大家好，又见面了，我是你们的朋友全栈君。

HDFS简介

一、HDFS：Hadoop Distributed File System

           1. 一个分布式文件系统 
           2. 基于流数据模式访问和处理超大文件的需求而开发的
           3. 适合应用在大规模数据集上

局限性/缺点：

HDFS特性

一、高容错，可扩展性及可配置性强
二、跨平台
三、shell命令接口
四、机架感知功能
五、负载均衡
六、Web界面

HDFS目标

1.检测和快速恢复硬件故障

故障的检测和快速自动恢复是HDFS的一个核心目标

2.流式数据访问

设计成适合进行批量处理

重视数据吞吐量，而不是数据访问的反应速度

3.大规模数据集

支持大文件存储

一个单一的HDFS实例能支撑数以千万计的文件

4.简化一致性模型

对文件实行一次性写入，多次读取的访问模式

5.移动计算代价比移动数据代价低

一个应用请求的计算，离它操作的数据越近就越高效，这在数据达到海量级别的时候更是如此

6.可移植性

HDFS在设计时就考虑到平台的可移植性，这种特性方便了HDFS作为大规模数据应用平台的推广

7.通信协议

所有的通信协议都是在TCP/IP协议之上的

HDFS核心设计

数据块（Block）

数据块是HDFS上最基本的存储单位

HDFS块默认大小为128M （2.0为128M，1.0为64M）

小于一个块大小的文件不会占据整个块的空间

hadoop fsck /sogou.500w.utf8 -files -locations -blocks

对块进行抽象会带来的好处

一个文件的大小可以大于网络中任意一个磁盘的容量

使用块抽象而不是文件可以简化存储子系统

块非常适合用于数据备份进而提供数据容错能力和可用性

数据块复制

HDFS为了做到可靠性（reliability）创建了多份数据块（计算节点中（compute data blocks）的复制（replicas），并将它们放置在服务器群的nodes），MapReduce就可以在它们所在的节点上处理这些数据了。

HDFS将每个文件存储成块（Block）序列

每个文件的Block大小和复制（Replication）因子都是可配置的 hdfs-site.xml

数据副本的存放策略

数据分块存储和副本的存放，是保证可靠性和高性能的关键

将每个文件的数据进行分块存储

每一个数据块又保存有多个副本

这些数据块副本分布在不同的机器节点上

在多数情况下，HDFS默认的副本系数是3

Hadoop默认对3个副本的存放策略   

第一块：在本机器的HDFS目录下存储一个Block

第二块：不同Rack(机架)的某个DataNode上存储一个Block

第三块：在该机器的同一个Rack下的某台机器上存储最后一个Block

更能多副本：随机节点

如图所示：

设置集群Block的备份数
方法一：配置文件hdfs-site.xml
<property>
  <name>dfs.replication</name>
  <value>1</value>
</property>
方法二：通过命令修改备份数
bin/hadoop fs -setrep -R 1 /

注意：方法二可以改变整个HDFS里面的备份数，不需要重启HDFS系统，

        而方法一需要重启HDFS系统才能生效。

安全模式(SafeMode)
安全模式是Hadoop集群的一种保护模式
NameNode在启动时会自动进入安全模式，也可以手动进入。
当系统处于安全模式时，会检查数据块的完整性。

用命令来操作安全模式

hadoop  dfsadmin  -safemode  leave      //强制NameNode退出安全模式
hadoop  dfsadmin  -safemode  enter      //进入安全模式
hadoop  dfsadmin  -safemode  get        //查看安全模式状态

hadoop  dfsadmin  -safemode  wait       //等待，一直到安全模式结束

负载均衡
机器与机器之间磁盘利用率不平衡是HDFS集群非常容易出现的情况
 尤其是在DataNode节点出现故障或在现有的集群上增添新的DataNode的时候
分析数据块分布和重新均衡DataNode上的数据分布的工具

 $HADOOP_HOME/bin/start-balancer.sh -t 10%

负载均衡

负载均衡程序作为一个与独立的进程NameNode进程分开执行

心跳机制

机架感知
大型Hadoop集群是以机架的形式来组织的
同一个机架上不同节点间的网络状况比不同机架之间的更为理想
默认情况下，Hadoop的机架感知是没有被启用的
启用机架感知功能，在NameNode所在机器的core-site.xml中配置一个选项：
 <property> 
   <name>topology.script.file.name</name> 
   <value>/path/to/script</value> <!—value的值是一个脚本–>

</property> 

HDFS体系结构

Master/Slave架构

文件切分成块（默认大小128M），以块为单位，每个块有多个副本存储在不同的机器上，副本数可在文件生成时指定（默认3）
NameNode是主节点，存储文件的元数据如文件名，文件目录结构，文件属性（生成时间,副本数,文件权限），以及每个文件的块列表以及块所在的DataNode等等
DataNode在本地文件系统存储文件块数据，以及块数据的校验

主要组件的功能

NameNode

Namenode是一个中心服务器，单一节点，负责管理文件系统的名字空间(namespace)以及客户端对文件的访问

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，只会询问它跟那个DataNode联系

副本存放在那些DataNode上由NameNode来控制，根据全局情况做出块放置决定，读取文件时NameNode尽量让用户先读取最近的副本，降低带宽消耗和读取时延

NameNode全权管理数据块的复制，它周期性地从集群中的每个DataNode接收心跳信号和块状态报告(BlockReport)。接收到心跳信号意味着该DataNode节点工作正常。块状态报告包含了一个该DataNode上所有数据块的列表。 

DataNode

一个数据块在DataNode上以文件存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳

DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息

心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令，如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟NameNode没有收到某个DataNode 的心跳信息，则NameNode认为该DataNode节点已死亡不可用。

SecondaryNameNode

辅助的NameNode

周期性将EditsLog文件合并

工作原理，如图所示

工作流程
secondarynamenode通知namenode切换edits文件
secondarynamenode从namenode获得fsimage和edits(通过http)
secondarynamenode将fsimage载入内存，然后开始合并edits
secondarynamenode将新的fsimage发回给namenode

namenode用新的fsimage替换旧的fsimage

什么时候checkpiont
fs.checkpoint.period 指定两次checkpoint的最大时间间隔，默认3600秒。

fs.checkpoint.size 规定edits文件的最大值，一旦超过这个值则强制checkpoint，不管是否到达最大时间间隔。默认大小是64M

数据损坏处理

当DN读取block的时候，它会计算checksum；
如果计算后的checksum，与block创建时值不一样，说明该block已经损坏。
client读取其它DN上的block；NN标记该块已经损坏，然后复制block达到预期设置的文件备份数；
DN在其文件创建后三周验证其checksum。

HDFS文件权限

与Linux文件权限类似
r: read; w:write; x:execute，权限x对于文件忽略，对于文件夹表示是否允许访问其内容
如果Linux系统用户zhangsan使用hadoop命令创建一个文件，那么这个文件在HDFS中owner是zhangsan
HDFS的权限目的：阻止好人做错事，而不是阻止坏人做坏事。HDFS相信，你告诉我你是谁，我就认为你是谁
Root 用户只能查看，不能写入
hadoop dfs -chmod 777 /