【愚公系列】2024年02月 大数据教学课程 022-Hadoop的HDFS

愚公搬代码2024-03-02 15:54

🏆 作者简介，愚公搬代码

🏆《头衔》：华为云特约编辑，华为云云享专家，华为开发者专家，华为产品云测专家，CSDN博客专家，CSDN商业化专家，阿里云专家博主，阿里云签约作者，腾讯云优秀博主，腾讯云内容共创官，掘金优秀博主，51CTO博客专家等。

🏆《近期荣誉》：2022年度博客之星TOP2，2023年度博客之星TOP2，2022年华为云十佳博主，2023年华为云十佳博主等。

🏆《博客内容》：.NET、Java、Python、Go、Node、前端、IOS、Android、鸿蒙、Linux、物联网、网络安全、大数据、人工智能、U3D游戏、小程序等相关领域知识。

🏆🎉欢迎 👍点赞✍评论⭐收藏

文章目录

  • 🚀前言
  • 🚀一、Hadoop的HDFS
    • 🔎1.HDFS概述
      • [🦋1.1 介绍](#🦋1.1 介绍)
      • [🦋1.2 历史](#🦋1.2 历史)
    • 🔎2.HDFS应用场景
      • [🦋2.1 适合的应用场景](#🦋2.1 适合的应用场景)
      • [🦋2.2 不适合的应用场景](#🦋2.2 不适合的应用场景)
    • [🔎3.HDFS 的架构](#🔎3.HDFS 的架构)
    • 🔎4.NameNode和DataNode
      • [🦋4.1 NameNode作用](#🦋4.1 NameNode作用)
      • [🦋4.2 DataNode作用](#🦋4.2 DataNode作用)
    • 🔎5.HDFS的副本机制和机架感知
      • [🦋5.1 HDFS 文件副本机制](#🦋5.1 HDFS 文件副本机制)
      • [🦋5.2 机架感知](#🦋5.2 机架感知)
    • 🔎6.hdfs的命令行使用
    • 🔎7.hdfs的高级使用命令
      • [🦋7.1 HDFS文件限额配置](#🦋7.1 HDFS文件限额配置)
        • [☀️7.1.1 数量限额](#☀️7.1.1 数量限额)
        • [☀️7.1.2 空间**大小限额**](#☀️7.1.2 空间大小限额)
      • [🦋7.2 hdfs的安全模式](#🦋7.2 hdfs的安全模式)
    • 🔎8.HDFS基准测试
      • [🦋8.1 测试写入速度](#🦋8.1 测试写入速度)
      • [🦋8.2 测试读取速度](#🦋8.2 测试读取速度)
      • [🦋8.3 清除测试数据](#🦋8.3 清除测试数据)
    • [🔎9.HDFS 文件写入过程](#🔎9.HDFS 文件写入过程)
    • [🔎10.HDFS 文件读取过程](#🔎10.HDFS 文件读取过程)
    • [🔎11.HDFS 的元数据辅助管理](#🔎11.HDFS 的元数据辅助管理)
      • [🦋11.1 FsImage 和 Edits 详解](#🦋11.1 FsImage 和 Edits 详解)
      • [🦋11.2 fsimage 中的文件信息查看](#🦋11.2 fsimage 中的文件信息查看)
      • [🦋11.3 edits 中的文件信息查看](#🦋11.3 edits 中的文件信息查看)
      • [🦋11.4 SecondaryNameNode 如何辅助管理 fsimage 与 edits 文件?](#🦋11.4 SecondaryNameNode 如何辅助管理 fsimage 与 edits 文件?)
      • [🦋11.5 特点](#🦋11.5 特点)
  • 🚀感谢：给读者的一封信

🚀前言

HDFS是Hadoop分布式文件系统（Hadoop Distributed File System）的缩写。它是一种分布式文件系统，旨在将大量的数据存储在Hadoop集群中的多台机器上。HDFS具有高度容错性，并且设计用于在低成本硬件上部署。它允许高吞吐量的数据访问，并为大数据应用程序提供可扩展的存储。HDFS是Apache Hadoop生态系统的关键组件之一，许多组织使用它来存储和处理大型数据集。

