Hadoop-HDFS

Hadoop的HDFS(Hadoop Distributed File System)是一个分布式文件系统,它被设计用来在普通的硬件上运行,并且提供高吞吐量访问应用程序数据的能力。

HDFS 架构

HDFS 遵循主/从架构,由单个 NameNode(NN) 和多个 DataNode(DN) 组成:

  • NameNode : 负责执行有关 文件系统命名空间 的操作,例如打开,关闭、重命名文件和目录等。它同时还负责集群元数据的存储,记录着文件中各个数据块的位置信息。(第一无二,主要职责就是沟通协调)
  • DataNode:负责提供来自文件系统客户端的读写请求,执行块的创建,删除等操作。(依稀系统可以有多个,主要职责就是存储数据)

各角色职责

写数据

客户端

  1. 写数据时负责将文件切分成数据块 (64,128MB)
  2. 2个重要参数:block size:标识块大小;replication faxtor:表示数据存储在几个不通的地方

NameNode:

  1. NameNode分配DataNode地址给客户端

DataNode:

  1. 将数据存储在硬盘里
  2. 接收数据时同时将同样的数据发送下一个DataNode
  3. 通知NameNode数据所有数据写入完成

读数据

客户端

  1. 告诉NameNode所要读取的文件名
  2. 根据NameNode返回的数据块地址,从最近的一个DataNode请求返回数据

NameNode:

  1. 收到客户端读请求后返回数据所在的地址,包括数据块列表和数据块对应的DataNode列表

DataNode:

  1. 收到客户端请求后返回数据

故障检测

  1. DataNode会每3秒发送一个心跳到NameNode,如果NameNode在10分钟内没有收到DataNode发送的心跳,则认为DataNode已经挂了。
  2. 客户端在发送数据到DataNode时,DataNode会回复一个应答信号,如果客户端没有收到应答信号(多次尝试后),客户端会认为主机已经挂掉。
  3. 客户端在发送数据到DataNode时,会携带一段校验和,DataNode会将数据和校验和一起存到硬盘。
  4. DataNode会定时发送所有DataNode的数据报告给NameNode,发送前会校验校验和,若数据损坏(校验和不正确),则不会发送损坏的数据块信息。

故障处理

客户端

  1. 写数据: 以一个数据包为一个单位写入DataNode,DataNode在接受到数据包后会回复应答信号,如果客户端没收到DataNode的应答信号,则认为该DataNode挂了,会跳过该节点。该挂掉的节点随后会被NameDate处理。
  2. **读数据:**如果读某个节点发现无响应数据,则跳过读在一个。

NameNode

  1. 这玩意存储有2张表,一个是数据块列表-保存了每个数据块在哪些DataNode上(数据块1:存储在 DataNode1,DataNode2,DataNode3),一个是DataNode列表-保存了每个DataNode上存储着哪些数据块(DataNode1:存储着数据块1,数据块2)。
  2. 如果书数据块损坏,则会更新数据块列表,将该数据块从表中删除
  3. 如果是DataNode损坏,会同时更新2张表
  4. 定时扫描数据块列表,检查每个数据块是否被充分备份,如果在扫描过程中发现数据块损坏或丢失,DataNode会向NameNode报告这些错误。NameNode随后会从其他DataNode复制相应的数据块副本,以修复损坏的数据。
相关推荐
isfox1 天前
Google GFS 深度解析:分布式文件系统的开山之作
大数据·hadoop
鼠鼠我捏,要死了捏1 天前
Hadoop NameNode内存泄漏与GC停顿问题排查与解决方案
hadoop·问题排查·jvm优化
嘉禾望岗5031 天前
Yarn介绍与HA搭建
大数据·hadoop·yarn
IT研究室1 天前
大数据毕业设计选题推荐-基于大数据的国家药品采集药品数据可视化分析系统-Spark-Hadoop-Bigdata
大数据·hadoop·信息可视化·spark·毕业设计·数据可视化·bigdata
Lx3522 天前
Hadoop性能瓶颈分析:从JVM到磁盘IO的全链路优化
大数据·hadoop
BYSJMG2 天前
计算机毕业设计选题:基于Spark+Hadoop的健康饮食营养数据分析系统【源码+文档+调试】
大数据·vue.js·hadoop·分布式·spark·django·课程设计
励志成为糕手2 天前
Hadoop进程:深入理解分布式计算引擎的核心机制
大数据·hadoop·分布式·mapreduce·yarn
像豆芽一样优秀2 天前
Hive和Flink数据倾斜问题
大数据·数据仓库·hive·hadoop·flink
青云交2 天前
Java 大视界 -- 基于 Java 的大数据分布式存储在智慧城市时空大数据管理与应用中的创新实践(408)
java·hdfs·flink·智慧城市·hbase·java 分布式存储·时空大数据
计算机毕业设计木哥2 天前
计算机毕业设计 基于Python+Django的医疗数据分析系统
开发语言·hadoop·后端·python·spark·django·课程设计