HDFS的运行基本原理

超、凢脫俗 2022-06-06 09:28 230阅读 0赞

**简介**

**HDFS**（Hadoop Distributed File System ）Hadoop分布式文件系统。是根据google发表的论文翻版的。论文为GFS（Google File System）Google 文件系统（[中文][Link 1]，[英文][Link 2]）。

**HDFS有很多特点**：

**①** 保存多个副本，且提供容错机制，副本丢失或宕机自动恢复。默认存3份。

**②** 运行在廉价的机器上。

**③** 适合大数据的处理。多大？多小？HDFS默认会将文件分割成block，64M为1个block。然后将block按键值对存储在HDFS上，并将键值对的映射存到内存中。如果小文件太多，那内存的负担会很重。

![26104230-8109ac513de14fe1b115b775581751f2.jpg][]

如上图所示，HDFS也是按照Master和Slave的结构。分NameNode、SecondaryNameNode、DataNode这几个角色。

***NameNode***：是Master节点，是大领导。管理数据块映射；处理客户端的读写请求；配置副本策略；管理HDFS的名称空间；

***SecondaryNameNode***：是一个小弟，分担大哥NameNode的工作量；是NameNode的冷备份；合并fsimage和fsedits然后再发给NameNode。

***DataNode**：Slave*节点，奴隶，干活的。负责存储client发来的数据块block；执行数据块的读写操作。

***热备份***：b是a的热备份，如果a坏掉。那么b马上运行代替a的工作。

***冷备份***：b是a的冷备份，如果a坏掉。那么b不能马上代替a工作。但是b上存储a的一些信息，减少a坏掉之后的损失。

***fsimage***:元数据镜像文件（文件系统的目录树。）

***edits***：元数据的操作日志（针对文件系统做的修改操作记录）

***NameNode*内存中存储的是=fsimage+edits。**

SecondaryNameNode负责定时默认1小时，从***NameNode***上，获取fsimage和edits来进行合并，然后再发送给***NameNode***。减少***NameNode***的工作量。

--------------------

**工作原理**

**写操作：**

![26162921-2de9d28df9b54fe6a97a6fd88f1cb03f.jpg][]

有一个文件FileA，100M大小。Client将FileA写入到HDFS上。

HDFS按默认配置。

HDFS分布在三个机架上Rack1，Rack2，Rack3。

**a.** Client将FileA按64M分块。分成两块，block1和Block2;

**b.** Client向nameNode发送写数据请求，如图蓝色虚线①\------>。

**c.** NameNode节点，记录block信息。并返回可用的DataNode，如粉色虚线②\--------->。

Block1: host2,host1,host3

Block2: host7,host8,host4

原理：

NameNode具有RackAware机架感知功能，这个可以配置。

若client为DataNode节点，那存储block时，规则为：副本1，同client的节点上；副本2，不同机架节点上；副本3，同第二个副本机架的另一个节点上；其他副本随机挑选。

若client不为DataNode节点，那存储block时，规则为：副本1，随机选择一个节点上；副本2，不同副本1，机架上；副本3，同副本2相同的另一个节点上；其他副本随机挑选。

**d.** client向DataNode发送block1；发送过程是以流式写入。

流式写入过程，

**1>**将64M的block1按64k的package划分;

**2>**然后将第一个package发送给host2;

**3>**host2接收完后，将第一个package发送给host1，同时client向host2发送第二个package；

**4>**host1接收完第一个package后，发送给host3，同时接收host2发来的第二个package。

**5>**以此类推，如图红线实线所示，直到将block1发送完毕。

**6>**host2,host1,host3向NameNode，host2向Client发送通知，说“消息发送完了”。如图粉红颜色实线所示。

**7>**client收到host2发来的消息后，向namenode发送消息，说我写完了。这样就真完成了。如图黄色粗实线

**8>**发送完block1后，再向host7，host8，host4发送block2，如图蓝色实线所示。

**9>**发送完block2后，host7,host8,host4向NameNode，host7向Client发送通知，如图浅绿色实线所示。

**10>**client向NameNode发送消息，说我写完了，如图黄色粗实线。。。这样就完毕了。

**分析，**通过写过程，我们可以了解到：

**①**写1T文件，我们需要3T的存储，3T的网络流量带宽。

**②**在执行读或写的过程中，NameNode和DataNode通过HeartBeat进行保存通信，确定DataNode活着。如果发现DataNode死掉了，就将死掉的DataNode上的数据，放到其他节点去。读取时，要读其他节点去。

**③**挂掉一个节点，没关系，还有其他节点可以备份；甚至，挂掉某一个机架，也没关系；其他机架上，也有备份。

**读操作：**

![26163017-fc613879835c402886b75e0593ca52ed.jpg][]