🚀一、Hadoop的HDFS

🔎1.HDFS概述

🦋1.1 介绍

HDFS，全称为Hadoop Distributed File System，是Apache Hadoop项目的一部分，是一个分布式文件系统。它是为了解决大规模数据存储和处理问题而设计的。

HDFS的设计目标是在集群中存储大量的数据，并提供高性能的数据访问。它通过将数据分散存储在集群中的多个节点上，来实现数据的高可靠性和高可用性。HDFS采用了主从架构，其中有一个主节点（NameNode）和多个从节点（DataNode）。主节点负责管理文件系统的元数据，从节点负责存储和处理实际的数据。

🦋1.2 历史

  1. Doug Cutting 在做 Lucene 的时候, 需要编写一个爬虫服务, 这个爬虫写的并不顺利, 遇到了一些问题, 诸如: 如何存储大规模的数据, 如何保证集群的可伸缩性, 如何动态容错等
  2. 2013年的时候, Google 发布了三篇论文, 被称作为三驾马车, 其中有一篇叫做 GFS, 是描述了 Google 内部的一个叫做 GFS 的分布式大规模文件系统, 具有强大的可伸缩性和容错性
  3. Doug Cutting 后来根据 GFS 的论文, 创造了一个新的文件系统, 叫做 HDFS

🔎2.HDFS应用场景

🦋2.1 适合的应用场景

  • 需要存储非常大的文件，具体指的是几百M、G或者TB级别的文件，并且需要高吞吐量，对延时没有要求。
  • 采用流式的数据访问方式，即一次写入、多次读取。数据集经常从数据源生成或者拷贝一次，然后在其上做很多分析工作。
  • 运行于商业硬件上，不需要特别贵的机器，可以运行于普通廉价机器，以节约成本。
  • 需要高容错性，为数据存储提供所需的扩展能力。

🦋2.2 不适合的应用场景

（1）：低延时的数据访问。对于延时要求在毫秒级别的应用，不适合使用HDFS。HDFS是为高吞吐数据传输设计的，因此可能会牺牲延迟。

（2）：大量小文件。文件的元数据保存在NameNode的内存中，整个文件系统的文件数量会受限于NameNode的内存大小。根据经验，一个文件/目录/文件块通常占据150字节的元数据内存空间。如果有100万个文件，每个文件占用1个文件块，则需要大约300M的内存。因此，在现有商用机器上难以支持十亿级别的文件数量。

（3）：多方读写，需要任意的文件修改。HDFS采用追加（append-only）的方式写入数据，不支持对文件的任意偏移进行修改。并且不支持多个写入器（writer）。

🔎3.HDFS 的架构

HDFS是一个主/从（Mater/Slave）体系结构，

HDFS由四部分组成，HDFS Client、NameNode、DataNode和Secondary NameNode。

1、Client：就是客户端。

  • 文件切分：文件上传HDFS时，Client将文件切分成一个个Block，并进行存储。
  • 与NameNode交互，获取文件的位置信息。
  • 与DataNode交互，读取或写入数据。
  • Client提供一些命令来管理和访问HDFS，比如启动或关闭HDFS。

2、NameNode：就是master，它是一个主管、管理者。

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

3、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。

4、Secondary NameNode：并非NameNode的热备。当NameNode挂掉时，它不能立即替换NameNode并提供服务。

  • 辅助NameNode，分担其工作量。
  • 定期合并fsimage和fsedits，并推送给NameNode。
  • 在紧急情况下，可以辅助恢复NameNode。

🔎4.NameNode和DataNode

🦋4.1 NameNode作用

1、NameNode元数据信息

文件名，文件目录结构，文件属性(生成时间，副本数，权限)每个文件的块列表。以及列表中的块与块所在的DataNode之间的地址映射关系，在内存中加载文件系统中每个文件和每个数据块的引用关系(文件、block、datanode之间的映射信息) 数据会定期保存到本地磁盘（fsImage文件和edits文件）

