储具体的数据

    • 管理HDFS的名称空间
    • 管理数据块Block映射信息
    • 配置副本策略
    • 处理客户端的读写请求
  • DataNode: 数据节点,也称从节点。NameNode下达命令,DataNode执行实际操作。

    • 存储实际的数据块
    • 执行数据块的读/写操作
  • Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务。

    • 辅助NameNode,分担其工作量
    • 定期合并Fsimage和Edits,并推送给NameNode
    • 在紧急情况下,可辅助回复NameNode

HDFS文件块大小的设置

HDFS中的文件在物理上分块存储(Block),块的大小可以通过配置dfs.blocksize设置。

默认大小Hadoop2.x/3.x版本中为128M,1.x版本为64M。

img

HDFS写数据流程

img

(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)。

HDFS读数据流程

img

(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。