• 在线客服

  • 扫描二维码
    下载博学谷APP

  • 扫描二维码
    关注博学谷微信公众号

  • 意见反馈

原创 HDFS基本原理总结

发布时间:2020-06-11 10:30:43 浏览 4205 来源:博学谷 作者:照照

    今天继续梳理的知识点是HDFS的基本原理,主要内容包括NameNode概述、DataNode概述、HDFS的工作机制(HDFS写数据流程和HDFS读数据流程),总之全文都是总结的学习干货,希望对于相信大数据的朋友能够有一些帮助,下面我们一起来学习并理解以下的内容吧!

     

    HDFS基本原理

     

    1NameNode概述

     

    NameNodeHDFS的核心,相信这一点大家都知道,所以NameNode也被称为Master。NameNode仅存储HDFS的元数据:文件系统中所有文件的目录树,并跟踪整个集群中的文件。NameNode不存储实际数据或数据集。数据本身实际存储在DataNodes中。NameNode知道HDFS中任何给定文件的块列表及其位置。使用此信息NameNode知道如何从块中构建文件。NameNode并不持久化存储每个文件中各个块所在的 DataNode 的位置信息,这些信息会在系统启动时从数据节点重建。NameNode对于HDFS至关重要,当NameNode关闭时,HDFS / Hadoop集群无法访问。总结一下,NameNodeHadoop集群中的单点故障。NameNode所在机器通常会配置有大量内存(RAM)。

     

    2DataNode概述

     

    DataNode负责将实际数据存储在HDFS中。DataNode也称为SlaveNameNodeDataNode会保持不断通信。DataNode启动时,它将自己发布到NameNode并汇报自己负责持有的块列表。当某个DataNode关闭时,它不会影响数据或群集的可用性。NameNode将安排由其他DataNode管理的块进行副本复制。DataNode所在机器通常配置有大量的硬盘空间。因为实际数据存储DataNode中。DataNode会定期向NameNode发送心跳,如果NameNode长时间没有接受到DataNode发送的心跳, NameNode就会认为该DataNode失效。block汇报时间间隔取参数dfs.blockreport.intervalMsec,参数未配置的话默认为6小时。

     

    3HDFS的工作机制

     

    NameNode负责管理整个文件系统元数据;DataNode负责管理具体文件数据块存储;Secondary NameNode协助NameNode进行元数据的备份。HDFS的内部工作机制对客户端保持透明,客户端请求访问HDFS都是通过向NameNode申请来进行。HDFS写数据流程和HDFS读数据流程总结如下:

     

    1HDFS写数据流程

     

    Aclient发起文件上传请求,通过RPCNameNode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;

     

    Bclient请求第一个block该传输到哪些DataNode服务器上;

     

    CNameNode根据配置文件中指定的备份数量及副本放置策略进行文件分配,返回可用的DataNode的地址,如:ABC

     

    Dclient请求3DataNode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

     

    Eclient开始往A上传第一个block,以packet为单位(默认64K),A收到一个packet就会传给 BB 传给 CA 每传一个packet会放入一个应答队列等待应答。

     

    F.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Apipeline ack发送给client;

     

    G.当一个block传输完成之后,client再次请求NameNode上传第二个block到服务器。

     

    2HDFS读数据流程

     

    AClient NameNode 发起 RPC 请求,来确定请求文件 block 所在的位置;

     

    BNameNode 会视情况返回文件的部分或者全部block 列表,对于每个blockNameNode 都会返回含有该block副本的DataNode地址;

     

    C.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;

     

    DClient 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;

     

    E.底层上本质是建立Socket  StreamFSDataInputStream),重复的调用父类DataInputStreamread方法,直到这个块上的数据读取完毕;

     

    F.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;

     

    G.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。

     

    Hread 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;

     

    I.最终读取来所有的block会合并成一个完整的最终文件。

     

    以上就是HDFS基本原理总结的全部内容了,大家都理解了吗?如果觉得本文总结的干货有用,不妨把文章分享出去,让更多的人看到~

    申请免费试学名额    

在职想转行提升,担心学不会?根据个人情况规划学习路线,闯关式自适应学习模式保证学习效果
讲师一对一辅导,在线答疑解惑,指导就业!

上一篇: ZooKeeper数据模型解析 下一篇: 大数据培训需要什么基础吗?

相关推荐 更多

热门文章

  • 前端是什么
  • 前端开发的工作职责
  • 前端开发需要会什么?先掌握这三大核心关键技术
  • 前端开发的工作方向有哪些?
  • 简历加分-4步写出HR想要的简历
  • 程序员如何突击面试?两大招带你拿下面试官
  • 程序员面试技巧
  • 架构师的厉害之处竟然是这……
  • 架构师书籍推荐
  • 懂了这些,才能成为架构师
  • 查看更多

扫描二维码,了解更多信息

博学谷二维码