2、NameNode文件操作

NameNode负责文件元数据的操作

DataNode负责处理文件内容的读写请求，数据流不经过NameNode，会询问它跟那个DataNode联系

3、NameNode副本

文件数据块到底存放到哪些DataNode上，是由NameNode决定的，NN根据全局情况做出放置副本的决定

4、NameNode心跳机制

全权管理数据块的复制，周期性的接受心跳和块的状态报告信息（包含该DataNode上所有数据块的列表） 若接受到心跳信息，NameNode认为DataNode工作正常，如果在10分钟后还接受到不到DN的心跳，那么NameNode认为DataNode已经宕机，这时候NN准备要把DN上的数据块进行重新的复制。 块的状态报告包含了一个DN上所有数据块的列表，blocks report 每个1小时发送一次

🦋4.2 DataNode作用

提供真实文件数据的存储服务。

1、Data Node以数据块的形式存储HDFS文件

2、Data Node 响应HDFS 客户端读写请求

3、Data Node 周期性向NameNode汇报心跳信息

4、Data Node 周期性向NameNode汇报数据块信息

5、Data Node 周期性向NameNode汇报缓存数据块信息

🔎5.HDFS的副本机制和机架感知

🦋5.1 HDFS 文件副本机制

所有的文件都是以 block 块的方式存放在 HDFS 文件系统当中,作用如下

  1. 一个文件有可能大于集群中任意一个磁盘，引入块机制，可以很好的解决这个问题
  2. 使用块作为文件存储的逻辑单位可以简化存储子系统
  3. 块非常适合用于数据备份进而提供数据容错能力

在 Hadoop1 当中, 文件的 block 块默认大小是 64M, hadoop2 当中, 文件的 block 块大小默认是 128M, block 块的大小可以通过 hdfs-site.xml 当中的配置文件进行指定

xml 复制代码 
<property>
    <name>dfs.block.size</name>
    <value>块大小 以字节为单位</value>
</property>

🦋5.2 机架感知

HDFS分布式文件系统的内部有一个副本存放策略：以默认的副本数=3为例：

1、第一个副本块存本机

2、第二个副本块存跟本机同机架内的其他服务器节点

3、第三个副本块存不同机架的一个服务器节点上

🔎6.hdfs的命令行使用

ls

shell 复制代码 
格式：  hdfs dfs -ls  URI
作用：类似于Linux的ls命令，显示文件列表
shell 复制代码 
 hdfs  dfs   -ls  /

lsr

shell 复制代码 
格式  :   hdfs  dfs -lsr URI
作用  : 在整个目录下递归执行ls, 与UNIX中的ls-R类似
shell 复制代码 
 hdfs  dfs   -lsr  /

mkdir

shell 复制代码 
格式 ： hdfs  dfs [-p] -mkdir <paths>
作用 :   以<paths>中的URI作为参数，创建目录。使用-p参数可以递归创建目录

put

shell 复制代码 
格式   ： hdfs dfs -put <localsrc >  ... <dst>
作用 ：  将单个的源文件src或者多个源文件srcs从本地文件系统拷贝到目标文件系统中（<dst>对应的路径）。也可以从标准输入中读取输入，写入目标文件系统中
shell 复制代码 
hdfs dfs -put  /rooot/a.txt  /dir1

moveFromLocal

shell 复制代码 
格式： hdfs  dfs -moveFromLocal  <localsrc>   <dst>
作用:   和put命令类似，但是源文件localsrc拷贝之后自身被删除
shell 复制代码 
hdfs  dfs -moveFromLocal  /root/install.log  /

moveToLocal

shell 复制代码 
未实现

get

shell 复制代码 
格式   hdfs dfs  -get [-ignorecrc ]  [-crc]  <src> <localdst>

作用：将文件拷贝到本地文件系统。 CRC 校验失败的文件通过-ignorecrc选项拷贝。 文件和CRC校验和可以通过-CRC选项拷贝
shell 复制代码 
hdfs dfs  -get   /install.log  /export/servers

mv

shell 复制代码 
格式  ： hdfs  dfs -mv URI   <dest>
作用： 将hdfs上的文件从原路径移动到目标路径（移动之后文件删除），该命令不能夸文件系统
shell 复制代码 
hdfs  dfs  -mv  /dir1/a.txt   /dir2

