首页 > 代码库 > hdfs的理解

hdfs的理解

hdfs(hadoop分布式系统)设计需要考虑的问题?

第一个就是数据是如何存储吗(数据的物理存储)

每台机器上都有个datanode节点。这个节点是用来存储数据的。

hdfs对一个大的文件进行分块,每个版本对每一个分块大小可能不尽相同。Hadoop 1版本默认是64M,

假设80M东西,就被分成64M和16M东西。那么他是按照这样的格式来划分的。每个快是分散存储的。可能这个快64M是在这个datonode,另外一块16是在另外一台datanode上。

第二个就是数据的安全(数据的丢失)

分布式系统通常都有备份,一个80M东西,可能64M东西有好几份,16M的东西有好几份。它们备份东西,几个DataNode节点可以相互通信,相互备份,然后告诉NameNode有几份,即使某台datanode,坏了,数据依然能够有备份。

第三个就是数据的访问(客户端和服务器端的通信)

客户端是如何和分布式系统之间进行通信的。

在开启分布式服务的是后续,会有3个进程,一个进程是DataNode,一个是NameNode,另外一个是Secondarynamede

    client        --------步骤1(RPC通信)----->Namenode



                   DataNode1               DataNode2                   DataNode3

服务器要去读取文件,首先他和NameNode通信,NameNode里面包含元数据。它进行相应的检查,然后它告诉客户端去找那个DataNode,通过流的方式来读写,读完之后,关闭流。

SecondaryNameNode是一个冷备份。它是一个对Namenode进行备份的东西,Namenode崩溃了,整个分布式系统就完了,必须有补救措施。

SecondaryNameNode是怎么样补救NameNODE?

首先namenode元数据信息是保存在内存中的,掉电容易丢失,所以他必须相办法保存到磁盘上,怎么保存呢,就是通过序列化机制来实现从内存写到磁盘。这个序列化的镜像文件名称就是fsimage文件。


client       -->上出文件(发出请求信息)----> namenode

                <-(查询文件有没有,权限够不够,然后要在那个datanode,返回给client。



|

|

|向datanode写信息。


                datanode1      datanode2     datanode3


client开始向datanode上写信息了,同时namenode中有个edits文件开始记录信息,不管你写成功(文件名称是什么?存放那台datanode上,快大小),还是失败,它都会记录一条日志数据信息。紧接着namenode中的metadata开始也多了一条数据描述信息。此时写完之后,并没有同步到fsimage(因为他不是及时同步的)假设一个月之前向hdfs上传了2个文件,secondary进过一定的条件会进行合并(有的是edits文件大小,或者超过一定时间尽心合并一次),一个月了,已经合并了很多次了,同步。此时内存中的metadata应该保存了2份描述信息。fsimage里面有2条描述信息(已经同步了),edits文件现在没有了信息,因为一点metadata合并到fsimage信息,edits文件就会被清空。现在client又开始向hdfs上传一个文件,此时,edits中有1个,内存中的metadata变成了3条信息,fsimage还是2条信息,此时metadata和fsimage不同步。当满足一定条件时,secondaryNameNode开始工作了。它通过http协议向namenode下载fsimage和edits文件,namenode生成一个新的editsnew文件(切换),如果此时有文件来进行读写,它将记录保存在editsnew文件中去,secondary将fsimage和edits文件合并生成新的fsimage,将fsimage回传给namenode,namenode将其就得fsimage和edits文件删除掉,用editsnew文件替换edits文件,这样数据又可以同步了。

分布式文件系统适用于一次写入,多次查询的,不支持并发写情况。小文件不合适。

本文出自 “简答生活” 博客,转载请与作者联系!

hdfs的理解