读操作就简单一些了，如图所示，client要从DataNode上，读取FileA。而FileA由block1和block2组成。

那么，读操作流程为：

**a.** client向NameNode发送读请求。

**b.**  NameNode查看Metadata信息，返回fileA的block的位置。

block1:host2,host1,host3

block2:host7,host8,host4

**c.** block的位置是有先后顺序的，先读block1，再读block2。而且block1去host2上读取；然后block2，去host7上读取；

上面例子中，client位于机架外，那么如果client位于机架内某个DataNode上，例如,client是host6。那么读取的时候，遵循的规律是：

**优选读取本机架上的数据**。

[Link 1]: http://www.open-open.com/lib/view/open1328763454608.html
[Link 2]: http://static.googleusercontent.com/media/research.google.com/zh-CN//archive/gfs-sosp2003.pdf
[26104230-8109ac513de14fe1b115b775581751f2.jpg]: /images/20220606/f116e1968a8e4fffa8a57bf8d14d1e75.png
[26162921-2de9d28df9b54fe6a97a6fd88f1cb03f.jpg]: /images/20220606/926a223fa4a4452f99ed41a96a3af555.png
[26163017-fc613879835c402886b75e0593ca52ed.jpg]: /images/20220606/038354893ce14d62876ab3aa3cf5012c.png

发表评论取消回复

表情：

评论列表（有 0 条评论，230人围观）

还没有评论，来说两句吧...

相关阅读

相关 HDFS的基本概念

HDFS（Hadoop Distributed Filesystem）是一个易于扩展的分布式文件系统，运行在成百上千台低成本的机器上。它与现有的分布式文件系统有许多相似之处，都

灰太狼/ 2023年10月07日 16:27/ 0 赞/ 46 阅读

相关【Hadoop】HDFS的运行原理

简介 HDFS（Hadoop Distributed File System ）Hadoop分布式文件系统。是根据google发表的论文翻版的。论文为GFS（Google F

古城微笑少年丶/ 2022年07月15日 05:58/ 0 赞/ 213 阅读

相关 HDFS的运行原理,如何实现HDFS的高可用

1 HDFS的运行机制 HDFS集群中的节点分为两种角色，一种角色负责管理整个集群的元数据，是名称节点（name node）；另一种角色负责存储文件数据块和管理文件数据块，是

以你之姓@/ 2022年06月18日 10:27/ 0 赞/ 523 阅读

相关 HDFS的运行基本原理

简介 HDFS（Hadoop Distributed File System ）Hadoop分布式文件系统。是根据google发表的论文翻版的。论文为GFS（Google F

超、凢脫俗/ 2022年06月06日 09:28/ 0 赞/ 231 阅读

相关 Hadoop HDFS的运行原理

简介 HDFS（Hadoop Ditributed File Syste）是Hadoop分布式文件系统。是根据google发表的论文翻版的。论文为GFS（Google F

迈不过友情╰/ 2022年06月04日 03:17/ 0 赞/ 241 阅读

相关 HDFS的基本操作

HDFS的基本操作命令行客户端的常用命令 1、上传文件到集群中 hdfs dfs -put 本地路径 hdfs上的路径例如：把本地

以你之姓@/ 2022年05月22日 02:38/ 0 赞/ 384 阅读

相关 HDFS 运行原理

简介 HDFS（Hadoop Distributed File System ）Hadoop分布式文件系统。是根据google发表的论文翻版的。论文为GFS（Google F

超、凢脫俗/ 2022年04月23日 13:20/ 0 赞/ 241 阅读

相关【大数据】——HDFS运行原理及使用

一、简介 HDFS（Hadoop Distributed File System ）Hadoop分布式文件系统。是根据google发表的论文翻版的。论文

痛定思痛。/ 2022年03月27日 12:47/ 0 赞/ 340 阅读

相关六、Hadoop基本原理总结—HDFS

一、主要组成模块 Hadoop Distributed File System（HDFS）：分布式文件存储系统。 MapReduce：并行计算框架（可以自定义计算逻辑的

淩亂°似流年/ 2021年11月11日 00:01/ 0 赞/ 445 阅读

相关 HDFS Federation设计动机与基本原理

HDFS Federation是Hadoop最新发布版本Hadoop-0.23.0中为解决HDFS单点故障而提出的namenode水平扩展方案。该方案允许HDFS创建多个nam

朱雀/ 2021年05月12日 11:55/ 0 赞/ 469 阅读