rm

she 复制代码 
格式： hdfs dfs -rm [-r] 【-skipTrash】 URI 【URI 。。。】
作用：   删除参数指定的文件，参数可以有多个。   此命令只删除文件和非空目录。
如果指定-skipTrash选项，那么在回收站可用的情况下，该选项将跳过回收站而直接删除文件；
否则，在回收站可用时，在HDFS Shell 中执行此命令，会将文件暂时放到回收站中。
shell 复制代码 
hdfs  dfs  -rm  -r  /dir1

cp

shell 复制代码 
格式:     hdfs  dfs  -cp URI [URI ...] <dest>
作用：    将文件拷贝到目标路径中。如果<dest>  为目录的话，可以将多个文件拷贝到该目录下。
-f
选项将覆盖目标，如果它已经存在。
-p
选项将保留文件属性（时间戳、所有权、许可、ACL、XAttr）。
shell 复制代码 
hdfs dfs -cp /dir1/a.txt  /dir2/b.txt

cat

shell 复制代码 
hdfs dfs  -cat  URI [uri  ...]
作用：将参数所指示的文件内容输出到stdout
shell 复制代码 
hdfs dfs  -cat /install.log

chmod

shell 复制代码 
格式:      hdfs   dfs  -chmod  [-R]  URI[URI  ...]
作用：    改变文件权限。如果使用  -R 选项，则对整个目录有效递归执行。使用这一命令的用户必须是文件的所属用户，或者超级用户。
shell 复制代码 
hdfs dfs -chmod -R 777 /install.log

chown

shell 复制代码 
格式:      hdfs   dfs  -chmod  [-R]  URI[URI  ...]
作用：    改变文件的所属用户和用户组。如果使用  -R 选项，则对整个目录有效递归执行。使用这一命令的用户必须是文件的所属用户，或者超级用户。
shell 复制代码 
hdfs  dfs  -chown  -R hadoop:hadoop  /install.log

appendToFile

shell 复制代码 
格式: hdfs dfs -appendToFile <localsrc> ... <dst>
作用: 追加一个或者多个文件到hdfs指定文件中.也可以从命令行读取输入.
shell 复制代码 
 hdfs dfs -appendToFile  a.xml b.xml  /big.xml

🔎7.hdfs的高级使用命令

🦋7.1 HDFS文件限额配置

​ 在多人共用HDFS的环境下，配置设置非常重要。特别是在Hadoop处理大量资料的环境，如果没有配额管理，很容易把所有的空间用完造成别人无法存取。Hdfs的配额设定是针对目录而不是针对账号，可以 让每个账号仅操作某一个目录，然后对目录设置配置。

​ hdfs文件的限额配置允许我们以文件个数，或者文件大小来限制我们在某个目录下上传的文件数量或者文件内容总量，以便达到我们类似百度网盘网盘等限制每个用户允许上传的最大的文件的量。

shell 复制代码 
 hdfs dfs -count -q -h /user/root/dir1  #查看配额信息

所谓的空间限额

☀️7.1.1 数量限额
shell 复制代码 
hdfs dfs  -mkdir -p /user/root/dir    #创建hdfs文件夹
hdfs dfsadmin -setQuota 2  dir      # 给该文件夹下面设置最多上传两个文件，发现只能上传一个文件
shell 复制代码 
hdfs dfsadmin -clrQuota /user/root/dir  # 清除文件数量限制
☀️7.1.2 空间大小限额

在设置空间配额时，设置的空间至少是block_size * 3大小

shell 复制代码 
hdfs dfsadmin -setSpaceQuota 4k /user/root/dir   # 限制空间大小4KB
hdfs dfs -put  /root/a.txt  /user/root/dir

生成任意大小文件的命令:

shell 复制代码 
dd if=/dev/zero of=1.txt  bs=1M count=2     #生成2M的文件

清除空间配额限制

shell 复制代码 
hdfs dfsadmin -clrSpaceQuota /user/root/dir

🦋7.2 hdfs的安全模式

安全模式是hadoop的一种保护机制，用于保证集群中的数据块的安全性。当集群启动的时候，会首先进入安全模式。当系统处于安全模式时会检查数据块的完整性。

假设我们设置的副本数（即参数dfs.replication）是3，那么在datanode上就应该有3个副本存在，假设只存在2个副本，那么比例就是2/3=0.666。hdfs默认的副本率0.999。我们的副本率0.666明显小于0.999，因此系统会自动的复制副本到其他dataNode，使得副本率不小于0.999。如果系统中有5个副本，超过我们设定的3个副本，那么系统也会删除多于的2个副本。

在安全模式状态下，文件系统只接受读数据请求，而不接受删除、修改等变更请求。在，当整个系统达到安全标准时，HDFS自动离开安全模式。

安全模式操作命令

shell 复制代码 
hdfs  dfsadmin  -safemode  get #查看安全模式状态
hdfs  dfsadmin  -safemode  enter #进入安全模式
hdfs  dfsadmin  -safemode  leave #离开安全模式

🔎8.HDFS基准测试

实际生产环境当中，hadoop的环境搭建完成之后，第一件事情就是进行压力测试，测试我们的集群的读取和写入速度，测试我们的网络带宽是否足够等一些基准测试

🦋8.1 测试写入速度

向HDFS文件系统中写入数据,10个文件,每个文件10MB,文件存放到/benchmarks/TestDFSIO中

shell 复制代码 
hadoop jar /export/servers/hadoop-2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-2.7.5.jar  TestDFSIO -write -nrFiles 10  -fileSize 10MB

完成之后查看写入速度结果

shell 复制代码 
hdfs dfs -text  /benchmarks/TestDFSIO/io_write/part-00000

🦋8.2 测试读取速度

测试hdfs的读取文件性能

在HDFS文件系统中读入10个文件,每个文件10M

shell 复制代码 
hadoop jar /export/servers/hadoop-2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-2.7.5.jar  TestDFSIO -read -nrFiles 10 -fileSize 10MB

查看读取果

shell 复制代码 
hdfs dfs -text /benchmarks/TestDFSIO/io_read/part-00000

🦋8.3 清除测试数据

shell 复制代码 
hadoop jar /export/servers/hadoop-2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-2.7.5.jar TestDFSIO -clean

🔎9.HDFS 文件写入过程

  1. Client 发起文件上传请求, 通过 RPC 与 NameNode 建立通讯, NameNode 检查目标文件是否已存在, 父目录是否存在, 返回是否可以上传

  2. Client 请求第一个 block 该传输到哪些 DataNode 服务器上

  3. NameNode 根据配置文件中指定的备份数量及机架感知原理进行文件分配, 返回可用的 DataNode 的地址如: A, B, C

    • Hadoop 在设计时考虑到数据的安全与高效, 数据文件默认在 HDFS 上存放三份, 存储策略为本地一份, 同机架内其它某一节点上一份, 不同机架的某一节点上一份。

  4. Client 请求 3 台 DataNode 中的一台 A 上传数据（本质上是一个 RPC 调用，建立 pipeline ）, A 收到请求会继续调用 B, 然后 B 调用 C, 将整个 pipeline 建立完成, 后逐级返回 client

  5. Client 开始往 A 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（默认64K）, A 收到一个 packet 就会传给 B, B 传给 C. A 每传一个 packet 会放入一个应答队列等待应答

  6. 数据被分割成一个个 packet 数据包在 pipeline 上依次传输, 在 pipeline 反方向上, 逐个发送 ack（命令正确应答）, 最终由 pipeline 中第一个 DataNode 节点 A 将 pipelineack 发送给 Client

  7. 当一个 block 传输完成之后, Client 再次请求 NameNode 上传第二个 block 到服务 1

🔎10.HDFS 文件读取过程

  1. Client向NameNode发起RPC请求，来确定请求文件block所在的位置；
  2. NameNode会视情况返回文件的部分或者全部block列表，对于每个block，NameNode 都会返回含有该 block 副本的 DataNode 地址； 这些返回的 DN 地址，会按照集群拓扑结构得出 DataNode 与客户端的距离，然后进行排序，排序两个规则：网络拓扑结构中距离 Client 近的排靠前；心跳机制中超时汇报的 DN 状态为 STALE，这样的排靠后；
  3. Client 选取排序靠前的 DataNode 来读取 block，如果客户端本身就是DataNode,那么将从本地直接获取数据(短路读取特性)；
  4. 底层上本质是建立 Socket Stream（FSDataInputStream），重复的调用父类 DataInputStream 的 read 方法，直到这个块上的数据读取完毕；
  5. 当读完列表的 block 后，若文件读取还没有结束，客户端会继续向NameNode 获取下一批的 block 列表；
  6. 读取完一个 block 都会进行 checksum 验证，如果读取 DataNode 时出现错误，客户端会通知 NameNode，然后再从下一个拥有该 block 副本的DataNode 继续读。
  7. read 方法是并行的读取 block 信息，不是一块一块的读取；NameNode 只是返回Client请求包含块的DataNode地址，并不是返回请求块的数据；
  8. 最终读取来所有的 block 会合并成一个完整的最终文件。

🔎11.HDFS 的元数据辅助管理

当 Hadoop 的集群当中, NameNode的所有元数据信息都保存在了 FsImage 与 Eidts 文件当中, 这两个文件就记录了所有的数据的元数据信息, 元数据信息的保存目录配置在了 hdfs-site.xml 当中

xml 复制代码 
<property>
    <name>dfs.namenode.name.dir</name>    
    <value>
        file:///export/servers/hadoop2.7.5/hadoopDatas/namenodeDatas,          	        		file:///export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas2
    </value>
</property>
<property>
     <name>dfs.namenode.edits.dir</name>
     <value>file:///export/servers/hadoop-2.7.5/hadoopDatas/nn/edits</value
</property>>

🦋11.1 FsImage 和 Edits 详解

  • edits
    • edits 存放了客户端最近一段时间的操作日志
    • 客户端对 HDFS 进行写文件时会首先被记录在 edits 文件中
    • edits 修改时元数据也会更新
  • fsimage
    • NameNode 中关于元数据的镜像, 一般称为检查点, fsimage 存放了一份比较完整的元数据信息
    • 因为 fsimage 是 NameNode 的完整的镜像, 如果每次都加载到内存生成树状拓扑结构，这是非常耗内存和CPU, 所以一般开始时对 NameNode 的操作都放在 edits 中
    • fsimage 内容包含了 NameNode 管理下的所有 DataNode 文件及文件 block 及 block 所在的 DataNode 的元数据信息.
    • 随着 edits 内容增大, 就需要在一定时间点和 fsimage 合并

🦋11.2 fsimage 中的文件信息查看

使用命令 hdfs oiv

shell 复制代码 
cd /export/servers/hadoop2.7.5/hadoopDatas/namenodeDatas
hdfs oiv -i fsimage_0000000000000000864 -p XML -o hello.xml

🦋11.3 edits 中的文件信息查看

使用命令 hdfs oev

shell 复制代码 
cd /export/servers/hadoop2.7.5/hadoopDatas/namenodeDatas
hdfs oev -i  edits_0000000000000000865-0000000000000000866 -p XML -o myedit.xml

🦋11.4 SecondaryNameNode 如何辅助管理 fsimage 与 edits 文件?

  • SecondaryNameNode 定期合并 fsimage 和 edits, 把 edits 控制在一个范围内

  • 配置 SecondaryNameNode

    • SecondaryNameNode 在 conf/masters 中指定

    • 在 masters 指定的机器上, 修改 hdfs-site.xml

      xml 复制代码 
      <property>
  <name>dfs.http.address</name>
  <value>host:50070</value>
</property>

    • 修改 core-site.xml, 这一步不做配置保持默认也可以

      xml 复制代码 
      <!-- 多久记录一次 HDFS 镜像, 默认 1小时 -->
<property>
  <name>fs.checkpoint.period</name>
  <value>3600</value>
</property>
<!-- 一次记录多大, 默认 64M -->
<property>
  <name>fs.checkpoint.size</name>
  <value>67108864</value>
</property>
  1. SecondaryNameNode 通知 NameNode 切换 editlog
  2. SecondaryNameNode 从 NameNode 中获得 fsimage 和 editlog(通过http方式)
  3. SecondaryNameNode 将 fsimage 载入内存, 然后开始合并 editlog, 合并之后成为新的 fsimage
  4. SecondaryNameNode 将新的 fsimage 发回给 NameNode
  5. NameNode 用新的 fsimage 替换旧的 fsimage

🦋11.5 特点

  • 完成合并的是 SecondaryNameNode, 会请求 NameNode 停止使用 edits, 暂时将新写操作放入一个新的文件中 edits.new
  • SecondaryNameNode 从 NameNode 中通过 Http GET 获得 edits, 因为要和 fsimage 合并, 所以也是通过 Http Get 的方式把 fsimage 加载到内存, 然后逐一执行具体对文件系统的操作, 与 fsimage 合并, 生成新的 fsimage, 然后通过 Http POST 的方式把 fsimage 发送给 NameNode. NameNode 从 SecondaryNameNode 获得了 fsimage 后会把原有的 fsimage 替换为新的 fsimage, 把 edits.new 变成 edits. 同时会更新 fstime
  • Hadoop 进入安全模式时需要管理员使用 dfsadmin 的 save namespace 来创建新的检查点
  • SecondaryNameNode 在合并 edits 和 fsimage 时需要消耗的内存和 NameNode 差不多, 所以一般把 NameNode 和 SecondaryNameNode 放在不同的机器上

🚀感谢：给读者的一封信

亲爱的读者，

我在这篇文章中投入了大量的心血和时间，希望为您提供有价值的内容。这篇文章包含了深入的研究和个人经验，我相信这些信息对您非常有帮助。

如果您觉得这篇文章对您有所帮助，我诚恳地请求您考虑赞赏1元钱的支持。这个金额不会对您的财务状况造成负担，但它会对我继续创作高质量的内容产生积极的影响。

我之所以写这篇文章，是因为我热爱分享有用的知识和见解。您的支持将帮助我继续这个使命，也鼓励我花更多的时间和精力创作更多有价值的内容。

如果您愿意支持我的创作，请扫描下面二维码，您的支持将不胜感激。同时，如果您有任何反馈或建议，也欢迎与我分享。

再次感谢您的阅读和支持！

最诚挚的问候， "愚公搬代码"

相关推荐
csding114 分钟前
写入hive metastore报问题Permission denied: user=hadoop，inode=“/user/hive”
数据仓库·hive·hadoop
arnold664 分钟前
探索 ElasticSearch：性能优化之道
大数据·elasticsearch·性能优化
NiNg_1_2341 小时前
基于Hadoop的数据清洗
大数据·hadoop·分布式
成长的小牛2332 小时前
es使用knn向量检索中numCandidates和k应该如何配比更合适
大数据·elasticsearch·搜索引擎
goTsHgo2 小时前
在 Spark 上实现 Graph Embedding
大数据·spark·embedding
程序猿小柒3 小时前
【Spark】Spark SQL执行计划-精简版
大数据·sql·spark
隔着天花板看星星3 小时前
Spark-Streaming集成Kafka
大数据·分布式·中间件·spark·kafka
奥顺3 小时前
PHPUnit使用指南：编写高效的单元测试
大数据·mysql·开源·php
小屁孩大帅-杨一凡3 小时前
Flink 简介和简单的demo
大数据·flink
天冬忘忧3 小时前
Flink调优----反压处理
大数据·flink
热门推荐
01〔AI 绘画〕Stable Diffusion 之 解决绘制多人或面部很小的人物时面部崩坏问题 篇02YOLOv8训练好模型后，追加轮数继续训练、或者提前终止训练，缩减训练轮数03玄机平台应急响应—webshell查杀04机器人编程怎么入门？05HCIA-datacom数通题库和录播视频资料06Docker 夺命连环 15 问07SQL 主从数据库实时备份08校验 GPT-4 真实性的三个经典问题：快速区分 GPT-3.5 与 GPT-4，并提供免费测试网站09(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明10VSCode插件 —— Cody AI （免费AI助手！）